欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021106773376
申请人: 长安大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于大数据库样本的汽车行驶工况构建方法,其特征在于,包括以下步骤:步骤1:获取多个同车型车辆在同地区的实际行驶数据,对实际行驶数据进行数据预处理,获得每个车辆的车速‑时间曲线;

步骤2:从每条车速‑时间曲线中提取运动特征参数,并对每个车辆的运动特征参数进行筛选获得每辆汽车的P个汽车工况特征,获得所有车辆的汽车工况特征数据集,P为正整数;

步骤3:对汽车工况特征数据集采用式Ⅰ进行相关度分析,依次增加车辆数获得不同车辆数的汽车工况特征对应的收敛系数f(q),当f(q)收敛至0时q=m,获取此时的m个车辆;

其中, 为第1到第q个车辆的第p个汽车工况特征的平均值,p∈[1,P],q∈[1,M],m∈[1,M],M为总车辆数,M、p、q、m为正整数;

步骤4:获得m个车辆对应的车速‑时间曲线,将每条车速‑时间曲线通过重构方法转换为行驶工况曲线,获得m条行驶工况曲线;

所述的重构方法包括如下子步骤:

步骤4.1:将每条车速‑时间曲线划分为多个运动学片段,提取每个运动学片段的运动特征参数获得特征指标矩阵,根据特征指标矩阵计算每个运动学片段的综合特征以及每个运动学片段类别的综合特征;

步骤4.2:采用核化主成分分析法根据特征指标矩阵计算每个运动学片段的主成分得分矩阵;

步骤4.3:采用K‑Means聚类方法对每个运动学片段的主成分得分矩阵进行预分类并采用支持向量机算法对预分类结果进行优化,获得每条车速‑时间曲线的运动学片段类别;

步骤4.4:计算每个运动学片段类别所包含的的运动学片段的总时长在实际行驶数据总时长中所占的比例,根据所占比例和目标时长获得每个运动学片段类别的总时长;

从每个运动学片段类别内挑选运动学片段的综合指标与运动学片段类别的综合指标之差最小的一个或多个运动学片段,至每个运动学片段类别内挑选的运动学片段总时长为每个运动学片段类别的总时长,对挑选出来的运动学片段进行拼接,得到该车速‑时间曲线对应的行驶工况曲线;

步骤5:将m条行驶工况曲线进行拼接,获得重组车速‑时间曲线,将重组车速‑时间曲线通过重构方法进行转换,获得代表性行驶工况曲线。

2.如权利要求1所述的基于大数据库样本的汽车行驶工况构建方法,其特征在于,步骤

1中数据预处理包括:总体异常车辆数据筛选和单个车辆数据预处理;

所述的总体异常车辆筛选规则为,满足以下两种异常情况则删除所对应车辆数据:其中,N为连续数据点,nengine为发动机转速,V为车速,Q为瞬时油耗;

所述的单个车辆数据预处理包括:速度异常处理、加减速度异常处理、堵车怠速异常处理和毛刺处理。

3.如权利要求1所述的基于大数据库样本的汽车行驶工况构建方法,其特征在于,所述的运动特征参数为:行驶时间、加速时间、减速时间、匀速时间、怠速时间、最大速度、平均速度、运行速度、速度标准差、最大加速度、平均加速度、最大减速度和平均减速度、加减速度标准差、加速时间比例、减速时间比例、匀速时间比例和怠速时间比例;

所述的汽车工况特征共8个包括:运行速度、加速比例、减速比例、怠速比例、匀速比例、平均速度、加速度段平均加速度和减速度段平均减速度。

4.如权利要求1所述的基于大数据库样本的汽车行驶工况构建方法,其特征在于,所述目标时长为1200s~1800s。

5.一种基于大数据库样本的汽车行驶工况构建系统,包括:数据采集及预处理模块、特征提取模块、数据筛选模块、行驶工况建立模块和重组模块所述的数据采集及预处理模块用于获取多个同车型车辆在同地区的实际行驶数据,对实际行驶数据进行数据预处理,获得每个车辆的车速‑时间曲线;

所述的特征提取模块用于从每条车速‑时间曲线中提取运动特征参数,并对每个车辆的运动特征参数进行筛选获得每辆汽车的汽车工况特征,获得所有车辆的汽车工况特征数据集;

所述的数据筛选模块用于对汽车工况特征数据集采用式Ⅰ进行相关度分析,依次增加车辆数获得不同车辆数的汽车工况特征对应的收敛系数K,获得当K收敛至0时的m个车辆;

其中, 为第1到第q个车辆的第p个汽车工况特征的平均值,p∈[1,8],q∈[1,M],m∈[1,M],p、q、m为正整数;

所述的行驶工况建立模块用于获得m个车辆对应的车速‑时间曲线,将每条车速‑时间曲线通过重构方法转换为行驶工况曲线,获得m条行驶工况曲线;

所述的重构方法包括如下子模块:

第一子模块用于将每条车速‑时间曲线划分为多个运动学片段,提取每个运动学片段的运动特征参数获得特征指标矩阵;

第二子模块用于采用核化主成分分析法根据特征指标矩阵计算每个运动学片段的主成分得分矩阵;

第三子模块用于采用K‑Means聚类方法对每个运动学片段的主成分得分矩阵进行预分类并采用支持向量机算法对预分类结果进行优化,获得每条车速‑时间曲线的运动学片段类别;

第四子模块用于从计算每个运动学片段类别所包含的的运动学片段的总时长在实际行驶数据总时长中所占的比例,设定目标时长,根据所占比例和目标时长获得每个运动学片段类别的总时长;

计算每个运动学片段的综合特征以及每个运动学片段类别的综合特征,从每个运动学片段类别内挑选运动学片段的综合指标与运动学片段类别的综合指标之差最小的一个或多个运动学片段,至每个运动学片段类别内挑选的运动学片段总时长为每个运动学片段类别的总时长,对挑选出来的运动学片段进行拼接,得到该车速‑时间曲线对应的行驶工况曲线;

所述的重组模块用于将m条行驶工况曲线进行拼接,获得重组车速‑时间曲线,将重组车速‑时间曲线通过重构方法进行转换,获得代表性行驶工况曲线。

6.如权利要求5所述的基于大数据库样本的汽车行驶工况构建系统,其特征在于,所述的数据预处理包括:总体异常车辆数据筛选和单个车辆数据预处理;

所述的总体异常车辆筛选规则为,满足以下两种异常情况则删除所对应车辆数据:其中,N为连续数据点,nengine为发动机转速,V为车速,Q为瞬时油耗;

所述的单个车辆数据预处理包括:速度异常处理、加减速度异常处理、堵车怠速异常处理和毛刺处理。

7.如权利要求5所述的基于大数据库样本的汽车行驶工况构建系统,其特征在于,所述的运动特征参数为:行驶时间、加速时间、减速时间、匀速时间、怠速时间、最大速度、平均速度、运行速度、速度标准差、最大加速度、平均加速度、最大减速度和平均减速度、加减速度标准差、加速时间比例、减速时间比例、匀速时间比例和怠速时间比例;

所述的汽车工况特征共8个包括:运行速度、加速比例、减速比例、怠速比例、匀速比例、平均速度、加速度段平均加速度和减速度段平均减速度。

8.如权利要求5所述的基于大数据库样本的汽车行驶工况构建系统,其特征在于,所述目标时长为1200s~1800s。