CN116361620B - 一种用于芯片数据智能处理方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于芯片数据智能处理方法，该方法根据车辆振动信号数据和传感数据的数值变化得到第一平滑参数，根据芯片传感数据的数值差异特征将芯片传感数据划分为至少一个数据段，根据不同芯片之间对应数据段的相似特征和车辆振动信号数据分布特征，得到两两芯片之间的匹配干扰度，根据匹配干扰度结合芯片之间的线路分布特征得到第二平滑参数，将第一平滑参数和第二平滑参数结合得到平滑权重，通过移动平均法结合平滑权重对每个芯片的传感数据进行智能处理。本发明根据移动平均法结合所述平滑权重对芯片检测数据中噪声的去除效果更好。

Description

一种用于芯片数据智能处理方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于芯片数据智能处理方法。

背景技术

随着电动汽车需求的不断增长，电动汽车行业日益兴盛，电动汽车的动力来源于其内部的电池组，为了保证电动汽车的行驶安全，通常对其内部的电池组的电压、电流、温度等传感数据进行监测，但是所监测电池组数据来源于电池组内部的芯片传感器，而芯片传感器可能由于连接件老化或故障的影响，导致所监测到的电池组数据存在小范围的异常，从而影响对电池组实时状态的检测。

考虑到因为芯片传感器本身原因导致电池组检测数据出现的小范围异常数据即噪声数据，且波动值较小，所以现有技术通常采用移动平均算法对监测数据整体进行平滑，以减少噪声的影响。但是在车辆行驶过程中由于驾驶行为或路面状况的影响可能导致车辆出现振动，使得芯片传感器监测到的数据出现突变或瞬时波动的突变异常值，而突变异常值相较于正常值而言数值偏大，在通过移动平均法对监测数据进行平滑时，突变异常值的存在会影响移动平滑的效果，使得对噪声数据的去除效果较差。

且由于芯片传感器数量众多，不同芯片之间可能会出现串扰现象，使得所监测数据出现影响移动平均法平滑效果的干扰数据。例如某个芯片的传输数据出现幅值增加时，其电压也会提高，导致与该芯片存在关联的其他芯片数据也会出现幅值上升的情况，从而出现由于串扰现象所引发的干扰数据。而干扰数据的存在也会影响移动平均法的数据平滑效果，从而使得对噪声数据的去除效果较差。综上所述，现有技术通过移动平均法对芯片监测数据中噪声数据的去除效果较差。

发明内容

为了解决现有技术通过移动平均法对芯片监测数据中噪声数据的去除效果较差的技术问题，本发明的目的在于提供一种用于芯片数据智能处理方法，所采用的技术方案具体如下：

本发明提出了一种用于芯片数据智能处理方法，所述方法包括：

获取预设时间范围内每个时刻下车辆振动信号数据和电池组上每个芯片的传感数据；

根据所述传感数据的时序变化特征，得到每个芯片的传感数据在每个时刻的波动程度；根据相同时刻下传感数据的数值变化与车辆振动信号数据之间的差异，得到每个芯片的传感数据在每个时刻的振动关联系数；根据所述波动程度和所述振动关联系数，得到每个芯片对应传感数据的第一平滑参数；

根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段；根据任意两个芯片对应传感数据的数据段之间的时序分布相似特征、数值分布相似特征和车辆振动信号数据分布特征，得到任意两个芯片之间传感数据的匹配干扰度；根据任意两个芯片之间的线路分布特征和所述匹配干扰度，得到每个芯片对应传感数据的第二平滑参数；

根据所述第一平滑参数、所述第二平滑参数和每个时刻的车辆振动信号数据，得到每个芯片对应传感数据在每个时刻的平滑权重；根据移动平均法结合所述平滑权重对每个芯片的传感数据进行智能处理。

进一步地，所述波动程度的获取方法包括：

统计每个芯片的传感数据在每个时刻的传感数据值，将每个时刻与前一时刻之间的传感数据差异作为第一差异，将每个时刻与后一时刻之间的传感数据差异作为第二差异，将所述第一差异和第二差异的和值作为临近差异值；将每个时刻的前一时刻和后一时刻之间的传感数据差异作为间隔差异值；根据所述临近差异值和所述间隔差异值得到每个芯片的传感数据在每个时刻的波动程度，所述波动程度与所述临近差异值呈正相关，所述波动程度与所述间隔差异值呈负相关。

进一步地，所述振动关联系数的获取方法包括：

将每个芯片的传感数据在每个时刻与前一时刻之间的传感数据值差异，作为每个时刻对应的幅度变化值；在每个时刻下计算幅度变化值和车辆振动信号数据的数据值之间的数值差异，并将所述数值差异进行负相关归一化，得到每个芯片的传感数据在每个时刻的振动关联系数。

进一步地，所述第一平滑参数的获取方法包括：

根据芯片的传感数据在预设时间范围内每个时刻对应的波动程度和振动关联系数的乘积的均值，得到每个芯片对应传感数据的第一平滑参数。

进一步地，所述根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段包括：

根据预设时间范围内每个时刻下每个芯片的传感数据，得到对应的传感数据序列，在所述传感数据序列中以时间为顺序获取预设最短长度的初始数据序列；

在传感数据序列中将所述初始数据序列与其对应的最后一个时刻后预设数量个传感数据进行合并，得到合并数据序列；计算初始数据序列与合并数据序列之间的标准差差异，根据所述标准差差异和初始数据序列的标准差，得到初始数据序列对应的标准差变化特征值，所述标准差变化特征值与标准差差异呈正相关，所述标准差变化特征值与初始数据序列的标准差呈负相关；

当所述标准差变化特征值大于或等于预设判定阈值时，将所述初始数据序列作为一条数据段；当所述标准差变化特征值小于预设判定阈值时，将合并数据序列作为初始数据序列并继续进行迭代合并，同时计算每次迭代合并后初始数据序列对应的标准差变化特征值，直至标准差变化特征值大于或等于预设判定阈值，并将大于或等于预设判定阈值的标准差变化特征值对应的初始数据序列作为一条数据段；

在获得每条数据段后，将每个数据段从所述传感数据序列中筛选出来后继续进行数据段的获取，直至传感数据序列被完全划分，得到至少一条数据段。

进一步地，所述匹配干扰度的获取方法包括：

将每个芯片对应传感数据的数据段以时间顺序排列，得到每个芯片对应的数据段序列；将任意一个芯片的数据段序列作为目标数据段序列，将其他任意一个芯片的数据段序列，作为对比数据段序列；将目标数据段序列中的数据段作为目标数据段，将对比数据段序列中的数据段作为对比数据段；

