一种电动汽车动力丧失风险预警系统及方法

1.本发明涉及电动汽车安全风险辨识技术领域，具体为一种电动汽车动力丧失风险预警系统及方法。


背景技术：

2.在电动汽车的实际使用中，车辆在行驶过程中会突然出现失去动力停止行驶的状况，称为动力丧失。出现动力丧失时，车辆突然的减速往往会引发后车追尾、汽车失控等意外事故，造成人员伤亡的惨状。
3.电动汽车是完全以电池运转作为动力的供给来源，对于电动汽车来说，电池相当于心脏，突然性的动力丢失可能会威胁到驾驶人的生命财产安全，从2016年至今，电动汽车动力突然消失的案例每年都会发生，其中所占比例最高的就是高速行驶过程中的动力丢失，而这也是造成电动汽车人员伤亡最大的事故之一。
4.目前，国内外对于电动汽车动力丧失风险的预警方法研究几乎处于空白，缺乏实际能够对电动汽车动力丧失风险进行辨识与预警的方法，驾驶人难以提前预知处理这种风险，在故障发生时更难以保证自身安全提前做出相应的操作。梳理电动汽车动力丧失的机理，研究动力丧失的预警方案，是降低电动汽车事故率、保证驾驶人人身安全的有效手段。


技术实现要素：

5.本发明主要目的在于：提供一种电动汽车动力丧失风险预警系统及方法，从而提高驾驶人的人身安全保障。
6.本发明所采用的技术方案是：一种电动汽车动力丧失风险预警系统，本系统包括：
7.数据采集模块，用于采集电动汽车关键部件的特征指标；所述的关键部件的特征指标包括dc/dc转换器的温度、输入电压、输出电压、输入电流、输出电流，以及蓄电池的单体电压和温度，电机和逆变器的温度；
8.数据处理模块，用于对所述关键部件的特征指标进行离群点检测，并剔除异常数据，得到处理后的特征指标；
9.动力丧失风险状态评估模块，用于对所述处理后的特征指标，对具体的特征指标进行阈值划分，并根据采集的数据输出相应的特征指标报警类型与报警等级；所述的特征指标报警类型为dc/dc温度报警、dc/dc输入电压报警、dc/dc输出电压报警、dc/dc输入电流报警、dc/dc输出电流报警、逆变器温度报警、电机温度报警、蓄电池温度报警、蓄电池单体电压报警九种；基于评价特征指标类型与报警等级，利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，得到动力丧失实时的风险状态。
10.按上述系统，所述的数据采集模块利用dc/dc温度传感器、车载电压表、车载电流表、电池温度传感器、电机温度传感器和电池管理系统采集所述的关键部件的特征指标。
11.按上述系统，所述的数据处理模块在剔除异常数据时，使用格拉布斯准则。
12.按上述系统，所述的动力丧失风险等级包括安全、低风险、中风险、高风险4种风险
等级。
13.按上述系统，所述的利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，具体为：
14.首先是将采集到的各个特征指标数据列成矩阵的形式：
[0015][0016]
矩阵有n行9列，第一列为dc/dc温度数据，第二列为dc/dc输入电压数据，第三列为dc/dc输出电压数据，第四列为dc/dc输入电流数据，第五列为dc/dc输出电流数据，第六列为逆变器温度数据，第七列为电机温度数据，第八列为蓄电池温度数据，第九列为蓄电池单体电压数据九种，代表所述9个特征指标，矩阵有n行代表每一个特征指标有n个采集的数据样本，在实车上采集数据，数据样本量不断地扩充；
[0017]
然后对矩阵进行标准化处理，得到标准化的特征指标，由于采集的数据样本可能存在负值，因此利用以下公式进行标准化：
[0018][0019]
式中，下标i代表数据样本所处的行数，下标j代表数据样本所处的列数，得到标准化后的矩阵y：
[0020][0021]
得到标准化矩阵y后，计算第j个特征指标下第i个数据样本的比重p
ij
，形成概率矩阵p，概率矩阵p的计算公式如下：
[0022][0023]
得到概率矩阵p：
[0024][0025]
依次计算9个特征指标的信息熵，第j个特征指标的信息熵用如下公式计算:
[0026][0027]
其中k为常数，ej即为第j个特征指标的信息熵；
[0028]
通过信息熵计算每一种评价指标对动力丧失风险的权重：
[0029][0030]
其中各项指标的权重加起来等于1，因此
[0031]
利用熵权法计算九种评级特征指标报警类型对于动力丧失风险的影响权重，根据
评价指标输出的报警等级，综合权重计算；设最终动力丧失风险等级为a，评价特征指标的风险等级为b(指标安全输出0，指标一级报警输出1，指标二级报警输出2，指标三级报警输出3)：
[0032][0033]
最终根据a的分数，定义a＝0为安全状态，0＜a≤1时为动力丧失低风险状态，1＜a≤2时为动力丧失中风险状态，2＜a≤3为动力丧失高风险状态。
[0034]
按上述系统，数据采集模块的采样频率为10hz。
[0035]
按上述系统，本系统设置在云端，从电动汽车端远程采集特征指标。
[0036]
利用所述电动汽车动力丧失风险预警系统实现的风险预警方法，本方法包括以下步骤：
[0037]
s1、采集电动汽车关键部件的特征指标；所述的关键部件的特征指标包括dc/dc转换器的温度、输入电压、输出电压、输入电流、输出电流，以及蓄电池的单体电压和温度，电机和逆变器的温度；
[0038]
s2、对所述关键部件的特征指标进行离群点检测，并剔除异常数据，得到处理后的特征指标；
[0039]
s3、对所述处理后的特征指标，对具体的特征指标进行阈值划分，并根据采集的数据输出相应的特征指标报警类型与报警等级；所述的特征指标报警类型为dc/dc温度报警、dc/dc输入电压报警、dc/dc输出电压报警、dc/dc输入电流报警、dc/dc输出电流报警、逆变器温度报警、电机温度报警、蓄电池温度报警、蓄电池单体电压报警九种；基于评价特征指标类型与报警等级，利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，得到动力丧失实时的风险状态。一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述风险预警方法的步骤。
[0040]
一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述风险预警方法的步骤。
[0041]
本发明产生的有益效果是：本发明考虑了行车数据，综合了格拉布斯准则、熵权法对电动汽车动力丧失风险进行预警，可作为电动汽车动力丧失风险预警领域的研究参考，提高驾驶人的人身安全保障。
附图说明
[0042]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0043]
图1是本发明实施例的结构示意图。
具体实施方式
[0044]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0045]
如图1所示，本发明提供一种电动汽车动力丧失风险预警系统，本系统包括：
[0046]
数据采集模块，用于采集电动汽车关键部件的特征指标；所述的关键部件的特征指标包括dc/dc转换器的温度、输入电压、输出电压、输入电流、输出电流，以及蓄电池的单体电压和温度，电机和逆变器的温度。本实施例中，所述的数据采集模块利用dc/dc温度传感器、车载电压表、车载电流表、电池温度传感器、电机温度传感器和电池管理系统采集所述的关键部件的特征指标，数据采集模块的采样频率为10hz。
[0047]
所述关键部件的特征指标是本发明通过以下原理推导得到的。
[0048]
情景分析是通过分析所有影响事物发展的因素推理和概述未来趋势和潜在结果，本方案综合考虑了以往的文献、电动汽车运行机理，分析动力丧失的原因一般涉及到电动汽车的以下几个单元：
[0049]
(1)驱动电机和驱动电机逆变器过温或发生故障
[0050]
(2)电动汽车电池过温或发生故障
[0051]
(3)电动汽车dc/dc变换器过温或故障
[0052]
由于电机运行稳定，内部运行故障较少，因此确定动力丧失风险主要的评价单元为dc/dc温度报警、dc/dc状态报警、电机温度报警、电池状态报警四个部分。
[0053]
确定电动汽车动力丧失风险的几项故障后，利用二元logistic回归进行特征参数识别和提取。logistic回归分析是一种广义的线性回归分析模型，常用于数据挖掘、特征指标提取。logistic回归分析用于研究x对y的影响，并且对x的数据类型没有要求，x可以为定类数据，也可以为定量数据，但要求y必须为定类数据，并且根据y的选项数，使用相应的数据分析方法。在此处的分析中，定义y为故障报警单元，x为具体的特征指标数据，提取报警单元的具体特征参数。
[0054]
针对每类故障报警进行二元logistic回归分析(本次分析的置信区间取95％)：
[0055][0056]
式中：pj为单元故障报警的类型，β0为常量，p为特征指标的个数，xq为影响因素，βq为特征指标的权重系数，q为常数，q＝1,2,3,
…
,p。
[0057]
在模型拟合优度分析阶段，若-2对数似然值相对较小，内戈尔科r方近似为1，说明拟合程度较高。在hosmer-lemeshow检验阶段，当且仅当显著性均大于》0.05时，则接受原假设，即观测频数的分布与期望分布的差异不显著，模型的拟合效果较好。
[0058]
在影响关系分析阶段，除去虚拟自变量之后，当连续变量的概率p值都小于0.05时，则拒绝原假设，意味着利用二元logistic回归之后的参数与故障报警的线性关系显著，这些参数即为与该类故障报警相关的特征参数。
[0059]
根据确定的特征指标与每类故障的关系，对每一个特征指标的实际数据做了一个阈值的划分。定义超过低风险阈值但未超过中风险阈值为一级报警，超过中风险阈值但未超过高风险阈值为二级报警，超过高风险阈值为三级报警。
[0060]
本实例阈值的划分基于东风e70车型，阈值的划分根据gb/t 28046.4-2011《电气及电子设备的环境条件和试验第4部分：气候负荷》、gb/t 24347-2021《电动汽车dc/dc变换器》以及东风e70电动汽车数据协议《f15a ev300通信网络信号矩阵》确定，部件指标的工作上下限设定为高风险阈值，根据数理统计的方法，温度通常取工作范围100％
±
5％设定为低风险阈值。在低、高风险阈值之间设定中风险阈值，取工作范围的100％
±
2％为中风险阈
值。电压、电流等数据无负值，按照数据上限的95％、98％设定阈值，各单元评价指标及其阈值如表1所示。
[0061]
表1动力丧失风险评价指标及阈值
[0062]
[0063][0064]
数据处理模块，用于对所述关键部件的特征指标进行离群点检测，并剔除异常数据，得到处理后的特征指标。本实施例采用格拉布斯准则剔除异常数据。格拉布斯准则(grubbs)一种剔除异常数据的方法准则，理论上较严谨，使用也方便。格拉布斯准则的使用以数据量充分大为前提，根据误差理论，要有效地剔除偶然误差，一般要测量10次以上，行车数据的数据量符合格拉布斯准则的使用标准。格拉布斯准则认为当数据样本的残差满足下式时，应当将数据舍去：
[0065][0066]
式中，vi为数据样本的残差，为采集到的n个数据的平均值，σ(x)为数据组的标准差，g(n,a)是取决与测量次数n和显著性水平a的函数值，为常数，a通常取0.05。
[0067]
动力丧失风险状态评估模块，用于对所述处理后的特征指标，对具体的特征指标进行阈值划分，并根据采集的数据输出相应的特征指标报警类型与报警等级；所述的特征指标报警类型为dc/dc温度报警、dc/dc输入电压报警、dc/dc输出电压报警、dc/dc输入电流报警、dc/dc输出电流报警、逆变器温度报警、电机温度报警、蓄电池温度报警、蓄电池单体电压报警九种；基于评价特征指标类型与报警等级，利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，得到动力丧失实时的风险状态。根据实时的数据，确定其
是否超过阈值，该评价指标输出相应的报警等级。所述的动力丧失风险等级包括安全、低风险、中风险、高风险4种风险等级。
