一种基于多源数据融合的新能源卡车质量估计方法、系统、设备及存储介质与流程

本发明涉及车辆工程，具体为一种基于多源数据融合的新能源卡车质量估计方法、系统、设备及存储介质。

背景技术：

1、随着全球能源危机和环境污染问题的日益严峻，新能源汽车特别是新能源卡车在物流运输领域的应用越来越广泛。新能源卡车相比传统燃油卡车具有零排放、低噪音、运营成本低等显著优势，已成为城市配送、短途运输等场景的重要选择，然而，新能源卡车的能量管理系统面临着独特的挑战，车辆的载重状态是影响能量消耗和动力性能的关键因素，不同载重条件下，车辆的最优控制策略存在显著差异，例如，空载车辆与满载车辆在起步加速、爬坡、制动能量回收等工况下的能量管理策略应当完全不同。当前新能源卡车质量估计技术主要分为三大技术路线。

2、一是基于加装硬件传感器的直接测量法：通过在悬架、车桥处加装称重传感器、位移传感器实现载重直接测量，该方法虽测量精度高，但存在硬件加装成本高、传感器易受颠簸路况损坏、后期维护成本高、无法适配规模化商用车辆批量落地的缺陷；二是基于车辆动力学模型的递归估计法：依托传统车辆纵向动力学方程，通过卡尔曼滤波、递推最小二乘等算法实现质量递归估计，该方法无需额外加装硬件，但高度依赖车辆固有参数的精准标定与理想行驶工况，在复杂地形、换挡加减速、变载荷等实际运营场景下，受坡度、滚动阻力、空气阻力等外界扰动影响大，估计精度与鲁棒性大幅下降；三是基于数据驱动的深度学习估计法：依托车载运行数据通过神经网络学习工况特征与整车质量的映射关系，无需复杂的物理模型标定，工况适应性更强，是当前行业的主流研究方向。

3、根据先前研究现状表明，现有研究面临三大技术瓶颈：多源异构数据的标准化预处理体系缺失，时空匹配精度不足，有效样本筛选能力弱，现有数据驱动方案大多仅采用车载can总线单一数据源，忽略了道路高程、坡度、地形等空间环境信息对质量估计的关键影响；同时，针对can总线、gps等多源异构传感器数据，缺乏标准化的时间对齐、降采样、缺失值填补、噪声平滑、异常值剔除的全流程预处理流程，无法解决多传感器数据采样频率不统一、时间戳不同步、空间坐标不匹配的核心问题；此外，现有方案未针对性剔除换挡、制动、低速、加速度异常等破坏质量映射关系的强噪声样本，导致模型学习到错误的工况特征，严重降低了质量估计的精度与泛化能力；异构模态数据融合方法固化，无法实现工况自适应的动态加权融合，模态间互补信息挖掘不充分，现有多源数据融合方案普遍采用固定拼接、恒值加权的融合方式，无法根据新能源卡车平路巡航、爬坡、加减速等实时行驶工况，动态调整车辆动态时序特征与道路空间环境特征的权重系数，无法挖掘两类异构模态之间的互补信息，在复杂地形、变工况场景下，固定融合模式易受外界干扰，无法针对性强化核心有效特征的贡献度，导致特征融合有效性不足，模型工况适应性差；输入特征与整车质量的物理因果关联薄弱，缺乏动力学先验引导的特征增强机制，模型学习难度大、鲁棒性不足。

4、现有数据驱动方法大多直接将原始传感器数据作为模型输入，未结合新能源卡车纵向动力学方程，挖掘与整车质量存在强物理关联的核心特征，导致输入特征与估计目标之间缺乏明确的因果关系，神经网络学习难度大、易发生过拟合；同时，现有方案无法在不增加额外传感器的前提下，通过轻量化特征衍生强化特征的质量表征能力，在复杂运营工况下的估计精度与鲁棒性无法满足商用落地需求。

