一种新能源车辆智能传感器数据处理方法及系统与流程
本发明涉及数据处理,尤其涉及一种新能源车辆智能传感器数据处理方法及系统。
背景技术:
1、数据处理技术领域涉及对车辆运行过程中产生的离散数据、连续数据、周期数据和事件数据进行采集、整理、校验、转换、关联和存储的技术内容,其核心事项包括数据来源识别、采样时序确定、数据格式统一、缺失值标记、异常值判定、冗余字段剔除、不同采样频率数据的时间对齐以及多项数据之间的对应关系建立,在新能源车辆场景中,该技术领域通常围绕电池单体温度、电池单体电压、逆变器相电流、电机转速、轮速、加速踏板开度、车辆倾角和冷却液温度等车载传感数据展开,数据来源分布于电池管理系统、电机控制器、车身稳定系统和热管理部件,数据传输通常经由车载总线报文、采样通道编号、时间戳、物理量单位和校准系数进行组织,车载中央控制器依据报文标识、采样周期、量程范围和关联车辆状态对各类数据进行读取和整理。
2、其中,传统新能源车辆智能传感器数据处理方法是指针对新能源车辆中多类车载传感器上报数据进行预处理和状态关联的数据整理方法,其所针对的技术事项包括强电磁干扰、温度波动、高负载爬坡、传感线路感应噪声、采样值突变、数据缺包和多源读数不一致等情况下的传感数据判定,传统方式通常先按照固定采样周期读取电池单体温度值、电池单体电压值、电机相电流值、电机转速值、轮速值、踏板开度值和车辆倾角值,再依据传感器量程上下限、相邻采样点变化幅度阈值、报文校验位、时间戳连续性和上一周期有效值进行初步筛查,对于短时缺失数据通常采用上一采样周期数值保持或相邻两个采样周期数值线性补齐,对于波动数据通常采用滑动平均、中值取样、一阶低通系数加权或预设噪声带宽削减的方式处理,对于疑似异常数据通常将电机相电流与踏板开度、电机转速、轮速、车辆倾角和电池输出电流进行对应比对,并按照预设电流上限、坡道工况判据、转矩请求表和故障报码条件确定该采样值是否继续参与后续车辆状态判断。
3、传统处理方法流程依赖固定采样周期读取多类车载传感数据,并以量程边界、相邻采样变化幅度、报文校验、时间戳连续性、上一周期有效值及多源状态关联判定异常,在强电磁干扰与高负载爬坡并存时,真实电流因工况升高本身呈大幅变化,外部干扰峰值混入后易被踏板开度、转速、轮速、倾角等关联信息解释为合理波动,控制判断难以识别叠加噪声,过严会触发过流保护削弱动力,过宽会掩盖真实故障预警。
技术实现思路
1、本发明的目的是解决现有技术中存在的缺点,提出一种新能源车辆智能传感器数据处理方法及系统,通过时频分解、外部电磁场强度量化、电机负载状态量化和阈值自适应调整,在高负载真实电流大幅变化时剥离叠加强电磁干扰成分,提高目标电机电流信号质量,避免控制判断因数据误读误触发过流保护或忽略真实故障预警,提升极限工况下行驶安全性和动力系统可靠性。
2、为了实现上述目的,本发明提供一种新能源车辆智能传感器数据处理方法,包括以下步骤:
3、s1:获取电机电流传感器的实时数字数据流,根据所述实时数字数据流进行瞬时小波变换处理,得到高频细节分量小波系数和低频近似分量小波系数;
4、s2:根据所述实时数字数据流的监测同步时段,获取外部电磁场强度数据和电机负载状态数据,并结合预设正常背景噪声阈值、电机负载状态数据对应的额定阈值和加权系数,计算外部电磁场强度指标和电机负载状态指标;
5、s3:根据所述高频细节分量小波系数、所述低频近似分量小波系数、所述外部电磁场强度指标和所述电机负载状态指标,结合预设调整系数,计算得到高频自适应干扰阈值和低频自适应干扰阈值;
6、s4:根据所述高频自适应干扰阈值和所述低频自适应干扰阈值,对对应小波系数进行软阈值缩减处理,得到处理后高频小波系数和处理后低频小波系数;
7、s5:根据所述处理后高频小波系数和所述处理后低频小波系数进行逆小波变换重构,得到目标电机电流信号,用于后续动力分配与故障预警判断。
8、优选的,所述步骤s1的具体步骤包括:
9、s111:在新能源车辆电机运行过程中,监测电机电流传感器产生实时数字数据流,针对所述实时数字数据流提取时间维度离散采样点,基于所述离散采样点拼接构建连续形态时域向量,将所述连续形态时域向量作为瞬时小波变换算法基础输入项,获取初始电流演变序列;
10、s112:调用所述初始电流演变序列和标准小波基函数,根据所述瞬时小波变换算法对所述初始电流演变序列与所述标准小波基函数执行多级内积映射运算,计算所述初始电流演变序列在频域与时域交汇位置分布能量密度参数,聚合各项所述分布能量密度参数建立全局能量分布特征;