[0068]
所述的利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，具体为：
[0069]
首先是将采集到的各个特征指标数据列成矩阵的形式：
[0070][0071]
矩阵有n行9列，第一列为dc/dc温度数据，第二列为dc/dc输入电压数据，第三列为dc/dc输出电压数据，第四列为dc/dc输入电流数据，第五列为dc/dc输出电流数据，第六列为逆变器温度数据，第七列为电机温度数据，第八列为蓄电池温度数据，第九列为蓄电池单体电压数据九种，代表所述9个特征指标，矩阵有n行代表每一个特征指标有n个采集的数据样本，在实车上采集数据，数据样本量不断地扩充；
[0072]
然后对矩阵进行标准化处理，得到标准化的特征指标，由于采集的数据样本可能存在负值，因此利用以下公式进行标准化：
[0073][0074]
式中，下标i代表数据样本所处的行数，下标j代表数据样本所处的列数，得到标准化后的矩阵y：
[0075][0076]
得到标准化矩阵y后，计算第j个特征指标下第i个数据样本的比重p
ij
，形成概率矩阵p，概率矩阵p的计算公式如下：
[0077][0078]
得到概率矩阵p：
[0079][0080]
依次计算9个特征指标的信息熵，第j个特征指标的信息熵用如下公式计算:
[0081][0082]
其中k为常数，ej即为第j个特征指标的信息熵；
[0083]
通过信息熵计算每一种评价指标对动力丧失风险的权重：
[0084][0085]
其中各项指标的权重加起来等于1，因此
[0086]
利用熵权法计算九种评级特征指标报警类型对于动力丧失风险的影响权重，根据评价指标输出的报警等级，综合权重计算；设最终动力丧失风险等级为a，评价特征指标的风险等级为b(指标安全输出0，指标一级报警输出1，指标二级报警输出2，指标三级报警输出3)：
[0087][0088]
最终根据a的分数，定义a＝0为安全状态，0＜a≤1时为动力丧失低风险状态，1＜a≤2时为动力丧失中风险状态，2＜a≤3为动力丧失高风险状态。
[0089]
进一步优选的，本系统设置在云端，从电动汽车端远程采集特征指标。基于云端平台进行深度处理与分析实时采集的电动汽车行车数据，可实现电动汽车动力丧失风险的精准评估。
[0090]
利用所述电动汽车动力丧失风险预警系统实现的风险预警方法，本方法包括以下步骤：
[0091]
s1、采集电动汽车关键部件的特征指标；所述的关键部件的特征指标包括dc/dc转换器的温度、输入电压、输出电压、输入电流、输出电流，以及蓄电池的单体电压和温度，电机和逆变器的温度；
[0092]
s2、对所述关键部件的特征指标进行离群点检测，并剔除异常数据，得到处理后的特征指标；
[0093]
s3、对所述处理后的特征指标，对具体的特征指标进行阈值划分，并根据采集的数据输出相应的特征指标报警类型与报警等级；所述的特征指标报警类型为dc/dc温度报警、dc/dc输入电压报警、dc/dc输出电压报警、dc/dc输入电流报警、dc/dc输出电流报警、逆变器温度报警、电机温度报警、蓄电池温度报警、蓄电池单体电压报警九种；基于评价特征指标类型与报警等级，利用熵权法综合各类特征指标报警类型对动力丧失风险等级进行评价，得到动力丧失实时的风险状态。
[0094]
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述风险预警方法的步骤。
[0095]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述风险预警方法的步骤。
[0096]
本发明采用多模型融合方法，并根据国标与电动汽车数据协议划分阈值。主要瞄准车辆动力丧失故障发生前一段时间，对动力丧失的风险进行判断及预警，做到动力丧失风险事前预警和事中报警，是保证驾驶人人身安全、降低损失的有效手段。
[0097]
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。