CN112622914B - 新能源汽车行车安全状态辨识系统 - Google Patents

新能源汽车行车安全状态辨识系统 Download PDF

Info

Publication number
CN112622914B
CN112622914B CN202011519353.4A CN202011519353A CN112622914B CN 112622914 B CN112622914 B CN 112622914B CN 202011519353 A CN202011519353 A CN 202011519353A CN 112622914 B CN112622914 B CN 112622914B
Authority
CN
China
Prior art keywords
safety state
data
driving
driving safety
new energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011519353.4A
Other languages
English (en)
Other versions
CN112622914A (zh
Inventor
张晖
陈枫
吴超仲
李少鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202011519353.4A priority Critical patent/CN112622914B/zh
Publication of CN112622914A publication Critical patent/CN112622914A/zh
Application granted granted Critical
Publication of CN112622914B publication Critical patent/CN112622914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供一种新能源汽车行车安全状态辨识系统，包括数据采集模块采集新能源汽车关键部件和行车工况的特征指标的自然驾驶数据；数据处理模块对所述的自然驾驶数据进行离群点检测，剔除异常值后进行滤波，从而滤除噪声；行车安全状态划分模块对滤除噪声后的数据，利用主成分分析法进行耦合关联并降维，然后进行聚类分析，得到行车安全状态分类。本发明通过采集与新能源汽车行车安全相关联的特征指标集的自然驾驶数据，利用数据分析和处理方法，耦合关联关键部件与行车工况信息，精确划分车辆的行车安全状态，以此来研究行车安全状态的风险机理。