将每个目标数据段对应的时间范围映射到对比数据段序列中，得到每个目标数据段对应的交叠对比数据段；

通过动态时间规整算法计算每个目标数据段与对应的每个交叠对比数据段之间的序列相似度；获取每个目标数据段与对应的每个交叠对比数据段之间的交叠部分，所述交叠部分为目标数据段与交叠对比数据段在时间上交叠的部分；根据交叠部分的长度与对应目标数据段的长度的比值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠比例；根据交叠部分对应时间范围内车辆振动信号数据的均值，得到每个目标数据段与对应的每个交叠对比数据段之间的振动干扰特征值；

根据所述序列相似度、所述交叠比例和所述振动干扰特征值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠相似度，所述交叠相似度与序列相似度呈正相关，所述交叠相似度与交叠比例呈正相关，所述交叠相似度与振动干扰特征值呈负相关；将每个目标数据段对应的所有交叠相似度累加，得到每个目标数据段对应的交叠干扰特征值；将目标数据段序列对应的所有交叠干扰特征值累加，得到目标数据段序列对应芯片与对比数据段序列对应芯片之间传感数据的匹配干扰度。

进一步地，所述交叠对比数据段的获取方法包括：

将目标数据段对应的时间范围作为目标时间范围，将对比数据段序列中时间范围与目标时间范围产生交叠的对比数据段，作为目标数据段对应的交叠对比数据段。

进一步地，所述第二平滑参数的获取方法包括：

获取每个芯片对应的线路，任选一个芯片作为目标芯片，统计目标芯片与其他每个芯片之间的线路邻接长度，根据线路邻接长度和目标芯片对应线路的长度之间的比值，得到目标芯片与其他每个芯片之间的线路重合比；

将目标芯片与其他每个芯片之间传感数据的匹配干扰度和线路重合比的乘积的累加值，作为目标芯片对应传感数据的第二平滑参数。

进一步地，所述平滑权重的获取方法包括：

根据每个时刻车辆振动信号数据的数据值和所述第一平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第一影响权重；根据每个时刻车辆振动信号数据的数据值的负相关映射值和所述第二平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第二影响权重；将所述第一影响权重和第二影响权重之间均值的负相关映射值，作为每个芯片对应传感数据在每个时刻的平滑权重。

进一步地，所述根据移动平滑法结合所述平滑权重对每个芯片的传感数据进行智能处理包括：

在每个芯片的传感数据中，将每个数据之前所有数据赋予对应的平滑权重后通过移动平均算法计算对应的平滑值，根据所述平滑值得到每个芯片对应传感数据的平滑值序列，根据平滑值序列分析是否存在异常数据，并在存在异常数据时，根据异常数据对电池组进行处理。

本发明具有如下有益效果：

考虑到车辆行驶过程中由于发生振动会使得芯片的传感数据产生突变值，且突变值的大小与振动的强度有关，所以本发明实施例在获取车辆振动数据的基础上，根据传感数据的数值变化特征获取第一平滑参数，并根据第一平滑参数影响后续的传感数据处理过程，通过第一平滑参数引入车辆振动的影响，进一步使得后续结合平滑权重影响的移动平均法对芯片监测数据中噪声数据的去除效果更好。进一步地，考虑到芯片之间存在串扰现象，并且由于串扰现象发生时，发生串扰现象的芯片对应的数据之间会出现相似的时序变化特征，所以本发明实施例通过数据段之间的差异和车辆振动数据的影响，获取第二平滑参数，并根据第二平滑参数影响后续的传感数据处理过程，通过第二平滑参数引入芯片串扰现象的影响。进一步地通过第一平滑参数和第二平滑参数得到平滑权重，并通过平滑权重影响移动平均法，使得对芯片检测数据中噪声的去除效果更好。综上所述，本发明实施例根据移动平均法结合所述平滑权重对芯片检测数据中噪声的去除效果更好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种用于芯片数据智能处理方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于芯片数据智能处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于芯片数据智能处理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种用于芯片数据智能处理方法流程图，该方法包括：

步骤S1：获取预设时间范围内每个时刻下车辆振动信号数据和电池组上每个芯片的传感数据。

本发明旨在提供一种用于芯片数据智能处理方法，在根据电池组上的芯片的传感数据检测电池组的运行状况的基础上，通过传感数据和车辆振动信号数据之间的关系，以及芯片之间的串扰特征得到平滑权重，并通过平滑权重结合移动平均法对传感数据进行平滑处理，以准确的去除传感数据中由于芯片本身原因产生的噪声数据。因此本发明实施例首先需要获取数据处理的目标即芯片的传感数据和影响传感数据变化的车辆振动信号数据。

本发明实施首先获取预设时间范围内每个时刻下车辆振动信号数据和电池组上每个芯片的传感数据。芯片即芯片传感器，通过芯片传感器采集电池组上需要监测的传感数据，例如电池组的电压、温度和SOC等。在本发明实施例中，采集电池组上所有芯片传感器的传感数据。车辆振动信号数据即反映车辆振动情况的数据，在本发明实施例中，通过加速度传感器采集车辆振动信号数据，且车辆振动的强度越大，对应时刻下的车辆振动信号数据的数据值越大。考虑到后续分析过程中，车辆振动的瞬时信号数据会对同一时间的芯片对应的传感数据造成影响，本发明实施例在预设时间范围对应的同一采样时间段内采用相同的采样频率，采集车辆振动信号数据和每个芯片的传感数据，即每个采样时刻下都能对应一个车辆振动数据和每个芯片的传感数据。在本发明实施例中，预设时间范围设置为10min，采样频率设置为每秒1次。需要说明的是，实施者可根据具体实施环境自行调整采样时间段的长度和采样频率，且后续分析过程中对应的每个时刻为每个采样时刻，在此不做进一步赘述。

由于不同芯片的传感数据和车辆振动信号数据的数据幅值和浮动范围不同，并且后续对数据的分析是基于数据的变化趋势进行的，所以本发明实施例为了保证后续计算的准确性和严谨性，将采集到的不同芯片的传感数据和车辆振动信号数据进行归一化计算后进行后续分析，即本发明实施例的后续过程中的所有芯片的传感数据和车辆振动信号数据为归一化后的数据，后续不做进一步赘述。在本发明实施例中，归一化方法采用线性归一化。需要说明的是，本发明实施例中后续涉及到的所有归一化方法均为线性归一化，实施者也可根据具体实施环境采用其他归一化方法，且线性归一化为本领域技术人员所熟知的现有技术，在此不做进一步赘述。