技术实现思路

1、鉴于上述存在的问题，提出了本发明。

2、因此，本发明解决的技术问题是：现有的新能源卡车质量估计方法存在，时空匹配精度不足，有效样本筛选能力弱，模态间互补信息挖掘不充分，缺乏动力学先验引导的特征增强机制，以及如何增强模型学习能力及鲁棒性的问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于多源数据融合的新能源卡车质量估计方法，包括将表征车辆行驶状态的动态时序特征与表征车辆当前地理位置的道路空间环境特征进行时间与空间维度映射对齐，构建多变量时序特征向量；利用车辆行驶状态信息及车辆固有参数，计算与整车指令具有强物理因果关联的动力学增强特征，作为引导神经网络学习的机理约束；将多变量时序特征向量与动力学增强特征进行组合与标准化处理，生成物理机理强约束的增强型多变量时序特征矩阵；将增强型多变量时序特征矩阵作为输入，利用多尺度特征提取机制的回归算法，提取增强型多变量时序特征矩阵在连续时间维度上的时序长依赖特征及在局部时间窗口内的多尺度局部细节特征；将时序长依赖特征与多尺度局部细节特征进行特征融合，并通过回归映射求解，输出车辆整车总质量的连续估计值。

4、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：进行时间与空间维度映射对齐包括，以动态时序特征的时间戳为唯一样本基准，对道路空间环境特征进行线性插值与降采样处理，以在相同采样频率的连续时间步上进行一一对应的时空维度标准化匹配映射。

5、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：构建多变量时序特征向量前，还包括非平稳工况样本动态清洗；实时获取车辆当前档位状态、目标档位状态、刹车开度状态、当前车速及纵向加速度；当前档位状态不等于目标档位状态、或刹车开度状态大于零、或当前车速小于或等于设定速度阈值、或纵向加速度超出预设正常行驶物理区间中的任意一者或多者时，判定当前时间步为非平稳噪声工况，并在线剥离剔除对应的时序数据样本。

6、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：道路空间环境特征包括经运动学修正后的道路坡度及地形特征向量；经运动学修正后的道路坡度基于相邻采样点的道路高程数据进行前向差分计算，获取基础差分坡度值，引入车辆实时的纵向加速度数据，对基础差分坡度值进行动态惯性补偿修正，消除由车辆非匀速行驶引起的坡度感知误差；地形特征向量构建设定若干互相排斥的坡度绝对值区间，用以分别定义平原地形、微丘地形及重丘地形，根据修正后的道路坡度落入的区间，判定当前车辆所处的地形类别，并将地形类别转化为无类别数值权重偏差的几何向量，作为地形特征向量。

7、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：构建多变量时序特征向量包括，将动态时序特征作为车辆动态特征分支，将道路空间环境特征作为道路环境特征分支；利用非线性门控逻辑单元，根据当前行驶工况逐时间步实时预测所述车辆动态特征分支的第一自适应权重、以及道路环境特征分支的第二自适应权重，其中第一自适应权重与第二自适应权重的代数和为1；逐时间步利用对应的权重对两个分支的特征进行加权求和，生成自适应融合的时序特征向量。

8、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：动力学增强特征包括，基于车辆纵向动力学平衡方程，利用实时电机扭矩、档位传动比及主减速比参数，反推计算车辆的时序驱动力特征；在车辆纵向加速度大于零的时间步内，计算实时电机扭矩与纵向加速度的比值，构建扭矩-加速度比特征；计算关键动态时序参数在相邻时间步间的一阶差分，构建时序动态差分特征；引入线性相关性系数，对衍生出的特征进行统计学有效性校验，剔除绝对值低于设定阈值的弱相关冗余特征，形成与整车质量强相关的动力学增强特征。

9、作为本发明所述的基于多源数据融合的新能源卡车质量估计方法的一种优选方案，其中：提取所述增强型多变量时序特征矩阵在连续时间维度上的时序长依赖特征及在局部时间窗口内的多尺度局部细节特征包括，将增强型多变量时序特征矩阵并行接入长时序隐层特征提取通道和多尺度局部窗口特征提取通道，利用长时序隐层特征提取通道捕捉车辆在起步、巡航或连续爬坡全过程中的宏观时序动态依赖趋势，生成时序长依赖特征；同时利用多尺度局部窗口特征提取通道，通过并行的多个不同尺寸的时域滑动窗口，捕获车辆所处地形快速切换或驱动力突变引起的微观局部显著工况特征，生成多尺度局部细节特征；将时序长依赖特征与多尺度局部细节特征进行全局平均池化消除时间轴尺寸差异后执行通道聚合，并通过回归映射层直接输出车辆整车总质量的连续估计值，并将该估计值作为控制参数实时输入至卡车的整车控制器中，以动态调整车辆的能量管理控制策略。