Description

新能源汽车行车安全状态辨识系统
技术领域
本发明涉及到新能源汽车行车安全领域，具体涉及一种新能源汽车行车安全状态辨识系统。
背景技术
随着科学技术的不断进步与发展，人民的生活水平不断提高，汽车的保有量开始逐年上升，以车代步成为了许多人的出行方式。为了减少大气污染，预防碳排放量过高，新能源汽车开始慢慢地进入大众的视野。与传统的内燃机汽车相比，新能源汽车能更加节约燃油能源，能有效地减少废气排放，保护环境，而且效率也更高，因此深受广大群众的喜爱，而新能源汽车的不断完善和发展，也是目前低碳时代大背景下的必然选择。
目前，针对新能源汽车研发最为关键的问题是车辆行驶安全的问题，国内对传统的内燃机汽车在汽车的关键部件和驾驶人行为方面都做过大量的研究，但是对于新能源汽车，针对其关键部件的演化机理和驾驶人行为方面仍处于起步阶段。新能源汽车的安全问题仍需做进一步的有效研究。对于国外的研究，美国辛辛那提大学学者、ABB公司、唐智科技等的研究多集中在实验室条件下电池、电机、电控等部件的诊断，很少开展过实车的自然驾驶实验。
国内外研究表明，对于新能源汽车行车安全状态的研究主要是从新能源汽车的关键零部件考虑，尤其是针对电池和电机，可是利用多源融合技术，将新能源汽车的关键部件与行车工况结合考虑的方面却还未涉及，从而无法全方位保障新能源汽车的行车安全。
发明内容
本发明要解决的技术问题是：提供一种新能源汽车行车安全状态辨识系统，能够精确划分车辆的行车安全状态。
本发明为解决上述技术问题所采取的技术方案为：一种新能源汽车行车安全状态辨识系统，其特征在于：本系统包括：
数据采集模块，用于采集新能源汽车关键部件和行车工况的特征指标的自然驾驶数据；所述的关键部件的特征指标包括电池单体的电压和温度，电池的总电流和总电压以及荷电状态SOC(State Of Charge)，行车工况的特征指标包括速度、加速度和加速踏板的位置；
数据处理模块，用于对所述的自然驾驶数据进行离群点检测，剔除异常值后进行滤波，从而滤除噪声；
行车安全状态划分模块，用于对滤除噪声后的数据，利用主成分分析法进行耦合关联并降维，然后进行聚类分析，得到行车安全状态分类。
按上述方案，所述的数据采集模块利用车速传感器、加速度传感器、加速踏板位置传感器和电池管理系统(BMS：Battery Management System)采集所述的自然驾驶数据。
按上述方案，所述的数据处理模块利用中位数绝对偏差算法(MAD：MedianAbsolute Deviation)进行离群点检测，设置阈值，判断异常值。
按上述方案，所述的数据处理模块采用滑动平均滤波法进行滤波。
按上述方案，所述的行车安全状态划分模块还用于将滤除噪声后的数据进行标准化处理，将每个特征指标对应的数据变成均值为0、方差为1的高斯分布，得到标准矩阵，然后再进行主成分分析。
按上述方案，所述的行车安全状态划分模块具体采用K-means聚类分析。
按上述方案，所述的行车安全状态划分模块得到的行车安全状态分类包括安全、低、中、高风险4种状态。
按上述方案，所述的行车安全状态划分模块取累计贡献程度不低于85％的主成分，进行聚类分析。
本发明的有益效果为：通过采集与新能源汽车行车安全相关联的特征指标集的自然驾驶数据，利用数据分析和处理方法，耦合关联关键部件与行车工况信息，精确划分车辆的行车安全状态，以此来研究行车安全状态的风险机理。该系统能从多维度、全方位的保障新能源汽车在全生命周期内安全运行，目的是为了提升道路交通安全和驾驶人的行驶安全。
附图说明
图1为本发明一实施例的系统框架图。
图2为本发明一实施例的数据处理模块工作流程图。
图3为本发明一实施例的行车安全状态划分模块工作流程图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
如图1所示，本系统包括数据采集模块、数据处理模块和行车安全状态划分模块。
数据采集模块利用车速传感器、加速度传感器、加速踏板位置传感器、BMS采集与新能源汽车行车安全相关联的特征指标集的自然驾驶数据，采集的时间周期为一个月；所述的特征指标集包括：(1)新能源汽车关键部件的特征指标，包括电池单体的电压和温度，电池的总电流和总电压以及荷电状态SOC(State Of Charge)；(2)新能源汽车行车工况的特征指标，包括速度、加速度和加速踏板的位置。
如图2所示，所述的数据处理模块用于对所述的自然驾驶数据进行离群点检测，剔除异常值后进行滤波，从而滤除噪声。具体的，利用MAD算法对特征指标集数据进行离群点检测，
Xk＝{x1k,x2k,…,xnk} (1)
式中：Xk为一个特征指标的集合；k为特征指标的个数；n为特征指标的元素个数。
计算特征指标的中位数：
Figure BDA0002849000100000031
式中：
Figure BDA0002849000100000032
为特征指标Xk的中位数。如果n是奇数，则中位数是排序为中间的观测值；当n是偶数时，中位数取排序为
Figure BDA0002849000100000033
和
Figure BDA0002849000100000034
的观测值的平均值。
计算MAD：
Figure BDA0002849000100000035
式中：MAD为特征指标的集合Xk中每个元素减去特征指标Xk的中位数的绝对值集合的中位数，b是常数(通常b＝1.4826)。
为了对观测数据中的异常值进行探测，需要计算每个观测值xnk的判定系数：
Figure BDA0002849000100000036
当判定系数D超过给定的阈值时则认定观测值xnk为异常数据。根据大量科学实验和工程实践表明，选择2.5为阈值对异常数据进行剔除。
剔除掉离群点之后，利用滑动平均滤波法滤除特征指标集中的噪声，为了能更精确地表示测量结果，抑制随机误差的影响，采用公式(5)对数据进行计算：
Figure BDA0002849000100000041
式中：yn为滤波结果；M为计算窗口的长度，为了更好地反映出数据的波动，本发明中的M＝10；xn为特征指标中的元素。将利用滑动平均滤波法滤除噪声后的数据传输到行车安全状态划分模块。
如图3所示，所述的行车安全状态划分模块，用于对滤除噪声后的数据，利用主成分分析法进行耦合关联并降维，然后进行聚类分析，得到行车安全状态分类。具体的，利用主成分分析方法对数据进行耦合关联并降维，定义识别片段矩阵为：
X＝(X1,X2,…,XP)T (6)
Xi＝(xi,1,xi,2,…,xi,q) (7)
为了消除量纲差异，将数据进行标准化处理，将每个特征指标对应的数据变成均值为0、方差为1的高斯分布，得到标准矩阵：
Y＝(Yt,Y2,…,YP)T (8)
Yi＝(yi,1,yi,2,…,yi,q),i＝1,2,…,P (9)
则
Figure BDA0002849000100000042
ui＝E(Xi) (11)
σi＝D(Xi) (12)
式中i为标准矩阵(特征指标矩阵)的行下标；j为标准矩阵的列下标；p为行数，代表特征指标的数目；q为列数；E为期望运算符；D为方差运算符。
对特征指标进行主成分分析，首先建立标准矩阵Y的系数矩阵：
L＝[l1,l2,…li,…,lp] (13)
li＝[li1,li2,…lip]T,(i＝1,2,…,p) (14)
使主成分得分矩阵
Figure BDA0002849000100000043
的列向量两两协方差为零，这样就将p个线性相关的特征指标耦合关联，并转化为p个线性无关的主成分。取累计贡献程度不低于85％的主成分，对其进行K-means聚类分析，精确划分4类合理的行车安全状态，包括安全、低、中、高风险4种状态。
本发明提出了一种将新能源汽车关键部件和行车工况耦合关联的行车安全状态辨识系统，通过采集一定时间内与新能源汽车行车安全相关联的特征指标集的自然驾驶数据，利用数据分析和处理方法，耦合关联关键部件与行车工况信息，精确划分车辆的行车安全状态，以此来研究行车安全状态的风险机理。该系统能从多维度、全方位的保障新能源汽车在全生命周期内安全运行，目的是为了提升道路交通安全和驾驶人的行驶安全。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (5)

