CN117325879B - 一种四轮分布式电驱动汽车状态评估方法及系统 - Google Patents

一种四轮分布式电驱动汽车状态评估方法及系统 Download PDF

Info

Publication number
CN117325879B
CN117325879B CN202311286725.7A CN202311286725A CN117325879B CN 117325879 B CN117325879 B CN 117325879B CN 202311286725 A CN202311286725 A CN 202311286725A CN 117325879 B CN117325879 B CN 117325879B
Authority
CN
China
Prior art keywords
state evaluation
state
determining
parameter
target
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
CN202311286725.7A
Other languages
English (en)
Other versions
CN117325879A (zh
Inventor
陈子航
万益东
刘玮
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.)
Yancheng Institute of Technology
Original Assignee
Yancheng Institute of Technology
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 Yancheng Institute of Technology filed Critical Yancheng Institute of Technology
Priority to CN202311286725.7A priority Critical patent/CN117325879B/zh
Publication of CN117325879A publication Critical patent/CN117325879A/zh
Application granted granted Critical
Publication of CN117325879B publication Critical patent/CN117325879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W10/00Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W10/00Conjoint control of vehicle sub-units of different type or different function
    • B60W10/22Conjoint control of vehicle sub-units of different type or different function including control of suspension systems
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W50/02Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W50/04Monitoring the functioning of the control system
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W2050/0001Details of the control system
    • B60W2050/0019Control system elements or transfer functions
    • B60W2050/0028Mathematical models, e.g. for simulation
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W50/00Details 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
    • B60W2050/0001Details of the control system
    • B60W2050/0043Signal treatments, identification of variables or parameters, parameter estimation or state estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供一种四轮分布式电驱动汽车状态评估方法及系统,其中,方法包括:步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型;步骤2:根据状态评估参数类型,获取状态评估参数;步骤3:训练状态评估模型;步骤4:根据状态评估模型和状态评估参数,获取状态评估结果;步骤5:基于状态评估结果确定的第二控制参数对目标四轮分布式电驱动汽车进行控制。本发明的一种四轮分布式电驱动汽车状态评估方法及系统,训练状态评估模型,根据状态评估模型和状态评估参数进行状态评估获取状态评估结果,提高了状态评估的精准性,根据状态评估结果,引入第二控制参数对目标四轮分布式电驱动汽车进行控制,提高了异常控制的及时性。