步骤S2：根据传感数据的时序变化特征，得到每个芯片的传感数据在每个时刻的波动程度；根据相同时刻下传感数据的数值变化与车辆振动信号数据之间的差异，得到每个芯片的传感数据在每个时刻的振动关联系数；根据波动程度和振动关联系数，得到每个芯片对应传感数据的第一平滑参数。

首先需要考虑到当通过移动平均法对监测数据进行平滑处理时，可能由于驾驶行为或路面不平整导致车辆振动，使得监测电池组数据的芯片的传感数据中出现瞬时波动数据或突变值等干扰数据。在通过移动平均算法去芯片对应传感数据进行平滑以去除噪声数据时，参与平均的多个数据的权重都是预设值，而干扰数据由于与真实数据具有较大的差异，在参与其余数据的平滑时，会使得本来正常的数据产生异常。所以为了避免该情况的发生，需要对车辆振动情况进行分析，得到车辆振动对平滑过程的影响程度，并根据影响程度调整对应数据的权重，以提高平滑效果。

由于车辆发生振动时，车辆振动信号数据在振动的时刻会出现突变，同时每一个芯片对应的传感数据也会出现明显的数据波动。所以首先可根据芯片对应传感数据的数据波动情况，初步判断受到振动的影响程度。本发明实施例根据传感数据的时序变化特征，得到每个芯片的传感数据在每个时刻的波动程度。通过波动程度来反映传感数据的数据波动情况。

优选地，波动程度的获取方法包括：

统计每个芯片的传感数据在每个时刻的传感数据值，将每个时刻与前一时刻之间的传感数据差异作为第一差异，将每个时刻与后一时刻之间的传感数据差异作为第二差异，将第一差异和第二差异的和值作为临近差异值。将每个时刻的前一时刻和后一时刻之间的传感数据差异作为间隔差异值。根据临近差异值和间隔差异值得到每个芯片的传感数据在每个时刻的波动程度，波动程度与临近差异值呈正相关，波动程度与间隔差异值呈负相关。

由于车辆振动会导致某一时刻对应的数据值发生突变，突变值相较于正常数据存在较大的差异，且由于振动强度的大小是随机的，对应的突变值的大小也较为随机。由于大多数情况下突变值与相邻的数据之间通常存在较大的差异，即突变值对应的临近差异值较大。而突变值两侧的数据在正常情况下由于没有受到车辆振动的影响，两侧数据之间的差异一般较小，对应的间隔差异值较小。即当突变值越大时，对应的临近差异值越大，对应的波动程度也就越大。而间隔差异值则是反映突变值的突出程度，当突变值恒定时，对应的间隔差异值越大，表明突变值对应时刻的数据在没有受到车辆振动影响时对应的数据越大，即对应时刻的正常数据与突变值的差异越大，对应的波动程度也就越小。即波动程度与临近差异值呈正相关，波动程度与间隔差异值呈负相关。在本发明实施例中，计算间隔差异值与预设第一调节参数的和值后，将临近差异值与该和值的比值的归一化值，作为每个时刻的波动程度。需要说明的是，除比值外，实施者也可通过其他方法得到波动程度，例如将临近差异值与间隔差异值的差异的归一化值，作为每个时刻的波动程度，在此不做进一步赘述。

在本发明实施例中，第个芯片的传感数据在第时刻的波动程度的获取方法在公 式上表现为：

其中，为第个芯片的传感数据在第时刻的波动程度，为第个芯片的传 感数据在第时刻的传感数据值，为第个芯片的传感数据在第时刻的传感数据值，为第个芯片的传感数据在第时刻的传感数据值；为预设第一调节参数，用于 防止分母为0，在本发明实施例中，预设第一调节参数设置为0.001；为归一化函数，为第个芯片的传感数据在第时刻对应的第一差异，为第个芯 片的传感数据在第时刻对应的第二差异，为第个芯片的传 感数据在第时刻对应的临近差异值，为第个芯片的传感数据在第时刻 对应的间隔差异值。需要说明的是实施者可根据具体实施环境自行调整预设第一调节参数 的大小，在此不做进一步赘述。进一步地根据第个芯片的传感数据在第时刻的波动程度 的获取方法，得到每个芯片的传感数据在每个时刻的波动程度。

此外，实施者也可通过其他形式的公式得到第个芯片的传感数据在第时刻的波 动程度，例如：

其中，公式中的参数含义与本发明实施例中波动程度的获取方法对应的公式相同，在此不做进一步赘述。

考虑到当电池组对应的真实数据发生异常时，对应芯片的传感数据在时序上也可能会出现波动，即波动产生的原因与车辆振动有关外，也可能是电池组对应的真实数据发生了异常。而本发明实施例获取波动程度的目的是，能够通过波动程度的大小反映车辆振动对传感数据的影响程度，所以为了准确的通过波动程度反映车辆振动对传感数据的影响，需要在计算每一时刻的波动程度时，结合对应时刻的车辆振动情况进行分析，即判断数据出现一定程度的波动时，对应的车辆是否出现相应强度的振动，若出现相应强度的振动，则对应时刻的数据波动仅与车辆振动有关；若没有出现相应强度的振动，则对应时刻的数据波动与车辆振动无关或关系不大。本发明实施例根据相同时刻下传感数据的数值变化与车辆振动信号数据之间的差异，得到每个芯片的传感数据在每个时刻的振动关联系数。将振动关联系数作为对应时刻下车辆振动信号与传感数据波动程度的关联程度。

优选地，振动关联系数的获取方法包括：

将每个芯片的传感数据在每个时刻与前一时刻之间的传感数据值差异，作为每个时刻对应的幅度变化值；在每个时刻下计算幅度变化值和车辆振动信号数据的数据值之间的数值差异，并将数值差异进行负相关归一化，得到每个芯片的传感数据在每个时刻的振动关联系数。考虑到本发明实施例中车辆振动信号数据与芯片的传感数据均为归一化后的数据，所以当数据仅由于车辆振动发生波动时，对应波动幅度应当仅与对应时刻车辆振动信号的大小有关，因此本发明实施例通过幅度变化值表征对应时刻的波动幅度，且车辆振动强度越大时，对应的车辆振动信号数据的数据值越大，所以当数据产生波动的原因与车辆振动越相关时，对应时刻下幅度变化值与车辆振动信号数据的数据值的大小应当越接近。而振动关联系数又表征传感数据的波动程度与车辆振动信号之间的关联程度，所以当幅度变化值和车辆振动信号之间的数值差异越小时，对应时刻下的振动关联系数越大，因此将数值差异进行负相关归一化，得到对应的振动关联系数。在本发明实施例中，将数值1与数值差异之间的差值，作为振动关联系数。