10、本发明的另外一个目的是提供一种基于多源数据融合的新能源卡车质量估计系统，其能通过将所述多变量时序特征向量与所述动力学增强特征进行组合与标准化处理，生成物理机理强约束的增强型多变量时序特征矩阵，解决了目前的新能源卡车质量估计方法含有缺乏动力学先验引导的特征增强机制的问题。

11、作为本发明所述的基于多源数据融合的新能源卡车质量估计系统的一种优选方案，其中：包括多源数据时空匹配模块，非平稳工况样本清洗模块，门控模态自适应融合模块，动力学物理机理增强模块，多尺度特征回归估计模块；多源数据时空匹配模块用于以动态时序特征的时间戳为唯一样本基准，对道路空间环境特征进行时间对齐和降采样处理，使所述道路空间环境特征与动态时序特征在连续时间步上进行一一对应的时空维度标准化匹配映射；非平稳工况样本清洗模块用于实时获取车辆的档位切换状态、刹车制动信号、实时车速及纵向加速度，当实时状态满足设定的非平稳工况边界条件时，在线剥离并剔除对应的时序数据样本，以保留满足车辆纵向动力学驱动因果关系的平稳行驶有效样本；门控模态自适应融合模块用于将有效样本拆分为车辆动态特征分支与道路环境特征分支，利用非线性门控逻辑单元逐时间步动态预测两分支此消彼长的自适应权重系数，执行逐时间步的上下文感知特征加权融合，生成自适应融合的多变量时序特征向量；动力学物理机理增强模块用于基于车辆纵向动力学平衡方程，利用车辆固有物理参数和有效样本，轻量化衍生出与整车质量具备强物理因果关联的驱动力特征、扭矩-加速度比特征以及时序动态差分特征，并通过线性相关性分析剔除冗余特征，构建增强型多变量时序特征矩阵；多尺度特征回归估计模块用于将所述增强型多变量时序特征矩阵并行输入长时序隐层特征提取通道和多尺度局部窗口特征提取通道，分别捕获车辆连续行驶过程中的时序长依赖特征、以及局部时间窗口内的多尺度局部细节特征，并将两特征进行高级深度聚合与回归映射求解，输出车辆整车总质量的连续估计值，以在线动态调整车辆整车控制器的能量管理控制策略。

12、本发明的再一个目的是提供了一种基于多源数据融合的新能源卡车质量估计设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于多源数据融合的新能源卡车质量估计方法的步骤。

13、本发明的还一个目的是提供了一种基于多源数据融合的新能源卡车质量估计存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于多源数据融合的新能源卡车质量估计方法的步骤。

14、本发明的有益效果：

15、本发明提供的基于多源数据融合的新能源卡车质量估计同步采集车载can总线运行数据、gps定位数据与dem数字高程模型数据，同步覆盖车辆动态时序数据与道路空间环境数据两大核心维度，解决了多传感器采样频率不统一、时间戳不同步的行业问题，构建多维度数据筛选规则，精准剔除换挡、制动、低速、加速度异常等破坏质量映射关系的无效样本，仅保留平稳行驶的有效数据，从源头提升输入数据质量；设计轻量级门控模态自适应融合单元，该单元将时序特征拆分为车辆动态特征与道路环境特征两个独立分支，通过门控网络的全连接层与sigmoid激活函数，学习不同行驶工况下两个分支的自适应权重，实现逐时间步的上下文感知特征加权融合，显著提升了模型在复杂地形、变工况场景下的适应性与抗干扰能力；以新能源卡车纵向动力学核心方程为理论基础，在不增加任何额外硬件传感器的前提下，衍生出与整车质量呈强物理因果关联的轻量化核心特征，大幅降低神经网络的学习难度，有效抑制模型过拟合问题，显著提升了质量估计模型在复杂运营工况下的估计精度与鲁棒性；搭建双分支并行融合的端到端回归模型，与数据预处理、特征工程环节形成完整技术闭环，精准捕捉车辆行驶过程中与整车质量相关的长时序动态依赖关系，适配连续行驶工况下的特征时序变化规律，通过全连接层完成整车质量的端到端估计，构建两级融合体系，全面适配新能源卡车空载到满载全载重区间、平原到重丘全地形工况的高精度估计需求。