Description

一种四轮分布式电驱动汽车状态评估方法及系统
技术领域
本发明涉及电数字数据处理技术领域,特别涉及一种四轮分布式电驱动汽车状态评估方法及系统。
背景技术
四轮分布式电驱动汽车是一种采用四个独立电动驱动器驱动四个车轮的汽车,其通过独立控制每个车轮的电动驱动器,提供了更好的操控性能、驱动效率和车辆稳定性。这种布局使得汽车可以更好地适应各种路况和驾驶需求,并为智能驾驶模式的实现提供了更多的可能性。综合利用传感器、监测系统、动力学模型和控制算法等技术手段,可以对四轮分布式电驱动汽车进行全面的状态评估,这些评估结果可以用于优化系统性能、改进驾驶体验和制定维修计划,以确保车辆的安全和可靠运行。
申请号为:CN202010651268.7的发明专利公开一种纯电动汽车状态评估方法,其中,方法包括:从多个汽车结构采集传感数据;获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态;当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。整体上,从汽车的多个结构中,分别搜集信息,形成传感数据,再通过将传感数据与预设的信息进行对比获取汽车状态。在电动汽车中,电池、驱动电机及车体之间存在一定的关联度,通过实时监控的方式,高精度地检测到这些汽车结构的变化情况。由于在一定范围内的变化不会影响汽车状态,因而可以设定阈值,对这些传感数据进行分类,然后根据汽车不同结构的状态对汽车进行评价。
但是,上述现有技术在进行汽车状态评价后,没有及时根据评价结果的不同进行控制和处理,异常控制不及时。
有鉴于此,亟需一种四轮分布式电驱动汽车状态评估方法及系统,以至少解决上述不足。
发明内容
本发明目的之一在于提供了一种四轮分布式电驱动汽车状态评估方法,根据不同状态评估参数类型获取状态评估参数,同时,训练状态评估模型,根据状态评估模型和状态评估参数进行状态评估获取状态评估结果,提高了状态评估的精准性,根据状态评估结果,引入第二控制参数对目标四轮分布式电驱动汽车进行控制,提高了异常控制的及时性。
本发明实施例提供的一种四轮分布式电驱动汽车状态评估方法,包括:
步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;
步骤2:根据状态评估参数类型,获取状态评估参数;
步骤3:训练状态评估模型;
步骤4:根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;
步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制。
优选的,步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,包括:
获取目标四轮分布式电驱动汽车的第一状态评估记录;
解析第一状态评估记录,获取状态评估参数类型。
优选的,步骤2:根据状态评估参数类型,获取状态评估参数,包括:
根据状态评估参数类型,确定提取通道;
通过提取通道,确定提取目标;
整合所有提取目标,获得状态评估参数。
优选的,步骤3:训练状态评估模型,包括:
获取第二状态评估记录;
基于第二状态评估记录,获取状态特征簇;
基于预设的准确度分析模型,对第二状态评估记录进行准确度分析,获得准确度;
解析第二状态评估记录,获取评估结果;
根据评估结果、状态特征簇以及准确度,训练第一过程模型;
获取第一过程模型的第一预测误差;
根据第一过程模型和第一预测误差,训练状态评估模型。
优选的,根据第一过程模型和第一预测误差,训练状态评估模型,包括:
根据第一预测误差的正负信息,确定记录补充方向;
根据第一预测误差的模值信息,确定记录调整范围;
根据记录补充方向,生成第三状态评估记录;
根据记录调整范围,对第二状态评估记录进行剔除,获得第四状态评估记录;
根据第三状态评估记录和第四状态评估记录,训练第二过程模型;
获取第二过程模型的第二预测误差;
判断第二过程模型的第二预测误差是否小于预设的预测误差平均系数门限;
若是,融合第一过程模型和第二过程模型,获得状态评估模型;
若否,重复训练,直至第N过程模型的第N预测误差小于预设的预测误差平均系数门限,则融合第一过程模型至第N过程模型,获得状态评估模型。
优选的,步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制,包括:
解析状态评估结果,尝试获取至少一个异常结果项;
若尝试获取成功,根据异常结果项,确定异常状态;
根据异常状态,确定关联控制参数;
获取异常状态的目标状态特征;
获取关联控制参数的控制特征;
根据目标状态特征和控制特征,确定关联控制参数中的第二控制参数;
根据第二控制参数,确定设置通道和设置策略;
根据设置通道和设置策略,对目标四轮分布式电驱动汽车进行相应控制。
优选的,根据异常状态,确定关联控制参数,包括:
获取异常状态的异常类型,所述异常类型包括:单一异常和组合异常;
当异常类型为单一异常时,确定第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数;
根据第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数,确定关联控制参数;
当异常类型为组合异常时,确定第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数;