1.一种新能源汽车行车安全状态辨识系统，其特征在于：本系统包括：
数据采集模块，用于采集新能源汽车关键部件和行车工况的特征指标的自然驾驶数据；所述的关键部件的特征指标包括电池单体的电压和温度，电池的总电流和总电压以及荷电状态，行车工况的特征指标包括速度、加速度和加速踏板的位置；
数据处理模块，用于对所述的自然驾驶数据进行离群点检测，剔除异常值后进行滤波，从而滤除噪声；所述的数据处理模块利用中位数绝对偏差算法进行离群点检测，设置阈值，判断异常值；采用滑动平均滤波法进行滤波；
行车安全状态划分模块，用于对滤除噪声后的数据，利用主成分分析法进行耦合关联并降维，然后进行聚类分析，得到行车安全状态分类；
所述的行车安全状态划分模块还用于将滤除噪声后的数据进行标准化处理，将每个特征指标对应的数据变成均值为0、方差为1的高斯分布，得到标准矩阵，然后再进行主成分分析。
2.根据权利要求1所述的行车安全状态辨识系统，其特征在于：所述的数据采集模块利用车速传感器、加速度传感器、加速踏板位置传感器和电池管理系统采集所述的自然驾驶数据。
3.根据权利要求1所述的行车安全状态辨识系统，其特征在于：所述的行车安全状态划分模块具体采用K-means聚类分析。
4.根据权利要求1所述的行车安全状态辨识系统，其特征在于：所述的行车安全状态划分模块得到的行车安全状态分类包括安全、低、中、高风险4种状态。
5.根据权利要求1所述的行车安全状态辨识系统，其特征在于：所述的行车安全状态划分模块取累计贡献程度不低于85％的主成分，进行聚类分析。
CN202011519353.4A 2020-12-21 2020-12-21 新能源汽车行车安全状态辨识系统 Active CN112622914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011519353.4A CN112622914B (zh) 2020-12-21 2020-12-21 新能源汽车行车安全状态辨识系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011519353.4A CN112622914B (zh) 2020-12-21 2020-12-21 新能源汽车行车安全状态辨识系统

Publications (2)

Publication Number Publication Date
CN112622914A CN112622914A (zh) 2021-04-09
CN112622914B true CN112622914B (zh) 2022-11-04