在本发明实施例中，第个芯片的传感数据在第时刻的振动关联系数的获取方法 在公式上表现为：

其中，为第个芯片的传感数据在第时刻的振动关联系数，为第个芯片的传 感数据在第时刻的传感数据值，为第个芯片的传感数据在第时刻的传感数据 值，为第时刻时车辆振动信号数据的数据值，为第个芯片的传感数 据在第时刻对应的数值差异，为归一化函数。进一步地根据第个芯片的传感数据 在第时刻的振动关联系数的获取方法，得到每个芯片的传感数据在每个时刻的振动关联 系数。

在本发明另一个实施例中，实施者也可采用其他形式的公式获得第个芯片的传 感数据在第时刻的振动关联系数，例如：

其中，为预设调节系数，且对应预设调节系数为正数，在本发明实施例中，预设调 节系数设置为4，为以自然常数e为底的指数函数，其余参数与本发明实施例中振动 关联系数的获取方法对应的公式中参数的含义相同，需要说明的是，实施者可根据具体实 施环境自行设定预设调节系数的大小，在此不做进一步赘述。

至此得到每个芯片的传感数据在每个时刻的振动关联系数和波动程度，通过波动程度表征传感数据的时序变化特征，通过振动关联系数表征传感数据的幅值变化与车辆振动的关联程度，即通过振动关联系数和波动程度能够表征对应时刻下车辆振动对传感数据的影响情况。本发明实施例根据波动程度和振动关联系数，得到每个芯片对应传感数据的第一平滑参数，通过第一平滑参数表征车辆振动对传感数据的影响程度，进一步通过得到的第一平滑参数影响后续的移动平均法的平滑过程。

优选地，第一平滑参数的获取方法包括：

根据芯片的传感数据在预设时间范围内每个时刻对应的波动程度和振动关联系数的乘积的均值，得到每个芯片对应传感数据的第一平滑参数。当波动程度越高时，对应时刻的传感数据的突变值特征越明显。而振动关联系数则表征车辆振动的强度与传感数据的波动程度的关联程度，所以当振动关联系数越大时，传感数据的波动程度越大时，对应芯片的传感数据受到车辆振动的影响越大，即第一平滑参数越大，因此需要通过波动程度和振动关联系数的乘积进一步表征第一平滑参数。需要说明的是，除了乘积外，实施者也可根据具体实施环境采用其他的方式根据波动程度和振动关联系数来进一步表征第一平滑参数，但是需要保证第一平滑参数与波动程度呈正相关，第一平滑参数与振动关联系数也呈正相关，例如将波动程度和振动关联系数的和值的均值，作为对应的第一平滑参数，在此不做进一步赘述。而求均值是为了使得第一平滑参数能够表征芯片传感数据整体受到车辆振动的影响程度。需要说明的是，除均值外，实施者也可根据具体实施环境采用其他方法得到第一平滑参数，例如将每个时刻对应的波动程度和振动关联系数的乘积的累加值的归一化值，作为每个芯片对应传感数据的第一平滑参数，在此不做进一步赘述。

在本发明实施例中，第个芯片对应传感数据的第一平滑参数的获取方法在公式 上表现为：

其中，为第个芯片对应传感数据的第一平滑参数，为第个芯片的传感数据 在第时刻的振动关联系数，为第个芯片的传感数据在第时刻的波动程度；为车辆振 动信号数据和芯片对应传感数据在采样时间段的采集数据的数据量，由于在本发明实施例 中，采用时间段为10min，采用频率为每秒1次，所以对应的数据量为600；t为采样时刻t。进 一步地根据第个芯片对应传感数据的第一平滑参数的获取方法，得到每个芯片对应传感 数据的第一平滑参数。

此外，实施者也可采用其他形式的公式获取第个芯片对应传感数据的第一平滑 参数，例如：

其中，为归一化函数，其余参数与本发明实施例中第个芯片对应传感数 据的第一平滑参数的获取方法对应的公式相同，在此不做进一步赘述。

步骤S3：根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段；根据任意两个芯片对应传感数据的数据段之间的时序分布相似特征、数值分布相似特征和车辆振动信号数据分布特征，得到任意两个芯片之间传感数据的匹配干扰度；根据任意两个芯片之间的线路分布特征和匹配干扰度，得到每个芯片对应传感数据的第二平滑参数。

至此，得到表征车辆振动对芯片对应传感数据的影响程度即第一平滑参数。但是由于当芯片传感数据中的出现并非由于电池组本身异常产生的异常数据时，该异常数据的出现并不仅仅只与车辆振动有关，还会由于芯片之间距离太近，导致互相出现干扰，从而出现与车辆振动影响外的其他异常突变数据。所以需要在获取第一平滑参数的基础上，结合芯片之间互相干扰的因素影响，来进一步影响后续的移动平均法的平滑过程。

芯片之间的数据干扰通常发生在传输过程中，在信号传输时会存在电压，而当某个芯片的传输数据出现幅值增加时，其对应的电压会增加，从而与其产生关联的芯片也会出现幅值上升的情况，即芯片之间的串扰现象。所以当串扰现象发生时，受到串扰现象影响的芯片之间的数据变化会呈现相似的趋势，即通过不同芯片之间传感数据的变化趋势相似情况，得到芯片间串扰现象对传感数据的影响。虽然变化趋势只有通过连续的数据才能得到，但是直接通过不同芯片之间整体数据的变化趋势进行对比，可能会出现受到干扰的数据较少，导致变化趋势特征不够突出，使得可能存在串扰现象干扰的数据特征被覆盖，从而达不到获取串扰现象对芯片传感数据影响程度的目的，因此为了使得变化趋势特征更加突出，需要对芯片传感数据的局部数据的变化趋势进行对比分析，所以首先需要获取芯片对应传感数据的局部数据，又由于变化趋势的特征主要通过对应传感数据的数值变化进行体现。所以本发明实施例根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段。通过数据段来进一步表征传感数据的局部数据变化趋势。

优选地，根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段包括：

根据预设时间范围内每个时刻下每个芯片的传感数据，得到对应的传感数据序列，在传感数据序列中以时间为顺序获取预设最短长度的初始数据序列。在本发明实施例中，预设最短长度设置为180，即初始数据序列对应的最短时间范围为3min。设置预设最短长度的目的是防止最终得到的数据段中数据量过少，以至于体现不出变化趋势的特征。需要说明的是，实施者可根据具体实施环境自行设置预设最短长度的大小，在此不做进一步赘述。