11、s113:针对所述全局能量分布特征设定频段分割边界,基于所述频段分割边界对所述全局能量分布特征执行网格剖分拆解处理,提取高频波段波动分量及低频波段平滑分量,根据所述高频波段波动分量提取离散高频元素,根据所述低频波段平滑分量提取平滑低频元素,将所述离散高频元素和所述平滑低频元素分别作为对应的特定数值输出,生成高频细节分量小波系数和低频近似分量小波系数。
12、优选的,所述步骤s2的具体步骤包括:
13、s211:针对所述实时数字数据流的监测时段,采集车辆毫米波雷达接收端的背景噪声数据并计算其均方根值,将背景噪声的均方根值映射为外部电磁场强度数据,读取预设正常背景噪声阈值,调用所述外部电磁场强度数据与所述预设正常背景噪声阈值执行同量纲除法映射运算,得到电磁场强度比值偏移参量,并将所述电磁场强度比值偏移参量作为外部电磁场强度指标;
14、s212:采集新能源车辆的加速踏板位置开度、车速、车辆俯仰角和电机实时输出功率,组合加速踏板位置开度、车速、车辆俯仰角和电机实时输出功率构建电机负载状态数据,提取各项所述电机负载状态数据对应的额定阈值,针对各项所述电机负载状态数据与对应的额定阈值执行数值除法映射运算,计算对应物理状态相对比率,生成多组占比数值;
15、s213:提取预设在车辆参数配置库的加权系数,基于加权系数对所述多组占比数值执行相乘与累加计算,得到综合占比属性参量,将所述综合占比属性参量作为电机负载状态指标,并同步输出所述外部电磁场强度指标和所述电机负载状态指标。
16、优选的,所述预设正常背景噪声阈值基于车辆处于无外部电磁干扰场地且电机断电静止状态下的多次采样背景噪声均方根均值进行标定;
17、各项所述电机负载状态数据对应的额定阈值中,针对所述加速踏板位置开度提取车辆物理极限开度作为对应额定阈值,针对所述车速提取最高安全行驶车速作为对应额定阈值,针对所述车辆俯仰角提取底盘悬架最大允许倾角作为对应额定阈值,针对所述电机实时输出功率提取电机热平衡功率上限作为对应额定阈值;
18、所述加权系数根据各项所述电机负载状态数据对电机电流波动幅度的相关性系数执行归一化映射计算进行数值分配;
19、所述调用所述外部电磁场强度数据与所述预设正常背景噪声阈值执行同量纲除法映射运算,得到电磁场强度比值偏移参量的过程具体为:
20、提取所述外部电磁场强度数据作为被除数并提取所述预设正常背景噪声阈值作为除数执行数值除法计算获取基础比值数据,计算所述基础比值数据与标准单位常量一之间的差值绝对值,将所述差值绝对值作为所述电磁场强度比值偏移参量。
21、优选的,所述步骤s3的具体步骤包括:
22、s311:获取预设高频基础无量纲调整系数、预设电磁场无量纲调整系数、预设负载状态无量纲调整系数、预设低频基础无量纲调整系数和预设低频负载无量纲调整系数,将连续获取的多个所述高频细节分量小波系数和所述低频近似分量小波系数按照时间顺序分别组合为一维数据序列,调用中位数绝对偏差算法分别计算各个所述一维数据序列偏离对应中位数的分布偏差数值,生成高频小波系数噪声标准差估计值和低频小波系数噪声标准差估计值;
23、s312:根据所述高频小波系数噪声标准差估计值、所述外部电磁场强度指标、所述电机负载状态指标、所述预设高频基础无量纲调整系数、所述预设电磁场无量纲调整系数和所述预设负载状态无量纲调整系数计算高频自适应干扰阈值;
24、s313:基于所述低频小波系数噪声标准差估计值、所述电机负载状态指标、所述预设低频基础无量纲调整系数和所述预设低频负载无量纲调整系数计算低频自适应干扰阈值,同步输出高频自适应干扰阈值和低频自适应干扰阈值。
25、优选的,步骤s3中,所述高频自适应干扰阈值的计算公式具体为:
26、;
27、其中,代表高频自适应干扰阈值,代表预设高频基础无量纲调整系数,代表高频小波系数噪声标准差估计值,代表预设电磁场无量纲调整系数,代表外部电磁场强度指标,代表预设负载状态无量纲调整系数,代表电机负载状态指标;
28、步骤s3中,所述低频自适应干扰阈值的计算公式具体为:
29、;
30、其中,代表低频自适应干扰阈值,代表预设低频基础无量纲调整系数,代表低频小波系数噪声标准差估计值,代表预设低频负载无量纲调整系数,代表小波分解层数,代表电机负载状态指标。
31、优选的,所述步骤s4的具体步骤包括:
32、s411:针对所述高频细节分量小波系数执行绝对值运算,将其绝对值运算结果作为高频幅值特征,针对所述低频近似分量小波系数执行绝对值运算,将其绝对值运算结果作为低频幅值特征;