Family

ID=75320726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011519353.4A Active CN112622914B (zh) 2020-12-21 2020-12-21 新能源汽车行车安全状态辨识系统

Country Status (1)

Country Link
CN (1) CN112622914B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113468238A (zh) * 2021-06-21 2021-10-01 上汽通用五菱汽车股份有限公司 自适应巡航系统的评测方法、装置及计算机可读存储介质
CN114046873A (zh) * 2021-11-17 2022-02-15 国家电网有限公司 一种基于lof-fcm模糊聚类算法的电抗器振动监测系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707951A (zh) * 2020-06-22 2020-09-25 北京理工大学 一种电池组一致性评估方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104176060B (zh) * 2014-07-25 2016-08-24 湖南大学 一种电动汽车整车故障分级处理方法
CN106080655B (zh) * 2016-08-24 2018-05-04 中车株洲电力机车研究所有限公司 一种列车轴温异常的检测方法、装置以及列车
US20200307621A1 (en) * 2017-12-22 2020-10-01 Ford Global Technologies, Llc Vehicle real-time performance feedback system
CN108280415A (zh) * 2018-01-17 2018-07-13 武汉理工大学 基于智能移动终端的驾驶行为识别方法
JP7103071B2 (ja) * 2018-08-30 2022-07-20 トヨタ自動車株式会社 車両用電源システム
CN111216736A (zh) * 2020-01-09 2020-06-02 吉林大学 基于行驶工况的辅助驾驶系统自适应调节方法及系统
CN111208445A (zh) * 2020-02-25 2020-05-29 中国第一汽车股份有限公司 一种动力电池异常单体识别方法及系统
CN111483469B (zh) * 2020-04-27 2021-08-03 湖南大学 一种用于电动汽车整车控制器故障诊断的分析与测试方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707951A (zh) * 2020-06-22 2020-09-25 北京理工大学 一种电池组一致性评估方法及系统

Also Published As

Publication number Publication date
CN112622914A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN111999657B (zh) 一种电动汽车的锂离子电池剩余寿命的行驶里程评估方法
CN112622914B (zh) 新能源汽车行车安全状态辨识系统
WO2022213597A1 (zh) 一种新能源车辆三电系统安全特征数据库构建方法
CN113158947B (zh) 一种动力电池健康评分方法、系统及存储介质
CN111352032A (zh) 一种锂电池动态峰值功率预测方法
CN109425835B (zh) 一种电池寿命、基于大数据的车辆性能检测方法及系统
CN116626505B (zh) 一种基于车联网大数据的电池组一致性异常检测方法
CN112215497B (zh) 一种纯电动汽车运行风险预警方法
CN113158345A (zh) 一种新能源车辆动力电池容量预测方法及系统
CN108556682A (zh) 一种续驶里程预测方法、装置及设备
CN103529397A (zh) 一种估算电池电量的方法及电池电量管理系统
CN114779099A (zh) 一种基于大数据的新能源汽车电池性能分析监测系统
CN114734873B (zh) 一种基于云端在线数据的动力电池单体热失控预警方法
CN111581796B (zh) 一种插电式混合动力汽车关键技术测评系统
CN114646888A (zh) 一种动力电池容量衰减的评估方法及系统
CN112927511A (zh) 一种基于驾驶员年龄和性别识别的车辆预警方法
CN115219913A (zh) 一种基于容量增量法的动力电池全生命周期管理系统
CN114312319A (zh) 基于电压累计值的电池安全监控方法、存储介质及车辆
CN111882697B (zh) 一种基于概率突变法则的电压异常单体的识别算法
Wang et al. Ensemble machine learning based driving range estimation for real‐world electric city buses by considering battery degradation levels
CN116169743A (zh) 一种电动航空飞机电池管理控制系统及控制方法
CN115648942A (zh) 一种新能源汽车锂电池充放电管理系统及方法
Asfoor et al. Energy-efficient electrification of public transportation fleets based on generic driving cycles for the city of Cairo, Egypt
CN113858956A (zh) 新能源汽车数据采集与处理方法系统
CN113702842B (zh) 一种纯电动汽车的续航里程估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant