CN116756590B - Eps系统车速信号干扰识别及处理方法 - Google Patents
Eps系统车速信号干扰识别及处理方法 Download PDFInfo
- Publication number
- CN116756590B CN116756590B CN202311034015.5A CN202311034015A CN116756590B CN 116756590 B CN116756590 B CN 116756590B CN 202311034015 A CN202311034015 A CN 202311034015A CN 116756590 B CN116756590 B CN 116756590B
- Authority
- CN
- China
- Prior art keywords
- data
- acceleration
- vehicle
- current
- vehicle speed
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 51
- 230000001133 acceleration Effects 0.000 claims description 121
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了EPS系统车速信号干扰识别及处理方法，本发明涉及汽车转向数据处理技术领域，包括：时间极值法和大数据特征识别法，时间极值法用于识别波动比较大的干扰数据，大数据特征识别法用于识别波动较小的干扰数据。本发明的EPS系统车速信号干扰识别及处理方法，使用软件方式检测干扰信号数据，灵活方便；针对不同产品只需要修改经验系数就可以达到很好的检测效果；本发明通过对采集的车速数据进行多次处理，识别出受到干扰的车速数据，然后将受到干扰的数据用上一次未受干扰的数据代替，以此提高数据的准确度。
Description
技术领域
本发明涉及汽车转向数据处理技术领域，具体涉及EPS系统车速信号干扰识别及处理方法。
背景技术
随着汽车智能化的发展，汽车的内部构造越来越复杂，其内集成的使用高速信号的设备越来越多，各个设备信号之间的干扰导致采集的数据准确度受到影响，尤其是电动汽车、自动驾驶、车联网等新技术不断发展，使信号之间的干扰问题更加严重。
在汽车电动助力转向系统中需要接收车速数据进行助力分档控制，车速信号受到干扰会直接影响到驾驶员的手感和体验，传统解决信号干扰问题的方法是在设计硬件时对电路板的布线进行优化以减轻干扰，这种方式需要不断对电路进行测试，而且不同控制器布线方式也不相同，大大增加了研发时间。
因此，提出EPS系统车速信号干扰识别及处理方法用于解决上述弊端。
发明内容
针对上述现有技术存在的问题，本发明提供了EPS系统车速信号干扰识别及处理方法，本发明通过对采集的车速数据进行多次处理，识别出受到干扰的车速数据，然后将受到干扰的数据用上一次未受干扰的数据代替，以此提高数据的准确度。
为了实现上述目的，本发明采用的EPS系统车速信号干扰识别及处理方法，其特征在于，包括：时间极值法和大数据特征识别法，时间极值法用于识别波动比较大的干扰数据，大数据特征识别法用于识别波动较小的干扰数据；
时间极值法包括以下步骤；
A1：使用公式：，计算出车辆的最大加速度，式中/>为车辆的目标车速，t为车辆到达目标车速经过的最短时间，/>为车辆的最大加速度；
A2：，计算出车辆的当前加速度，式中/>为车辆的当前车速，/>为上次车速，t为从/>变化到/>经过的时间，/>为车辆的当前加速度；
A3：将A1和A2中计算的最大加速度和当前加速度进行比较，如果当前加速度小于或等于最大加速度则本次车速为未受干扰的数据，如果当前加速度大于最大加速度则本次车速则为受到干扰的数据；
所述大数据特征识别法包括以下步骤：
B1：记录一组间隔时间相等的车速信号数据，使用A2中的公式分别计算出车辆的多个动态加速度，然后对其排序，取中间一部分数据求平均数得出车辆的标准动态加速度，计算关系式如下：
；
式中n为从排好序的动态加速度中选取的数据的个数，为动态加速度，/>为标准动态加速度，k为经验系数，P为特征加速度；
B2：使用A2中的公式计算出车辆的当前加速度；
B3：将时间极值法和大数据特征识别法计算的特征加速度和当前加速度进行比较，如果当前加速度小于或等于特征加速度则该次车速为未受到干扰的数据，如果当前加速度大于特征加速度则为受到干扰的数据。
作为上述方案的进一步优化，首先使用时间极值法分析当前车速信号数据是否有效，若有效则再使用大数据特征识别法进行更准确的分析，有效则保留当前车速数据，并将有效数据保存以供下次使用，无效则使用上次的有效数据。
作为上述方案的进一步优化，EPS系统车速信号干扰识别的处理方法包括以下步骤：
S1：首先根据车辆的百公里加速信息计算出车辆的最大加速度，即100km除以所需时间，然后获取车辆的当前车速，用当前车速减去上次车速再除以时间计算出当前加速度，使用当前加速度与最大加速度进行比较，如果当前加速度小于或等于最大加速度，则判定为有效数据，如果当前加速度大于最大加速度，则判定为干扰数据，使用上一次的有效车速数据进行替换；
S2：时间极值法只能检测出波动较大的干扰数据，无法检测出波动较小的干扰数据，所以在使用时间极值法检测后，需要再使用大数据特征识别法对波动较小的干扰数据进行检测，首先把每次的当前加速度记录到数组中，该数组中存储的是之前的动态加速度，对数组中的动态加速度排序，对中间20%到80%的动态加速度进行求和之后取平均值计算出标准动态加速度，然后用标准动态加速度乘以经验系数计算出特征加速度，使用当前加速度与特征加速度进行比较，如果当前加速度小于或等于特征加速度，则判定为有效数据；
S3：记录当前的有效车速数据，然后对下个车速数据进行检测，记录的有效车速数据可以用来替代之后检测到的干扰信号数据。
本发明的EPS系统车速信号干扰识别及处理方法，具备如下有益效果：
本发明的EPS系统车速信号干扰识别及处理方法，使用软件方式检测干扰信号数据，灵活方便；针对不同产品只需要修改经验系数就可以达到很好的检测效果；本发明通过对采集的车速数据进行多次处理，识别出受到干扰的车速数据，然后将受到干扰的数据用上一次未受干扰的数据代替，以此提高数据的准确度。
参照后文的说明与附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式，应该理解，本发明的实施方式在范围上并不因而受到限制，在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。
附图说明
图1为本发明的时间极值法示意图；
图2为本发明的大数据特征识别法示意图；
图3为本发明的实施流程图；
图4为本发明的未进行干扰检测分析示意图；
图5为本发明的时间极值法检测分析车速信号示意图；
图6为本发明的大数据特征识别法检测分析车速信号示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。
需要说明的是，当元件被称为“设置于、设有”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件，当一个元件被认为是“连接、相连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件，“固连”为固定连接的含义，固定连接的方式有很多种，不作为本文的保护范围，本文中所使用的术语“垂直的”“水平的”“左”“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有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，本文中在说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本发明，本文中所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合；
请参阅说明书附图1-6，本发明提供一种技术方案：EPS系统车速信号干扰识别及处理方法，本发明涉及EPS系统商用车辆车速信号数据的干扰检测及在线分析方法，包括时间极值法和大数据特征识别法，时间极值法可以识别波动比较大的干扰数据，波动比较大的干扰数据指的是大于车辆的最大加速度的数据，大数据特征识别法可以识别波动较小的干扰数据，波动较小的干扰数据指的是小于等于车辆的最大加速度的数据和波动明显不符合常规波动走势的车辆的最大加速度的数据，具体包括以下内容：
1.时间极值法：
⑴.使用以下关系式计算出车辆的最大加速度：
①
式中为车辆的目标车速，t为车辆到达目标车速经过的最短时间，/>为车辆的最大加速度。
⑵.使用以下关系式计算出车辆的当前加速度：
②
式中为车辆的当前车速，/>为上次车速，t为从/>变化到/>经过的时间，/>为车辆的当前加速度。
⑶.将⑴和⑵中计算的最大加速度和当前加速度进行比较，如果当前加速度小于或等于最大加速度则本次车速为未受干扰的数据，如果大于则为受到干扰的数据。
2.大数据特征识别法：
⑴.记录一组间隔时间相等的车速信号数据，使用方法1的②式分别计算出车辆的多个动态加速度，然后对其排序，取中间一部分数据求平均数得出车辆的标准动态加速度，计算关系式如下：
①
②
式中n为从排好序的动态加速度中选取的数据的个数，为动态加速度，/>为标准动态加速度，k为经验系数，P为特征加速度。
⑵.使用方法1的②式计算出车辆的当前加速度。
⑶.将⑴和⑵中计算的特征加速度和当前加速度进行比较，如果当前加速度小于或等于特征加速度则该次车速为未受到干扰的数据，如果大于则为受到干扰的数据。
工作原理：
首先使用时间极值法分析当前车速信号数据是否有效，若有效则再使用大数据特征识别法进行更准确的分析，有效则保留当前车速数据，并将有效数据保存以供下次使用，无效则使用上次的有效数据，实施流程如图3所示，具体实施方法如下：
步骤1：首先根据车辆的百公里加速信息计算出车辆的最大加速度，即100km除以所需时间，然后获取车辆的当前车速，用当前车速减去上次车速再除以时间计算出当前加速度，使用当前加速度与最大加速度进行比较，如果当前加速度小于或等于最大加速度，则判定为有效数据，如果当前加速度大于最大加速度，则判定为干扰数据，使用上一次的有效车速数据进行替换。其中，图4是未对车速数据进行检测分析的结果，图5是使用时间极值法对车速数据进行检测分析后的结果。
步骤2：时间极值法只能检测出波动较大的干扰数据，无法检测出波动较小的干扰数据，所以在使用时间极值法检测后，需要再使用大数据特征识别法对波动较小的干扰数据进行检测，首先把每次的当前加速度记录到数组中，该数组中存储的是之前的动态加速度，对数组中的动态加速度排序，对中间20%到80%的动态加速度进行求和之后取平均值计算出标准动态加速度，然后用标准动态加速度乘以经验系数计算出特征加速度，使用当前加速度与特征加速度进行比较，如果当前加速度小于或等于特征加速度，则判定为有效数据，图6是使用大数据特征识别法对车速信号进行检测分析后的结果。
步骤3：记录当前的有效车速数据，然后对下个车速数据进行检测。记录的有效车速数据可以用来替代之后检测到的干扰信号数据。
仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.EPS系统车速信号干扰识别及处理方法，其特征在于：EPS系统车速信号干扰识别的处理方法包括以下步骤：时间极值法用于识别波动大的干扰数据，大数据特征识别法用于识别波动小的干扰数据，首先使用时间极值法分析当前车速信号数据是否有效，若有效则再使用大数据特征识别法进行分析，有效则保留当前车速数据，并将有效数据保存以供下次使用，无效则使用上次的有效数据；
时间极值法包括以下步骤；
A1：使用公式：，计算出车辆的最大加速度，式中/>，为车辆的目标车速，t为车辆到达目标车速经过的最短时间，/>为车辆的最大加速度；
A2：使用公式：，计算出车辆的当前加速度，式中/>车辆的当前车速，/>为上次车速，t为从/>变化到/>经过的时间，/>为车辆的当前加速度；
A3：将A1和A2中计算的最大加速度和当前加速度进行比较，如果当前加速度小于或等于最大加速度则本次车速为未受干扰的数据，如果当前加速度大于最大加速度则本次车速则为受到干扰的数据；
所述大数据特征识别法包括以下步骤：
B1：把每次的当前加速度记录到数组中，该数组中存储的是之前的动态加速度：记录一组间隔时间相等的车速信号数据，使用A2中的公式分别计算出车辆的多个动态加速度，然后对其排序，取中间20%到80%的动态加速度进行求和之后取平均值得出车辆的标准动态加速度，计算关系式如下：
；
式中n为从排好序的动态加速度中选取的数据的个数，为动态加速度，/>为标准动态加速度，k为经验系数，P为特征加速度；
B2：使用A2中的公式计算出车辆的当前加速度；
B3：将时间极值法和大数据特征识别法计算的特征加速度和当前加速度进行比较，如果当前加速度小于或等于特征加速度则该次车速为未受到干扰的有效数据，如果当前加速度大于特征加速度则为受到干扰的数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034015.5A CN116756590B (zh) | 2023-08-17 | 2023-08-17 | Eps系统车速信号干扰识别及处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311034015.5A CN116756590B (zh) | 2023-08-17 | 2023-08-17 | Eps系统车速信号干扰识别及处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116756590A CN116756590A (zh) | 2023-09-15 |
| CN116756590B true CN116756590B (zh) | 2023-11-14 |
Family
ID=87953635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311034015.5A Active CN116756590B (zh) | 2023-08-17 | 2023-08-17 | Eps系统车速信号干扰识别及处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116756590B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5771456A (en) * | 1996-08-09 | 1998-06-23 | Trimble Navigation Limited | Enhanced suppression of multipath interference |
| CN101052549A (zh) * | 2004-11-05 | 2007-10-10 | 宝马股份公司 | 用于触发被动的乘客安全措施的装置 |
| WO2011159384A2 (en) * | 2010-03-26 | 2011-12-22 | Mark Lockwood Psiaki | Vehicle navigation using non-gps leo signals and on-board sensors |
| RU2010141956A (ru) * | 2010-10-14 | 2012-04-20 | Закрытое акционерное общество "Нордавинд" (RU) | Способ обнаружения нарушений скоростного режима движения транспортного средства |
| KR20130023861A (ko) * | 2011-08-30 | 2013-03-08 | 주식회사 현대케피코 | 하이브리드 차량용 속도 센서들의 신뢰도를 확보하기 위한 방법 |
| AU2014203462A1 (en) * | 2014-06-25 | 2016-01-21 | Swinburne University Of Technology | Estimating Wheel Speed for In-wheel Electric Vehicles |
| CN112282952A (zh) * | 2020-10-30 | 2021-01-29 | 潍柴动力股份有限公司 | 发动机燃烧故障判定方法及装置 |
| DE102020110417A1 (de) * | 2020-04-16 | 2021-10-21 | Valeo Schalter Und Sensoren Gmbh | Verfahren und System zur Assistenz eines Fahrers |
| CN113537620A (zh) * | 2021-07-30 | 2021-10-22 | 南京航空航天大学 | 基于Markov模型优化和工况识别的车速预测方法 |
-
2023
- 2023-08-17 CN CN202311034015.5A patent/CN116756590B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5771456A (en) * | 1996-08-09 | 1998-06-23 | Trimble Navigation Limited | Enhanced suppression of multipath interference |
| CN101052549A (zh) * | 2004-11-05 | 2007-10-10 | 宝马股份公司 | 用于触发被动的乘客安全措施的装置 |