在传感数据序列中将初始数据序列与其对应的最后一个时刻后预设数量个传感数据进行合并，得到合并数据序列；计算初始数据序列与合并数据序列之间的标准差差异，根据标准差差异和初始数据序列的标准差，得到初始数据序列对应的标准差变化特征值，标准差变化特征值与标准差差异呈正相关，标准差变化特征值与初始数据序列的标准差呈负相关。在本发明实施例中，计算初始数据序列的标准差与预设第二调节参数的和值后，将标准差差异与该和值的比值作为标准差变化特征值，即标准差的变化比例。通过标准差变化特征值即标准差变化比例，能够反映初始数据序列中数据趋势的变化情况，即通过标准差变化比例的大小反映数据变化趋势。在本发明实施例中，预设数量设置为1，即每次合并时，将初始数据序列与对应时刻后的1个传感数据进行合并，得到合并数据序列。

在本发明实施例中，标准变化特征值的获取方法在公式上表现为：

其中，为初始数据序列对应的标准差变化特征值，为初始数据序列对应的标准 差，为合并数据序列对应的标准差，为预设第二调节参数，为标准差差异。

当标准差变化特征值大于或等于预设判定阈值时，将初始数据序列作为一条数据段。在本发明实施例中，预设判定阈值设置为0.05。需要说明的是，实施者可根据具体实施环境自行设置预设判定阈值的大小，在此不做进一步赘述。当标准差变化特征值大于或等于预设判定阈值时，说明对应的初始数据序列数据的数值特征与对应时刻后预设数量个传感数据的数值趋势特征不同，即预设数量个传感数据与初始数据序列之间的变化趋势不同，因此初始数据序列作为单独的数据段进行分析，使得数据段中仅有一种数值变化趋势特征。

当标准差变化特征值小于预设判定阈值时，将合并数据序列作为初始数据序列并继续进行迭代合并，同时计算每次迭代合并后初始数据序列对应的标准差变化特征值，直至标准差变化特征值大于或等于预设判定阈值，并将大于或等于预设判定阈值的标准差变化特征值对应的初始数据序列作为一条数据段。当标准差变化特征值小于预设判定阈值时，说明对应的合并数据序列与初始数据序列对应的数据变化趋势相同，因此需要将合并数据序列作为初始数据序列继续进行迭代，直至对应的标准差变化特征值大于或等于预设判定阈值，即数据变化趋势发生变化。

例如，在本发明实施例中，初始数据序列对应的最短时间范围即时间长度为3min即180个数据，将3min后的预设数量个即一个数据进行合并，即将3min后的第一个时刻数据与初始数据序列进行合并，得到合并数据序列，该合并数据序列除了包含初始数据序列的所有传感数据外，还包含3min后第一个时刻数据，即对应合并数据序列包含181个数据；进一步计算初始数据序列与合并数据序列之间的标准差差异，并根据标准差差异和初始数据序列之间的标准差，得到初始数据序列的标准差变化特征值，当对应的标准差变化特征值大于或等于预设判定阈值0.05时，将时间长度为3min的初始数据序列作为一条数据段；当标准差变化特征值小于0.05时，将合并数据序列作为初始数据序列，此时的初始数据序列的数据长度为181；将该初始数据序列与对应时刻后的一个数据进行合并，得到新的合并数据序列，新的合并数据序列包含前3min和3min后两个时刻的数据即182个数据，当对应的标准差变化特征值依然小于预设判定阈值时，继续进行迭代合并直至对应的标准差变化特征值大于或等于预设判定阈值时停止，并将该标准差变化特征值所对应的初始数据序列作为一个数据段，例如在若合并第五个时刻数据对应的标准差变化特征值大于预设判定阈值时，对应的初始数据序列应该包含3min和3min后四个时刻的数据即184个数据，将对应的184个数据作为一个数据段。

在获得每条数据段后，将每个数据段从传感数据序列中筛选出来后继续进行数据段的获取，直至传感数据序列被完全划分，得到至少一条数据段。该过程的目的是使得获取数据段的过程是连续的，即在获取一条数据段后，以该数据段后的数据继续进行标准差的判定，已达到将传感数据序列完全划分的目的。至此，将传感数据序列划分为多个数据段，每个数据段中的数据变化趋势特征一致，时序上相邻的数据段之间的数据变化趋势不同。

考虑到当芯片传感数据的数据异常完全是由芯片间串扰现象影响时，受影响的两个芯片对应的传感数据在相同时间范围内对应的数据变化趋势特征应该一致，即数据段的划分和相同时间段内的数据段之间对应的变化趋势特征都是一致的。但是芯片的传感数据受到芯片串扰现象影响时，由于不同芯片对应的传感数据类型不同，所以对应数据段的划分和相同时间段内数据段之间对应的变化趋势特征无法完全一致，但是存在一定的相似特征。又考虑到芯片发生干扰对应时间段内的数据变化趋势也可能与车辆振动有关，所以在进行后续分析时，也需要考虑到车辆振动信号的变化。所以本发明实施例根据任意两个芯片对应传感数据的数据段之间的时序分布相似特征、数值分布相似特征和车辆振动信号数据分布特征，得到任意两个芯片之间传感数据的匹配干扰度。通过匹配干扰度判断芯片的传感数据受到芯片之间干扰的影响程度。

优选地，匹配干扰度的获取方法包括：

将每个芯片对应传感数据的数据段以时间顺序排列，得到每个芯片对应的数据段序列；将任意一个芯片的数据段序列作为目标数据段序列，将其他任意一个芯片的数据段序列，作为对比数据段序列；将目标数据段序列中的数据段作为目标数据段，将对比数据段序列中的数据段作为对比数据段。

将每个目标数据段对应的时间范围映射到对比数据段序列中，得到每个目标数据段对应的交叠对比数据段。

优选地，交叠对比数据段的获取方法包括：

将目标数据段对应的时间范围作为目标时间范围，将对比数据段序列中时间范围与目标时间范围产生交叠的对比数据段，作为目标数据段对应的交叠对比数据段。交叠对比数据段即在对比数据段序列中在目标时间范围内产生交叠的数据段，而目标时间范围又是目标数据段对应的时间范围。由于芯片之间的干扰是由于信号改变导致出现电压，且每个芯片对应的数据段的划分都是独立的，因此芯片之间出现干扰时数据段的划分方式可能会出现一定的差异，即在时序上数据段不完全重合，所以一个目标数据段通常会对应多个交叠对比数据段。