根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,判断组合异常的异常状态的异常关联;
若异常关联为关联,基于预设的关联控制参数确定模型,确定关联控制参数;
若异常关联为不关联,根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,确定关联控制参数。
优选的,根据第二控制参数,确定设置通道和设置策略,包括:
获取第一历史控制记录;
根据第二控制参数,确定第一历史控制记录中进行参数变量控制的第二历史控制记录;
根据第二历史控制记录,确定设置通道;
获取设置通道的通道类型,所述通道类型包括:单通道、继发通道和并发通道;
根据通道类型,确定干扰类型;
获取设置通道的设置端ID;
根据设置端ID和干扰类型,确定设置策略;
根据通道类型,确定干扰类型,包括:
若通道类型为继发通道,确定干扰类型为加性干扰;
若通道类型为并发通道,确定干扰类型为乘性干扰。
本发明实施例提供的一种四轮分布式电驱动汽车状态评估方法,还包括:
步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置;
其中,步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置,包括:
根据容错机制,确定容错故障矩阵集;
根据目标四轮分布式电驱动汽车发生故障时的故障状态,确定目标故障矩阵;
基于矩阵匹配技术,判断目标故障矩阵是否在容错故障矩阵集中;
若是目标故障矩阵在容错故障矩阵集中,则获取容错故障矩阵集中对应于目标故障矩阵的第一容错故障矩阵;
获取第一容错故障矩阵对应预设的第一匹配距离;
根据第一匹配距离和预设的目标地图,确定维修圈;
获取维修圈中距离目标四轮分布式电驱动汽车最近的第一维修点位,并将第一维修点位推送至目标车机;
若目标故障矩阵不在容错故障矩阵集,则基于矩阵匹配技术,获取容错故障矩阵集中与目标故障矩阵匹配程度最高的第二容错故障矩阵;
根据第二容错故障矩阵和目标故障矩阵的差异项,预测第二匹配距离;
根据第二匹配距离,确定第二维修点位并推送至目标车机。
本发明实施例提供的一种四轮分布式电驱动汽车状态评估系统,包括:
参数类型获取子系统,用于获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;
状态评估参数获取子系统,用于根据状态评估参数类型,获取状态评估参数;
模型训练子系统,用于训练状态评估模型;
状态评估结果获取子系统,用于根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;
状态控制子系统,用于根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制。
本发明的有益效果为:
本发明根据不同状态评估参数类型获取状态评估参数,同时,训练状态评估模型,根据状态评估模型和状态评估参数进行状态评估获取状态评估结果,提高了状态评估的精准性,根据状态评估结果,引入第二控制参数对目标四轮分布式电驱动汽车进行控制,提高了异常控制的及时性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过本申请文件中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种四轮分布式电驱动汽车状态评估方法的示意图;
图2为本发明实施例中一种四轮分布式电驱动汽车状态评估系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种四轮分布式电驱动汽车状态评估方法,如图1所示,包括:
步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;其中,目标四轮分布式电驱动汽车为:需要进行状态评估的四轮分布式电驱动汽车;第一控制参数为:目标四轮分布式电驱动汽车的当前控制指令的参数化结果,比如:输出扭矩和转向输入;车辆物理参数为:汽车的结构信息的参数化结果,比如:车辆的质量、惯性矩阵、轴距和重心高度;车辆测量参数为:汽车的传感器信号的参数化结果,比如:速度、加速度、转向角度和横摆角;
步骤2:根据状态评估参数类型,获取状态评估参数;其中,状态评估参数为:状态评估参数类型对应的状态评估内容,比如:进行电动驱动器状态评估时,对每个电动驱动器进行状态监测和评估,包括:电动机的运行状态、温度、电流和电压等参数,又比如:进行车轮动力分配评估时,检测每个车轮的动力输出和轮胎附着力情况等参数;
步骤3:训练状态评估模型;其中,状态评估模型为:进行汽车状态评估的智能模型;
步骤4:根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;其中,状态评估结果为:汽车状态正常和汽车状态异常;
步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制。其中,第二控制参数为:调整异常汽车状态的控制参数,比如:发动机参数和悬挂参数。
上述技术方案的工作原理及有益效果为:
本申请根据不同状态评估参数类型获取状态评估参数,同时,训练状态评估模型,根据状态评估模型和状态评估参数进行状态评估获取状态评估结果,提高了状态评估的精准性,根据状态评估结果,引入第二控制参数对目标四轮分布式电驱动汽车进行控制,提高了异常控制的及时性。
在一个实施例中,步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,包括:
获取目标四轮分布式电驱动汽车的第一状态评估记录;其中,第一状态评估记录为:进行四轮分布式电驱动汽车的状态评估的人工记录;
解析第一状态评估记录,获取状态评估参数类型。
上述技术方案的工作原理及有益效果为:
本申请引入第一状态评估记录确定状态评估参数类型,更加合理。
在一个实施例中,步骤2:根据状态评估参数类型,获取状态评估参数,包括:
根据状态评估参数类型,确定提取通道;其中,提取通道为:状态评估参数类型对应预设的通信通道;
通过提取通道,确定提取目标;提取目标为:提取通道对应通道连接的存储单元中存储的状态评估数据;
整合所有提取目标,获得状态评估参数。
上述技术方案的工作原理及有益效果为:
本申请引入提取通道,通过提取通道,确定提取目标,整合提取目标获得状态评估参数,状态评估参数的提取过程更适宜。
在一个实施例中,步骤3:训练状态评估模型,包括:
获取第二状态评估记录;其中,第二状态评估记录为:历史上人工进行四轮分布式电驱动汽车评估的过程记录;
基于第二状态评估记录,获取状态特征簇;其中,状态特征簇为:第二状态评估记录中的状态评价特征的集合,比如:车辆稳定性、加速性能以及制动性能等;
基于预设的准确度分析模型,对第二状态评估记录进行准确度分析,获得准确度;其中,准确度分析模型为:根据状态评价特征进行车辆状态评估准确性分析的AI模型,基于深度学习技术实现;
解析第二状态评估记录,获取评估结果;其中,评估结果为:何种汽车状态,比如:汽车状态正常,又比如:汽车状态异常;
根据评估结果、状态特征簇以及准确度,训练第一过程模型;其中,训练第一过程模型是基于神经网络模型训练技术实现的;
获取第一过程模型的第一预测误差;其中,第一预测误差为:第一过程模型的残差系数,残差系数表征第一过程模型的实际结果和拟和结果的误差程度;
根据第一过程模型和第一预测误差,训练状态评估模型。
上述技术方案的工作原理及有益效果为:
本申请根据获取的第二状态评估记录,确定状态特征簇,同时,引入准确度分析模型,分析第二状态评估记录的准确度,另外获取评估结果,根据评估结果、状态特征簇以及准确度,训练第一过程模型。根据获取的第一过程模型的第一预测误差,训练状态评估模型,提升了状态评估模型的准确性。
在一个实施例中,根据第一过程模型和第一预测误差,训练状态评估模型,包括:
根据第一预测误差的正负信息,确定记录补充方向;其中,正负信息为:第一预测误差的结果是正值还是负值,记录补充方向为:如果第一预测误差为正,将对应第二状态评估记录的输入数据和评估结果保持不变;如果第一预测误差为负,将对应第二状态评估记录的输入数据保持不变,并将评估结果取相反结果;
根据第一预测误差的模值信息,确定记录调整范围;其中,模值信息为:第一预测误差的绝对值;记录调整范围为:剔除哪部分第二状态评估记录;
根据记录补充方向,生成第三状态评估记录;比如,如果第一预测误差为负,将对应第二状态评估记录的输入数据保持不变,并将评估结果取相反结果,整合输入数据和相反结果,获得第三状态评估记录;
根据记录调整范围,对第二状态评估记录进行剔除,获得第四状态评估记录;
根据第三状态评估记录和第四状态评估记录,训练第二过程模型;
获取第二过程模型的第二预测误差;其中,第二预测误差为第二过程模型的残差;
判断第二过程模型的第二预测误差是否小于预设的预测误差平均系数门限;其中,预设的预测误差平均系数门限由人工预先设置;
若是,融合第一过程模型和第二过程模型,获得状态评估模型;
若否,重复训练,直至第N过程模型的第N预测误差小于预设的预测误差平均系数门限,则融合第一过程模型至第N过程模型,获得状态评估模型。其中,融合第一过程模型至第N过程模型时,将第一过程模型、第二过程模型…第N过程模型进行合并,获得状态评估模型。
上述技术方案的工作原理及有益效果为:
本申请引入第一预测误差的正负信息确定记录补充方向,并根据记录补充方向确定第三状态评估记录。引入第一预测误差的模值信息确定记录调整范围,并根据记录调整范围对二状态评估记录进行剔除获取第四状态评估记录,提升训练样本的精准性,也无需额外获取样本资源,更加便捷。根据第三状态评估记录和第四状态评估记录重新训练第二过程模型,引入预测误差平均系数门限和第二预测误差对比,根据对比结果的不同,确定过程模型的融合层数并进行相应融合,获得状态评估模型,进一步提升了状态评估模型训练的合理性。
在一个实施例中,步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制,包括:
解析状态评估结果,尝试获取至少一个异常结果项;其中,异常结果项为:状态评估结果中评价异常的内容项,比如:“发动机很烫”;
若尝试获取成功,根据异常结果项,确定异常状态;其中,异常状态为: 异常结果项对应的异常种类,比如:动力系统温度异常;
根据异常状态,确定关联控制参数;其中,关联控制参数为:能够调整异常状态的控制参数;
获取异常状态的目标状态特征;其中,异常状态的特征化表示,比如:发动机xx℃;
获取关联控制参数的控制特征;其中,控制特征为关联控制参数的特征化表示,比如:控制xx以何种速率降低速度;
根据目标状态特征和控制特征,确定关联控制参数中的第二控制参数;其中,第二控制参数为:能够改善异常状态的控制参数;
根据第二控制参数,确定设置通道和设置策略;其中,设置通道为:第二控制参数的控制端的通信链路;设置策略为:如何设置控制端使得控制端的控制结果改善异常状态;
根据设置通道和设置策略,对目标四轮分布式电驱动汽车进行相应控制。
上述技术方案的工作原理及有益效果为:
一般的,汽车评估出状态异常时,需要及时调整异常状态,因此,本申请根据异常状态,确定关联控制参数,根据异常状态的目标状态特征和关联控制参数的控制特征,确定第二控制参数。另外,确定第二控制参数的设置通道和设置策略,根据设置通道和设置策略对目标四轮分布式电驱动汽车进行控制,异常状态的调整更及时,也更适宜。
在一个实施例中,根据异常状态,确定关联控制参数,包括:
获取异常状态的异常类型,所述异常类型包括:单一异常和组合异常;其中,单一异常为:异常状态只有一种,组合异常为:有多种异常状态;
当异常类型为单一异常时,确定第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数;其中,第一异常控制参数为:单一异常的异常状态对应的第一控制参数;第一异常车辆物理参数为:单一异常的异常状态对应的车辆物理参数;第一异常车辆测量参数为:单一异常的异常状态对应的车辆测量参数;
根据第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数,确定关联控制参数;当异常类型单一时,没有不同异常状态之间的相互影响,关联控制参数是直接控制的,故可以直接确定;
当异常类型为组合异常时,确定第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数;其中,第二异常控制参数为组合异常的异常状态对应的第一控制参数;第二异常车辆物理参数为组合异常的异常状态对应的车辆物理参数;第二异常车辆测量参数为组合异常的异常状态对应的车辆测量参数;
根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,判断组合异常的异常状态的异常关联;其中,异常关联为:异常状态的异常相关性分析结果;
若异常关联为关联,基于预设的关联控制参数确定模型,确定关联控制参数;其中,关联控制参数确定模型为:用于代替人工进行关联控制参数确定的智能模型,异常关联为关联时,关联控制参数确定时需要联立的确定,过程较为复杂,因此,引入关联控制参数确定模型提高关联控制参数的确定效率;
若异常关联为不关联,根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,确定关联控制参数。其中,异常关联为不关联时,每个异常状态是孤立的,因此可以分别确定关联控制参数。
上述技术方案的工作原理及有益效果为:
本申请引入异常状态的异常类型,当异常类型为单一异常时,直接根据第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数确定关联控制参数。当异常类型为组合异常时,根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,判断组合异常的异常状态的异常关联,当异常关联判定为关联时,引入关联控制参数确定模型确定关联控制参数;当异常关联为不关联时,分别确定孤立的异常状态对应的关联控制参数,提高了关联控制参数的确定效率。
在一个实施例中,根据第二控制参数,确定设置通道和设置策略,包括:
获取第一历史控制记录;其中,第一历史控制记为:历史上根据异常状态进行控制参数设置的记录;
根据第二控制参数,确定第一历史控制记录中进行参数变量控制的第二历史控制记录;其中,参数变量控制为:研究某一类型的第二控制参数时,控制其他类型的第二控制参数相同;
根据第二历史控制记录,确定设置通道;其中,设置通道为:第二历史控制记录对应的设置端的通信链路;
获取设置通道的通道类型,所述通道类型包括:单通道、继发通道和并发通道;其中,单通道为:只有一条通信通道;继发通道为:多个单通道先后通信确定的通信通道;并发通道为:多个单通道同时通信形成的通信通道;
根据通道类型,确定干扰类型;其中,干扰类型为:加性干扰和乘性干扰,加性干扰造成的噪声是累加的,乘性干扰造成的噪声需要做卷积运算;
获取设置通道的设置端ID;其中,设置端ID为:系统内存储的设置端地址;
根据设置端ID和干扰类型,确定设置策略;其中,设置策略为:设置端ID对应的设置参数;
根据通道类型,确定干扰类型,包括:
若通道类型为继发通道,确定干扰类型为加性干扰;
若通道类型为并发通道,确定干扰类型为乘性干扰。
上述技术方案的工作原理及有益效果为:
本申请引入第一历史控制记录,确定第一历史控制记录进行参数变量控制的第二历史控制记录,根据第二历史控制记录,确定设置通道。根据设置通道的通道类型,确定干扰类型,根据设置端ID和干扰类型,确定设置策略,参数的设置过程更精准。
本发明实施例提供了一种四轮分布式电驱动汽车状态评估方法,还包括:
步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置;
其中,步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置,包括:其中,容错机制为:容许何种异常状态的情况下仍然允许启动;
根据容错机制,确定容错故障矩阵集;其中,容错故障矩阵集为:允许启动的异常状态的状态特征矩阵构成的集合,允许启动的异常状态的状态特征矩阵由人工预先设置;
根据目标四轮分布式电驱动汽车发生故障时的故障状态,确定目标故障矩阵;其中,目标故障矩阵是基于故障状态的状态特征构成的特征矩阵,构成时,基于故障状态的状态特征在目标故障矩阵中的位置为预先设置;
基于矩阵匹配技术,判断目标故障矩阵是否在容错故障矩阵集中;
若是目标故障矩阵在容错故障矩阵集中,则获取容错故障矩阵集中对应于目标故障矩阵的第一容错故障矩阵;
获取第一容错故障矩阵对应预设的第一匹配距离;其中,第一容错故障矩阵和第一匹配距离的对应关系由人工预先设置;
根据第一匹配距离和预设的目标地图,确定维修圈;其中,目标地图为:标注了车辆维修点位的地图;维修圈为:在目标地图上以第一匹配距离为半径、目标四轮分布式电驱动汽车对应位置为圆心绘制的圆;
获取维修圈中距离目标四轮分布式电驱动汽车最近的第一维修点位,并将第一维修点位推送至目标车机;其中,将第一维修点位推送至目标车机时,基于车联网技术实现;
若目标故障矩阵不在容错故障矩阵集,则基于矩阵匹配技术,获取容错故障矩阵集中与目标故障矩阵匹配程度最高的第二容错故障矩阵;
根据第二容错故障矩阵和目标故障矩阵的差异项,预测第二匹配距离;其中,预测第二匹配距离时,根据差异项对应的差异值和差异项预设的权重,确定故障风险值,再获取故障风险值预设的第二匹配距离,完成预测;
根据第二匹配距离,确定第二维修点位并推送至目标车机。
上述技术方案的工作原理及有益效果为:
一般的,由于汽车实时位置的多样性,检测到异常状态时,汽车不都是紧急制动,随时停止会造成车主不便,因此,本申请引入容错机制,确定容错故障矩阵集,同时,确定目标故障矩阵。引入矩阵匹配技术,当目标故障矩阵在容错故障矩阵集中时,直接获取第一匹配距离,否则,根据差异项确定故障风险程度并确定第二匹配距离,动态确定维修点推送给车主,在保证汽车行驶安全的前提下,极大提升了车主进行故障处理的便利性。
本发明实施例提供了一种四轮分布式电驱动汽车状态评估系统,如图2所示,包括:
参数类型获取子系统1,用于获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;
状态评估参数获取子系统2,用于根据状态评估参数类型,获取状态评估参数;
模型训练子系统3,用于训练状态评估模型;
状态评估结果获取子系统4,用于根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;
状态控制子系统5,用于根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种四轮分布式电驱动汽车状态评估方法,其特征在于,包括:
步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;
步骤2:根据状态评估参数类型,获取状态评估参数;
步骤3:训练状态评估模型;
步骤4:根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;
步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制;
步骤3:训练状态评估模型,包括:
获取第二状态评估记录;
基于第二状态评估记录,获取状态特征簇;
基于预设的准确度分析模型,对第二状态评估记录进行准确度分析,获得准确度;
解析第二状态评估记录,获取评估结果;
根据评估结果、状态特征簇以及准确度,训练第一过程模型;
获取第一过程模型的第一预测误差;
根据第一过程模型和第一预测误差,训练状态评估模型;
根据第一过程模型和第一预测误差,训练状态评估模型,包括:
根据第一预测误差的正负信息,确定记录补充方向;
根据第一预测误差的模值信息,确定记录调整范围;
根据记录补充方向,生成第三状态评估记录;
根据记录调整范围,对第二状态评估记录进行剔除,获得第四状态评估记录;
根据第三状态评估记录和第四状态评估记录,训练第二过程模型;
获取第二过程模型的第二预测误差;
判断第二过程模型的第二预测误差是否小于预设的预测误差平均系数门限;
若是,融合第一过程模型和第二过程模型,获得状态评估模型;
若否,重复训练,直至第N过程模型的第N预测误差小于预设的预测误差平均系数门限,则融合第一过程模型至第N过程模型,获得状态评估模型;
步骤5:根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制,包括:
解析状态评估结果,尝试获取至少一个异常结果项;
若尝试获取成功,根据异常结果项,确定异常状态;
根据异常状态,确定关联控制参数;
获取异常状态的目标状态特征;
获取关联控制参数的控制特征;
根据目标状态特征和控制特征,确定关联控制参数中的第二控制参数;
根据第二控制参数,确定设置通道和设置策略;
根据设置通道和设置策略,对目标四轮分布式电驱动汽车进行相应控制。
2.如权利要求1所述的一种四轮分布式电驱动汽车状态评估方法,其特征在于,步骤1:获取目标四轮分布式电驱动汽车的状态评估参数类型,包括:
获取目标四轮分布式电驱动汽车的第一状态评估记录;
解析第一状态评估记录,获取状态评估参数类型。
3.如权利要求1所述的一种四轮分布式电驱动汽车状态评估方法,其特征在于,步骤2:根据状态评估参数类型,获取状态评估参数,包括:
根据状态评估参数类型,确定提取通道;
通过提取通道,确定提取目标;
整合所有提取目标,获得状态评估参数。
4.如权利要求1所述的一种四轮分布式电驱动汽车状态评估方法,其特征在于,根据异常状态,确定关联控制参数,包括:
获取异常状态的异常类型,所述异常类型包括:单一异常和组合异常;
当异常类型为单一异常时,确定第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数;
根据第一异常控制参数、第一异常车辆物理参数以及第一异常车辆测量参数,确定关联控制参数;
当异常类型为组合异常时,确定第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数;
根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,判断组合异常的异常状态的异常关联;
若异常关联为关联,基于预设的关联控制参数确定模型,确定关联控制参数;
若异常关联为不关联,根据第二异常控制参数、第二异常车辆物理参数以及第二异常车辆测量参数,确定关联控制参数。
5.如权利要求1所述的一种四轮分布式电驱动汽车状态评估方法,其特征在于,根据第二控制参数,确定设置通道和设置策略,包括:
获取第一历史控制记录;
根据第二控制参数,确定第一历史控制记录中进行参数变量控制的第二历史控制记录;
根据第二历史控制记录,确定设置通道;
获取设置通道的通道类型,所述通道类型包括:单通道、继发通道和并发通道;
根据通道类型,确定干扰类型;
获取设置通道的设置端ID;
根据设置端ID和干扰类型,确定设置策略;
根据通道类型,确定干扰类型,包括:
若通道类型为继发通道,确定干扰类型为加性干扰;
若通道类型为并发通道,确定干扰类型为乘性干扰。
6.如权利要求1所述的一种四轮分布式电驱动汽车状态评估方法,其特征在于,还包括:
步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置;
其中,步骤6:获取目标四轮分布式电驱动汽车的容错机制,根据容错机制,确定目标四轮分布式电驱动汽车发生故障时的停靠位置,包括:
根据容错机制,确定容错故障矩阵集;
根据目标四轮分布式电驱动汽车发生故障时的故障状态,确定目标故障矩阵;
基于矩阵匹配技术,判断目标故障矩阵是否在容错故障矩阵集中;
若是目标故障矩阵在容错故障矩阵集中,则获取容错故障矩阵集中对应于目标故障矩阵的第一容错故障矩阵;
获取第一容错故障矩阵对应预设的第一匹配距离;
根据第一匹配距离和预设的目标地图,确定维修圈;
获取维修圈中距离目标四轮分布式电驱动汽车最近的第一维修点位,并将第一维修点位推送至目标车机;
若目标故障矩阵不在容错故障矩阵集,则基于矩阵匹配技术,获取容错故障矩阵集中与目标故障矩阵匹配程度最高的第二容错故障矩阵;
根据第二容错故障矩阵和目标故障矩阵的差异项,预测第二匹配距离;
根据第二匹配距离,确定第二维修点位并推送至目标车机。
7.一种四轮分布式电驱动汽车状态评估系统,其特征在于,包括:
参数类型获取子系统,用于获取目标四轮分布式电驱动汽车的状态评估参数类型,所述状态评估参数类型包括:第一控制参数、车辆物理参数和车辆测量参数,其中,车辆物理参数为:汽车的结构信息的参数化结果,车辆测量参数为:汽车的传感器信号的参数化结果;
状态评估参数获取子系统,用于根据状态评估参数类型,获取状态评估参数;
模型训练子系统,用于训练状态评估模型;
状态评估结果获取子系统,用于根据状态评估模型和状态评估参数进行相应状态评估,并获取状态评估结果;
状态控制子系统,用于根据状态评估结果,确定第二控制参数,并基于第二控制参数对目标四轮分布式电驱动汽车进行相应控制;
模型训练子系统执行如下操作:
获取第二状态评估记录;
基于第二状态评估记录,获取状态特征簇;
基于预设的准确度分析模型,对第二状态评估记录进行准确度分析,获得准确度;
解析第二状态评估记录,获取评估结果;
根据评估结果、状态特征簇以及准确度,训练第一过程模型;
获取第一过程模型的第一预测误差;
根据第一过程模型和第一预测误差,训练状态评估模型;
根据第一过程模型和第一预测误差,训练状态评估模型,包括:
根据第一预测误差的正负信息,确定记录补充方向;
根据第一预测误差的模值信息,确定记录调整范围;
根据记录补充方向,生成第三状态评估记录;
根据记录调整范围,对第二状态评估记录进行剔除,获得第四状态评估记录;
根据第三状态评估记录和第四状态评估记录,训练第二过程模型;
获取第二过程模型的第二预测误差;
判断第二过程模型的第二预测误差是否小于预设的预测误差平均系数门限;
若是,融合第一过程模型和第二过程模型,获得状态评估模型;
若否,重复训练,直至第N过程模型的第N预测误差小于预设的预测误差平均系数门限,则融合第一过程模型至第N过程模型,获得状态评估模型;
状态控制子系统执行如下操作:
解析状态评估结果,尝试获取至少一个异常结果项;
若尝试获取成功,根据异常结果项,确定异常状态;
根据异常状态,确定关联控制参数;
获取异常状态的目标状态特征;
获取关联控制参数的控制特征;
根据目标状态特征和控制特征,确定关联控制参数中的第二控制参数;
根据第二控制参数,确定设置通道和设置策略;
根据设置通道和设置策略,对目标四轮分布式电驱动汽车进行相应控制。
CN202311286725.7A 2023-10-07 2023-10-07 一种四轮分布式电驱动汽车状态评估方法及系统 Active CN117325879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311286725.7A CN117325879B (zh) 2023-10-07 2023-10-07 一种四轮分布式电驱动汽车状态评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311286725.7A CN117325879B (zh) 2023-10-07 2023-10-07 一种四轮分布式电驱动汽车状态评估方法及系统