| WO2011159384A2 (en) * | 2010-03-26 | 2011-12-22 | Mark Lockwood Psiaki | Vehicle navigation using non-gps leo signals and on-board sensors |
| RU2010141956A (ru) * | 2010-10-14 | 2012-04-20 | Закрытое акционерное общество "Нордавинд" (RU) | Способ обнаружения нарушений скоростного режима движения транспортного средства |
| KR20130023861A (ko) * | 2011-08-30 | 2013-03-08 | 주식회사 현대케피코 | 하이브리드 차량용 속도 센서들의 신뢰도를 확보하기 위한 방법 |
| AU2014203462A1 (en) * | 2014-06-25 | 2016-01-21 | Swinburne University Of Technology | Estimating Wheel Speed for In-wheel Electric Vehicles |
| DE102020110417A1 (de) * | 2020-04-16 | 2021-10-21 | Valeo Schalter Und Sensoren Gmbh | Verfahren und System zur Assistenz eines Fahrers |
| CN112282952A (zh) * | 2020-10-30 | 2021-01-29 | 潍柴动力股份有限公司 | 发动机燃烧故障判定方法及装置 |
| CN113537620A (zh) * | 2021-07-30 | 2021-10-22 | 南京航空航天大学 | 基于Markov模型优化和工况识别的车速预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| GPS-aided inter-microcell interference avoidance for request-transmission splitting slotted ALOHA-based scheme in smart cities with connected vehicles;Shenglong Peng et al.;《Future Generation Computer Systems》;全文 * |
| 基于多普勒效应的爆破振动谐振频率偏移机制研究;陈建龙;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116756590A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109795477B (zh) | 消除稳态横向偏差的方法、装置及存储介质 | |
| CN109649489A (zh) | 车辆转向状态的识别方法、装置、电子设备及存储介质 | |
| CN103786731B (zh) | 用于估算车辆速度的装置和方法 | |
| JP2019112049A (ja) | 陸上車両の運転者の運転スタイルを認識するための方法及び対応する装置 | |
| CN108107086B (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
| CN112835341A (zh) | 一种自动驾驶域控制器的实车测试评估方法 | |
| CN111191671A (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
| CN116756590B (zh) | Eps系统车速信号干扰识别及处理方法 | |
| CN108806019B (zh) | 基于加速度传感器的行车记录数据处理方法及装置 | |
| CN115946704A (zh) | 驾驶风格识别方法及装置 | |
| CN108445250B (zh) | 车速检测方法及装置 | |
| CN111717210B (zh) | 一种驾驶员手部相对静止状态下脱离方向盘检测方法 | |
| CN116400639B (zh) | 一种plc采集数据智能清洗方法及系统 | |
| CN115830368A (zh) | 一种车辆减震器缺陷诊断方法、系统、设备及介质 | |
| CN108074397B (zh) | 一种车辆进出车位检测方法及装置 | |
| CN113619589B (zh) | 驾驶行为信息的确定方法、装置、电子设备及存储介质 | |
| CN111091148B (zh) | 一种基于目标先验信息的车载雷达目标跟踪方法及装置 | |
| CN114932912A (zh) | 参考车速检测方法、装置、设备及存储介质 | |
| CN108520096A (zh) | 一种汽车行驶最优速度估算方法 | |
| CN113607428A (zh) | 一种车辆动力加速性能的用户体验评价方法 | |
| CN114514526A (zh) | 为用于机器学习的方法自动选择数据集的方法和控制设备 | |
| CN112697464B (zh) | 一种电动助力转向柱正向耐久磨损检测方法 | |
| CN117775005B (zh) | 车辆轨迹的滤波平滑处理方法及装置 | |
| CN118258621B (zh) | 一种汽车转向系统整车试验系统及方法 | |
| CN111508102B (zh) | 一种判断车辆性能的方法和装置 |
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 |