因此通过动态时间规整算法计算每个目标数据段与对应的每个交叠对比数据段之间的序列相似度。因为串扰现象是实时发生的，受到干扰的芯片在串扰现象发生的时间段内的数据同样也会发生相似的变化特征，即同一时间段内的序列之间具有一定的相似性，而目标数据段与交叠对比数据段具有交叠的时间范围这一特征，所以通过计算目标数据段与交叠对比数据段之间的序列相似度，能够时序相似变化特征的角度引入芯片干扰的影响程度。对应的序列相似度越大，说明对应数据段序列之间越相似，即对应的数据变化越可能受到芯片间干扰的影响。

获取每个目标数据段与对应的每个交叠对比数据段之间的交叠部分，交叠部分为目标数据段与交叠对比数据段在时间上交叠的部分；根据交叠部分的长度与对应目标数据段的长度的比值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠比例。由于交叠对比数据段只是在时间上与目标数据段有重叠，所以一个目标数据段对应的所有交叠对比数据段的总长度总是大于或等于目标数据段的。考虑到芯片间干扰现象的发生与时序差异有关，例如当两个数据点的时序差异为十几分钟，则对应的两个数据点之间应当是完全不存在干扰的。因此当数据段之间在时序上越接近，对应的受到芯片间干扰的可能就越大。而当数据段之间在时序上发生交叠时，对应的交叠比例越大，说明对应数据段之间的数据在时序上越接近，对应的数据变化越可能受到芯片间干扰的影响。因此引入交叠比例在时序差异的角度上引入芯片干扰的影响程度。

根据交叠部分对应时间范围内车辆振动信号数据的均值，得到每个目标数据段与对应的每个交叠对比数据段之间的振动干扰特征值。此处引入振动信号的目的是：当车辆发生振动是，不同的芯片对应传感数据在振动发生对应的时刻也会出现相似的变化特征，通过计算对应车辆振动信号数据的均值，表征目标数据段对应时间范围内车辆振动信号数据的整体特征。当均值越小时，振动干扰特征值越小，对应时间段内受到车辆振动影响发生数据变化的情况越小，对应的数据变化越可能受到芯片间干扰的影响。

根据序列相似度、交叠比例和振动干扰特征值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠相似度；通过交叠相似度表征目标数据段与对应交叠对比数据段在发生数据变化时，受到芯片间干扰的影响程度。进一步根据序列相似度、交叠比例和振动干扰特征值三个参数，与芯片间干扰的影响程度之间的关系可知，交叠相似度与序列相似度呈正相关，交叠相似度与交叠比例呈正相关，交叠相似度与振动干扰特征值呈负相关。

将每个目标数据段对应的所有交叠相似度累加，得到每个目标数据段对应的交叠干扰特征值；将目标数据段序列对应的所有交叠干扰特征值累加，得到目标数据段序列对应芯片与对比数据段序列对应芯片之间传感数据的匹配干扰度。进一步地通过交叠相似度的累加值得到的匹配干扰度表征两两芯片之间发生干扰时，对数据变化的影响程度。

在本发明实施例中，目标数据段序列对应芯片与对比数据段序列对应芯片之间 传感数据的匹配干扰度的获取方法在公式上表现为：

其中，为目标数据段序列对应芯片与对比数据段序列对应芯片之间传感数 据的匹配干扰度，为第个目标数据段与对应的第个交叠对比数据段之间的序列相似 度，为第个目标数据段与对应的第个交叠对比数据段之间的交叠部分的时间长度；为第个目标数据段对应的时间长度，为第个目标数据段与对应的第个交叠对比 数据段之间的振动干扰特征值，为芯片对应目标数据段序列中目标数据段的序号，为 芯片对应目标数据段序列中目标数据段的数量；为每个目标数据段对应交叠对比数据段 的序号，为每个目标数据段对应交叠对比数据段的数量；为第个目标数据段与对应 的第个交叠对比数据段之间的交叠比例，为第个目标数据段与对 应的第个交叠对比数据段之间的交叠相似度；为第个目 标数据段对应的交叠干扰特征值。进一步地根据芯片与芯片之间匹配干扰度的获取方 法，获取任意两个芯片之间的匹配干扰度。

此外，实施者也可通过其他形式的公式获取对应的匹配干扰度，例如：

其中，为预设调节常数，为以自然常数e为底的指数函数，其余参数与本发 明实施例中匹配干扰度的获取方法对应的公式相同，在此不做进一步赘述。在本发明实施 例中，预设调节常数设置为5，需要说明的是，实施者可根据具体实施环境自行设置预设调 节常数的大小，在此不做进一步赘述。

进一步地，由于串扰现象通常是对应的线路过于靠近或采用同一条线路时所发生的现象，即对应的芯片之间的线路相同或者线路较为接近，但同时也存在两两芯片对应的线路不是同一条且线路之间的距离较远的情况。因此可根据芯片对应线路的分布特征来进一步分析得到芯片间干扰对数据变化的影响程度。本发明实施例根据任意两个芯片之间的线路分布特征和匹配干扰度，得到每个芯片对应传感数据的第二平滑参数。

优选地，第二平滑参数的获取方法包括：

获取每个芯片对应的线路，任选一个芯片作为目标芯片，统计目标芯片与其他每个芯片之间的线路邻接长度，根据线路邻接长度和目标芯片对应线路的长度之间的比值，得到目标芯片与其他每个芯片之间的线路重合比。考虑到只有当对应的线路为同一条或者线路贴在一起时，对应的串扰现象才能明显对传感数据进行干扰，且对应贴在一起的线路占比越多，对应的干扰程度越大，在线路为同一条线路是对应干扰程度最大，即线路重合比越大时，芯片间由于串扰现象对传感数据产生的干扰越大。

由于两个芯片间的匹配干扰度越大，线路重合比越大时，对应的芯片间由于串扰现象对传感数据的影响越大，所以本发明实施例将目标芯片与其他每个芯片之间传感数据的匹配干扰度和线路重合比的乘积的累加值，作为目标芯片对应传感数据的第二平滑参数。通过第二平滑参数表征芯片之间由于串扰现象对传感数据的影响程度。又因为本发明实施例是以匹配干扰度和线路重合比的乘积的累加值表征第二平滑参数的，所以当两个芯片对应两个线路没有邻接的部分或没有重合时，对应两个芯片之间不存在干扰。