33、s412:针对所述高频幅值特征与所述高频自适应干扰阈值执行数值减法运算得到作为高频越限偏差量的差值结果,针对所述低频幅值特征与所述低频自适应干扰阈值执行数值减法运算得到作为低频越限偏差量的差值结果,并将所述高频越限偏差量作为高频数值差值,将所述低频越限偏差量作为低频数值差值;
34、s413:依据所述高频数值差值对所述高频细节分量小波系数执行软阈值缩减调整,依据所述低频数值差值对所述低频近似分量小波系数执行软阈值缩减调整,得到处理后高频小波系数和处理后低频小波系数。
35、优选的,所述依据所述高频数值差值对所述高频细节分量小波系数执行软阈值缩减调整,依据所述低频数值差值对所述低频近似分量小波系数执行软阈值缩减调整的过程具体为:
36、分别提取所述高频数值差值和所述低频数值差值对应的数值极性标志;
37、依据电机运行标定环境下的电流基准特征序列在固定时间观测窗口内的演变曲线切线斜率均值完成设定比例的参数配置;
38、针对所述高频数值差值中呈现小于零的数值状态,将对应的所述高频细节分量小波系数执行数值强制置零操作完成截断;针对所述低频数值差值中呈现小于零的数值状态,将对应的所述低频近似分量小波系数执行数值强制置零操作完成截断;针对所述高频数值差值中呈现大于或等于零的数值状态,将数值极性标志与所述高频数值差值及所述设定比例执行连乘运算处理完成对对应的所述高频细节分量小波系数的缩减;针对所述低频数值差值中呈现大于或等于零的数值状态,将数值极性标志与所述低频数值差值及所述设定比例执行连乘运算处理完成对对应的所述低频近似分量小波系数的缩减。
39、优选的,所述步骤s5的具体步骤包括:
40、s511:调用逆小波变换算法,针对所述处理后高频小波系数执行数值映射转换提取所述逆小波变换算法对应重构细节分量,针对所述处理后低频小波系数执行数值映射转换提取所述逆小波变换算法对应重构近似分量,生成重构细节分量和重构近似分量;
41、s512:针对所述重构细节分量和所述重构近似分量执行时间轴逐级向上插值与滤波叠加运算,汇聚各级重构层级节点衍生离散能量点阵,沿时间步长方向拼接所述离散能量点阵累积多层频带波纹,生成逐级向上组合特征序列;
42、s513:基于所述逐级向上组合特征序列,针对所述逐级向上组合特征序列执行时域振幅还原运算缝合离散节点时间片段,按照时间先后排列顺序拟合连续波形数据矩阵,计算各个采样时刻关联模拟电流瞬时数值,聚合全部所述模拟电流瞬时数值重组一维时域连续变化波形形态,输出用于后续动力分配与故障预警判断的目标电机电流信号。
43、本发明还提供一种新能源车辆智能传感器数据处理系统,所述新能源车辆智能传感器数据处理系统用于实现上述新能源车辆智能传感器数据处理方法,所述系统包括:
44、多尺度解析模块,获取电机电流传感器的实时数字数据流,根据所述实时数字数据流进行瞬时小波变换处理,得到高频细节分量小波系数和低频近似分量小波系数;
45、工况感知模块,根据所述实时数字数据流的监测同步时段,获取外部电磁场强度数据和电机负载状态数据,并结合预设正常背景噪声阈值、电机负载状态数据对应的额定阈值和加权系数,计算外部电磁场强度指标和电机负载状态指标;
46、阈值适配模块,根据所述高频细节分量小波系数、所述低频近似分量小波系数、所述外部电磁场强度指标和所述电机负载状态指标,结合预设调整系数,计算得到高频自适应干扰阈值和低频自适应干扰阈值;
47、系数优化模块,根据所述高频自适应干扰阈值和所述低频自适应干扰阈值,对对应小波系数进行软阈值缩减处理,得到处理后高频小波系数和处理后低频小波系数;
48、信号还原模块,根据所述处理后高频小波系数和所述处理后低频小波系数进行逆小波变换重构,得到目标电机电流信号,用于后续动力分配与故障预警判断。
49、与现有技术相比,本发明的优点和积极效果在于:
50、本发明中,以电机电流实时数字数据流为处理对象,将瞬时小波变换形成的高频细节分量与低频近似分量作为甄别基础,并把同步时段外部电磁场强度与电机负载状态转化为量化指标,结合背景噪声阈值、额定阈值、加权系数与调整系数生成随工况变化的高频和低频干扰阈值,对对应小波系数执行软阈值缩减和逆变换重构,使高负载真实电流保留连续物理特征,使强电磁干扰峰值被压缩剥离,控制判断获得更接近真实运行状态的电流信号,降低误触发过流保护导致溜坡的风险,保留真实故障预警识别空间。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com