1.一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,其特征在于,包括以下步骤:S1.初选操纵稳定性试验特征物理量并进行试验数据准备;
S2.对步骤S1准备的试验数据进行预处理,并定义数据标签;
S3.基于最大信息系数算法对操纵稳定性试验特征物理量进行特征筛选;所述步骤S3包括:S31.构建待选变量集,将待选的8个特征物理量定义为待选变量集合X={X,X2…Xα},i∈[1,8],定义特征物理量子集S为空集;
S32.采用最大信息系数算法计算所述试验数据中的特征物理量与数据标签的相关程度,最大相关系数表达式如下:式中,X代表特征物理量;Y代表数据标签;p(x,y)代表X和Y的联合概率分布函数;p(x)代表X的边缘概率分布函数;p(y)代表Y的边缘概率分布函数;m,n代表在二维空间x,y方向上的划分格子的个数;B是变量,B的大小设置为数据量的0.6次方;
S33.根据公式(3),在变量集合X={X1,X2…Xα},α∈[1,8]中计算每个变量Xα与数据标签的MIC值,记录取值最大的待选特征物理量Xα,将该特征物理量计入样本集S,并从待选变量集X中剔除特征物理量Xα;
S34.判别剩余待选特征物理量Xα与试验项目类型Y的相关性,当不满足相关性判别条件时,返回步骤S33继续筛选;当满足相关性判别条件时,表示集合X剩余的特征物理量与试验项目类型不满足设定的相关性阈值,输出特征物理量子集S;
所述相关性判别条件表达式如下:
MIC(Y;Xa)<η·MIC(Y;Y) (4)公式(4)中,η为相关性的阈值,若MIC(Y;Xa)<η·MIC(Y;Y),则认为该变量不包含类别Y的信息,将其判定为不相关变量;
相关性的阈值η选取满足公式(5):
minMIC(Xa;Y)/MIC(Y;Y)≤η≤maxMIC(Xa;Y)/MIC(Y;Y) (5)式中,minMIC(Xa;Y)/MIC(Y;Y)代表η的下限,maxMIC(Xa;Y)代表η的上限,η∈[0,1];
S4.基于随机森林算法构建试验项目识别模型;所述步骤S4包括:随机森林采用自助采样法,将包含物理量特征为车速、侧倾角、横摆角速度、转向盘转角、转向盘力矩的数据集作为原始数据集,原始数据集中抽取多个样本,形成多个子数据集;
每个子数据集用来构建一颗决策树,在构建决策树的过程中,随机选取一部分特征进行分裂,每次树进行分裂时,根据基尼不纯度对每次的分裂进行量化评分,选择基尼不纯度最小的特征作为节点;基尼不纯度公式如下:Gini(U)=∑p(u)(1-p(ui)) (6)公式(6)中,p(ui)表示随机样本属于类别i的概率;
设置指定数目的决策树,直到构建出指定数目的决策树;
对所有决策树的预测结果通过投票的策略进行统计,统计后的模型输出为试验项目的类别,即步骤S2中定义的数据标签;
S5.对步骤S4构建的试验项目识别模型进行模型训练。
2.如权利要求1所述的一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,其特征在于,所述步骤S1包括:S11.确定操纵稳定性试验特征物理量,包括:转向盘转角、转向盘力矩、转向盘角速度、侧向加速度、横摆角速度、侧倾角、车速、纵向加速度;
S12.按照步骤S11中确定的操纵稳定性试验特征物理量准备汽车操纵稳定性试验中每项试验的试验数据。
3.如权利要求1所述的一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,其特征在于,所述步骤S2包括:S21.对所述步骤S1准备的试验数据进行低通滤波及标准化处理;
S22.定义数据标签:将不同试验项目下的试验数据定义为不同的标签,定义标签后的数据作为步骤S3的特征筛选算法中的待选数据集,每个标签代表一个待选输入变量。
4.如权利要求3所述的一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,其特征在于,所述步骤S21包括:首先,采用一维中值滤波方法剔除野值;假设原始数据序列为{p1,p2,…pi,…pq},滤波窗口长度设定L=2k+1,窗内数据为{pi-k,…,pi,…pi+k},将窗内的L个数据进行大小排序,滤波输出后的数据为窗内排序后的中心点数据;滤波输出表达式为公式(1):yi=median[{pi-k,…,pi,…pi+k] (1)式中,i∈[i-k,…,i,…,i+k];yi为中值滤波输出;median表示中值滤波;
然后,采用FIR滤波器进行低通滤波,滤波后的试验数据进行相位修正,消除因滤波产生的时域滞后;
最后,对试验数据进行标准化处理,使特征物理量具有相同的量级,表达式为:x′ik=(xik-xmin)/(xmax-xmin) (2)式中,x′ik为标准化后的数据,xik为观察值,xmin为观察值的最小值,xmax为观察值的最大值。
5.如权利要求1所述的一种基于数据特征驱动的汽车操纵稳定性试验项目自动识别方法,其特征在于,所述步骤S5包括:将所述步骤S2中定义好标签的数据划分为训练集和测试集;
利用训练集对步骤S4构建的试验项目识别模型;
模型训练完成后,利用测试集数据对模型训练效果进行验证,确保模型识别结果的准确性。