在本发明实施例中，目标芯片对应芯片对应传感数据的第二平滑参数的获取方 法在公式上表现为：

其中，为芯片对应传感数据的第二平滑参数，为芯片与除芯片外第个 芯片之间的线路邻接长度，为芯片对应线路的长度，为芯片与第个芯片之间的匹 配干扰度，为除芯片外其他芯片的序号，为除芯片外其他所有芯片的数量，为 归一化函数，为芯片与除芯片外第个芯片之间的线路重合比。进一步地根据芯片对 应第二平滑参数的获取方法，获取所有芯片的第二平滑参数。

此外，由于芯片的总数是相同的，所以除了累加值之外，实施者也可通过均值的形式获取对应的第二平滑参数，对应的方法在公式上表现为

需要说明的是，该公式中的参数与本发明实施例中对应第二平滑参数中的参数含义相同，在此不做进一步赘述。

步骤S4：根据第一平滑参数、第二平滑参数和每个时刻的车辆振动信号数据，得到每个芯片对应传感数据在每个时刻的平滑权重；根据移动平均法结合平滑权重对每个芯片的传感数据进行智能处理。

至此，得到对每个芯片的传感数据产生干扰的第一平滑参数和第二平滑参数，进一步可将第一平滑参数和第二平滑参数结合影响后续对传感数据的平滑过程。但是考虑到车辆振动会导致所有的芯片数据发生一定程度的波动，因此需要在结合第一平滑参数和第二平滑参数的同时，考虑到车辆振动信号数据的影响。本发明实施例根据第一平滑参数、第二平滑参数和每个时刻的车辆振动信号数据，得到每个芯片对应传感数据在每个时刻的平滑权重。进一步通过平滑权重影响后续的平滑过程。

优选地，平滑权重的获取方法包括：

由于当车辆振动时，对应时刻数据受到干扰的程度是高于芯片之间在传输时受到干扰的影响，但是也无法无视串扰的影响，所以本发明实施例以车辆振动信号数据在每个时刻的数据值作为权重，当振动强度越强时，说明芯片传感数据受到的影响越主要是车辆振动，对应的第一平滑参数的权重越大；当振动强度越弱时，说明影响芯片传感数据的受到的影响越主要是由于芯片间串扰，对应的第二平滑参数的权重越大。

所以本发明实施例根据每个时刻车辆振动信号数据的数据值和第一平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第一影响权重。通过第一影响权重表征车辆振动对第一平滑参数的权重值。根据每个时刻车辆振动信号数据的数据值的负相关映射值和第二平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第二影响权重。通过第二影响权重表征车辆振动对第二平滑参数的权重值。在本发明实施例中每个时刻车辆振动信号数据的数据值的负相关映射值，通过数值1减去每个时刻的车辆振动信号数据的数据值得到，需要说明的是，实施者也可根据具体实施环境采用其他负相关映射方法对车辆振动信号数据的数据值进行负相关映射，在此不做进一步赘述。

在非电池组数据异常的情况下，当某个时刻的芯片的传感数据越异常时，说明对应时刻数据在参与通过移动平均法进行数据平滑时的异常影响越大，所以为了减少或避免异常数据的影响，需要根据异常数据的异常程度决定参与平滑时的权重。考虑到芯片对应传感数据越异常时，对应的第一平滑参数和第二平滑参数的和值应当越大，即第一影响权重和第二影响权重的和值越大，因此本发明实施例将第一影响权重和第二影响权重之间均值的负相关映射值，作为每个芯片对应传感数据在每个时刻的平滑权重。即平滑权重越小时，对应时刻数据的异常程度越大。在本发明实施例中，负相关映射值通过数值1减去第一影响权重和第二影响权重之间的均值得到，需要说明的是，实施者可根据具体实施环境采用其他的负相关映射方法，在此不做进一步赘述。

在本发明实施例中，第个芯片在第时刻的平滑权重的获取方法在公式上表现为：

其中，为第个芯片在第时刻的平滑权重，为第个芯片对应传感数据的第一 平滑参数，为第时刻时车辆振动信号数据的数据值，为第个芯片对应传感数据的第 二平滑参数，为第个芯片在第时刻的第一影响权重，为第个芯片在 第时刻的第二影响权重。

此外，实施者也可采用其他形式的公式获取第个芯片在第时刻的平滑权重，例 如：

其中，为归一化函数，其余参数与本发明实施例中第个芯片在第时刻的 平滑权重的获取方法对应的公式相同，在此不做进一步赘述。

进一步地根据平滑权重对芯片的传感数据进行平滑处理，本发明实施例根据移动平均法结合平滑权重对每个芯片的传感数据进行智能处理。需要说明的是，移动平均法为本领域技术人员所熟知的现有技术，在此不做进一步赘述。

优选地，根据移动平滑法结合平滑权重对每个芯片的传感数据进行智能处理包括：

在每个芯片的传感数据中，将每个数据之前所有数据赋予对应的平滑权重后通过移动平均算法计算对应的平滑值，根据平滑值得到每个芯片对应传感数据的平滑值序列，根据平滑值序列分析是否存在异常数据，并在存在异常数据时，根据异常数据对电池组进行处理。即根据平滑权重调整每个时刻数据在平滑时对后续数据的影响。且对应时刻数据的受到振动和芯片串扰的影响程度越大，对应的平滑权重越小，即对应时刻数据通过移动平均法进行数据平滑时，对后续数据的影响越小。进一步根据平滑值序列分析是否存在由于电池组发生异常的异常数据，并对异常数据进行分析识别后进行处理。

综上所述，本发明根据车辆振动信号数据和传感数据的数值变化得到第一平滑参数，根据芯片传感数据的数值差异特征将芯片传感数据划分为至少一个数据段，根据不同芯片之间对应数据段的相似特征和车辆振动信号数据分布特征，得到两两芯片之间的匹配干扰度，根据匹配干扰度结合芯片之间的线路分布特征得到第二平滑参数，将第一平滑参数和第二平滑参数结合得到平滑权重，通过移动平均法结合平滑权重对每个芯片的传感数据进行智能处理。本发明根据移动平均法结合所述平滑权重对芯片检测数据中噪声的去除效果更好。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (9)

1.一种用于芯片数据智能处理方法，其特征在于，所述方法包括：

获取预设时间范围内每个时刻下车辆振动信号数据和电池组上每个芯片的传感数据；

根据所述传感数据的时序变化特征，得到每个芯片的传感数据在每个时刻的波动程度；根据相同时刻下传感数据的数值变化与车辆振动信号数据之间的差异，得到每个芯片的传感数据在每个时刻的振动关联系数；根据所述波动程度和所述振动关联系数，得到每个芯片对应传感数据的第一平滑参数；