Publications (2)

Publication Number Publication Date
CN117325879A CN117325879A (zh) 2024-01-02
CN117325879B true CN117325879B (zh) 2024-04-05

Family

ID=89292654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311286725.7A Active CN117325879B (zh) 2023-10-07 2023-10-07 一种四轮分布式电驱动汽车状态评估方法及系统

Country Status (1)

Country Link
CN (1) CN117325879B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906139A (zh) * 2021-04-08 2021-06-04 平安科技(深圳)有限公司 车辆故障风险评估方法、装置、电子设备及存储介质
CN113109714A (zh) * 2020-01-10 2021-07-13 宁波吉利汽车研究开发有限公司 一种汽车蓄电池智能监测方法、装置及系统
CN116653975A (zh) * 2023-06-01 2023-08-29 盐城工学院 一种基于路面识别的车辆稳定性控制方法
CN116719317A (zh) * 2023-06-01 2023-09-08 盐城工学院 一种基于改进模型预测控制的无人车紧急避障方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110659173B (zh) * 2018-06-28 2023-05-26 中兴通讯股份有限公司 一种运维系统及方法
DE102020212277A1 (de) * 2020-09-29 2022-03-31 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bestimmen einer Restnutzungsdauer basierend auf einer prädiktiven Diagnose von Komponenten eines elektrischen Antriebssystems mithilfe Verfahren künstlicher Intelligenz

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113109714A (zh) * 2020-01-10 2021-07-13 宁波吉利汽车研究开发有限公司 一种汽车蓄电池智能监测方法、装置及系统
CN112906139A (zh) * 2021-04-08 2021-06-04 平安科技(深圳)有限公司 车辆故障风险评估方法、装置、电子设备及存储介质
CN116653975A (zh) * 2023-06-01 2023-08-29 盐城工学院 一种基于路面识别的车辆稳定性控制方法
CN116719317A (zh) * 2023-06-01 2023-09-08 盐城工学院 一种基于改进模型预测控制的无人车紧急避障方法

Also Published As

Publication number Publication date
CN117325879A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN111428960B (zh) 一种融合多源车载传感器信息的智能车辆驾驶性自动化评价方法
CN102486400B (zh) 车辆质量辨识方法和装置
CN111806449A (zh) 一种纯电动车的整车质量和路面坡度的估算方法
CN106985627A (zh) 一种车辆路面识别系统以及悬架模式切换方法
CN108482481B (zh) 四轮独立驱动与转向电动汽车的四轮转向控制方法
JP3771960B2 (ja) 走行中の車輌のタイヤ減圧を判定する方法
CN109910617A (zh) 一种分布式轮毂电机驱动车辆失效故障的诊断方法
CN113359457B (zh) 智能车底盘域控制器的高维动力学模型解算装置及方法
CN109311482A (zh) 用于确定未来路径点处的安全速度的方法
CN106809207A (zh) 一种电动车辆载重和坡度自适应控制方法及其车辆
CN101631708B (zh) 目标转弯车速设定装置以及制动/驱动力控制装置
US20200033137A1 (en) Method for determining road surface conditions
CN109345512A (zh) 汽车图像的处理方法、装置及可读存储介质
CN110091914A (zh) 一种分布式汽车多工况识别差速转向方法及系统
CN113859253B (zh) 一种车辆行驶过程中质量的实时估计方法
CN113954846B (zh) 一种车辆行驶中坡道信息的估算及系统
CN117325879B (zh) 一种四轮分布式电驱动汽车状态评估方法及系统
US20230001940A1 (en) Method and Device for Optimum Parameterization of a Driving Dynamics Control System for Vehicles
CN116588126A (zh) 用于车辆运动控制健康监测和缓解的架构和方法
CN112660136B (zh) 汽车底盘动力学域控制器的路面附着系数辨识方法及装置
CN115285120A (zh) 一种基于模型预测控制的车辆跟随分层式控制系统及方法
CN114154227A (zh) 一种重型挂车制动过程自适应学习方法
US11524696B2 (en) Method for determining the values of parameters
CN112351407A (zh) 一种基于5g分级决策的aeb策略方法
CN111114528A (zh) 一种应用在独立悬挂式四转四驱智能车的多轴转向驱动方法

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