根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段；根据任意两个芯片对应传感数据的数据段之间的时序分布相似特征、数值分布相似特征和车辆振动信号数据分布特征，得到任意两个芯片之间传感数据的匹配干扰度；根据任意两个芯片之间的线路分布特征和所述匹配干扰度，得到每个芯片对应传感数据的第二平滑参数；

根据所述第一平滑参数、所述第二平滑参数和每个时刻的车辆振动信号数据，得到每个芯片对应传感数据在每个时刻的平滑权重；根据移动平均法结合所述平滑权重对每个芯片的传感数据进行智能处理；

所述匹配干扰度的获取方法包括：

将每个芯片对应传感数据的数据段以时间顺序排列，得到每个芯片对应的数据段序列；将任意一个芯片的数据段序列作为目标数据段序列，将其他任意一个芯片的数据段序列，作为对比数据段序列；将目标数据段序列中的数据段作为目标数据段，将对比数据段序列中的数据段作为对比数据段；

将每个目标数据段对应的时间范围映射到对比数据段序列中，得到每个目标数据段对应的交叠对比数据段；

通过动态时间规整算法计算每个目标数据段与对应的每个交叠对比数据段之间的序列相似度；获取每个目标数据段与对应的每个交叠对比数据段之间的交叠部分，所述交叠部分为目标数据段与交叠对比数据段在时间上交叠的部分；根据交叠部分的长度与对应目标数据段的长度的比值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠比例；根据交叠部分对应时间范围内车辆振动信号数据的均值，得到每个目标数据段与对应的每个交叠对比数据段之间的振动干扰特征值；

根据所述序列相似度、所述交叠比例和所述振动干扰特征值，得到每个目标数据段与对应的每个交叠对比数据段之间的交叠相似度，所述交叠相似度与序列相似度呈正相关，所述交叠相似度与交叠比例呈正相关，所述交叠相似度与振动干扰特征值呈负相关；将每个目标数据段对应的所有交叠相似度累加，得到每个目标数据段对应的交叠干扰特征值；将目标数据段序列对应的所有交叠干扰特征值累加，得到目标数据段序列对应芯片与对比数据段序列对应芯片之间传感数据的匹配干扰度。

2.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述波动程度的获取方法包括：

统计每个芯片的传感数据在每个时刻的传感数据值，将每个时刻与前一时刻之间的传感数据差异作为第一差异，将每个时刻与后一时刻之间的传感数据差异作为第二差异，将所述第一差异和第二差异的和值作为临近差异值；将每个时刻的前一时刻和后一时刻之间的传感数据差异作为间隔差异值；根据所述临近差异值和所述间隔差异值得到每个芯片的传感数据在每个时刻的波动程度，所述波动程度与所述临近差异值呈正相关，所述波动程度与所述间隔差异值呈负相关。

3.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述振动关联系数的获取方法包括：

将每个芯片的传感数据在每个时刻与前一时刻之间的传感数据值差异，作为每个时刻对应的幅度变化值；在每个时刻下计算幅度变化值和车辆振动信号数据的数据值之间的数值差异，并将所述数值差异进行负相关归一化，得到每个芯片的传感数据在每个时刻的振动关联系数。

4.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述第一平滑参数的获取方法包括：

根据芯片的传感数据在预设时间范围内每个时刻对应的波动程度和振动关联系数的乘积的均值，得到每个芯片对应传感数据的第一平滑参数。

5.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述根据传感数据在时序上的数值变化分布特征将每个芯片的传感数据划分为至少一条数据段包括：

根据预设时间范围内每个时刻下每个芯片的传感数据，得到对应的传感数据序列，在所述传感数据序列中以时间为顺序获取预设最短长度的初始数据序列；

在传感数据序列中将所述初始数据序列与其对应的最后一个时刻后预设数量个传感数据进行合并，得到合并数据序列；计算初始数据序列与合并数据序列之间的标准差差异，根据所述标准差差异和初始数据序列的标准差，得到初始数据序列对应的标准差变化特征值，所述标准差变化特征值与标准差差异呈正相关，所述标准差变化特征值与初始数据序列的标准差呈负相关；

当所述标准差变化特征值大于或等于预设判定阈值时，将所述初始数据序列作为一条数据段；当所述标准差变化特征值小于预设判定阈值时，将合并数据序列作为初始数据序列并继续进行迭代合并，同时计算每次迭代合并后初始数据序列对应的标准差变化特征值，直至标准差变化特征值大于或等于预设判定阈值，并将大于或等于预设判定阈值的标准差变化特征值对应的初始数据序列作为一条数据段；

在获得每条数据段后，将每个数据段从所述传感数据序列中筛选出来后继续进行数据段的获取，直至传感数据序列被完全划分，得到至少一条数据段。

6.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述交叠对比数据段的获取方法包括：

将目标数据段对应的时间范围作为目标时间范围，将对比数据段序列中时间范围与目标时间范围产生交叠的对比数据段，作为目标数据段对应的交叠对比数据段。

7.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述第二平滑参数的获取方法包括：

获取每个芯片对应的线路，任选一个芯片作为目标芯片，统计目标芯片与其他每个芯片之间的线路邻接长度，根据线路邻接长度和目标芯片对应线路的长度之间的比值，得到目标芯片与其他每个芯片之间的线路重合比；

将目标芯片与其他每个芯片之间传感数据的匹配干扰度和线路重合比的乘积的累加值，作为目标芯片对应传感数据的第二平滑参数。

8.根据权利要求1所述的一种用于芯片数据智能处理方法，其特征在于，所述平滑权重的获取方法包括：

根据每个时刻车辆振动信号数据的数据值和所述第一平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第一影响权重；根据每个时刻车辆振动信号数据的数据值的负相关映射值和所述第二平滑参数的乘积，得到每个芯片对应传感数据在每个时刻的第二影响权重；将所述第一影响权重和第二影响权重之间均值的负相关映射值，作为每个芯片对应传感数据在每个时刻的平滑权重。

9.根据权利要求5所述的一种用于芯片数据智能处理方法，其特征在于，所述根据移动平滑法结合所述平滑权重对每个芯片的传感数据进行智能处理包括：

在每个芯片的传感数据中，将每个数据之前所有数据赋予对应的平滑权重后通过移动平均算法计算对应的平滑值，根据所述平滑值得到每个芯片对应传感数据的平滑值序列，根据平滑值序列分析是否存在异常数据，并在存在异常数据时，根据异常数据对电池组进行处理。