CN102354197B - 基于虚拟仪器的电动汽车数据采集与管理*** - Google Patents
基于虚拟仪器的电动汽车数据采集与管理*** Download PDFInfo
- Publication number
- CN102354197B CN102354197B CN2011102801231A CN201110280123A CN102354197B CN 102354197 B CN102354197 B CN 102354197B CN 2011102801231 A CN2011102801231 A CN 2011102801231A CN 201110280123 A CN201110280123 A CN 201110280123A CN 102354197 B CN102354197 B CN 102354197B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- array
- management system
- class
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000000007 visual effect Effects 0.000 title abstract description 4
- 238000013523 data management Methods 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000007726 management method Methods 0.000 claims abstract description 16
- 239000012634 fragment Substances 0.000 claims description 76
- 238000000034 method Methods 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000513 principal component analysis Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 239000000872 buffer Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 238000005538 encapsulation Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 239000000295 fuel oil Substances 0.000 abstract 1
- 238000004806 packaging method and process Methods 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于包括:车载数据采集***和上位机数据管理***;所述车载数据采集***包括:无线传输模块,CAN协议控制模块,CAN总线驱动模块,高速光电耦合器,SD存储模块,GPS定位模块;通过CAN协议控制模块对车载CAN总线上的数据进行实时采集,并对采集的数据进行打包处理,然后通过无线传输模块发送到上位机数据管理***的数字信号处理器;上位机数据管理***为包括:数据收发模块,数据处理模块,行驶工况自动生成模块和行驶工况在线识别模块。该***实现了汽车行驶工况的在线、实时识别,为电动汽车控制策略的实时调整提供了可靠依据,进而提高了燃油经济性、动力性和平顺性。
Description
技术领域
本发明涉及一种基于虚拟仪器的电动汽车数据采集与管理***。
背景技术
随着石油等非可再生资源的日益消耗以及人们环保意识的普遍提高,节能与环保已成为当今世界的两大主题。在此背景下应运而生的,具有低油耗、少排放、高效益优势的电动汽车,已然成为汽车工业研究和应用的“热点”之一。通过对电动汽车车载CAN网络内的行车数据进行分析处理,可有效掌握汽车运行状态,并为动力***控制策略的优化提供依据。因此,对于电动汽车行车数据的采集与分析管理就显得尤为重要。而就目前已有的数采***在数据的分析管理方面明显存在以下不足:一、未能以所采数据为基础进行循环工况的自动生成;二、无法完成循环工况的在线识别。因此,需要采用基于虚拟仪器的电动汽车CAN网行车数据综合管理***,全面实现行车数据的采集、传输、存储、显示,实现循环工况自动生成以及工况在线识别。
发明内容
本发明针对以上问题的提出,而研制基于虚拟仪器的电动汽车数据采集与管理***。本发明采用的技术手段如下:
一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于包括:车载数据采集***和上位机数据管理***;
所述车载数据采集***包括:
用于完成车载数据采集***与上位机数据管理***之间的无线通信的无线传输模块;
用于完成基于CAN协议的数据收发的CAN协议控制模块;
用于完成CAN协议控制模块逻辑电平与车载CAN总线差分式电平的转换的CAN总线驱动模块;
位于CAN协议控制模块和CAN总线驱动模块之间,用于消除噪声,提高电路抗干扰能力的高速光电耦合器;
用于将数字信号处理器所采数据进行实时存储的SD存储模块;
负责接收卫星定位数据的GPS定位模块;
通过CAN协议控制模块对车载CAN总线上的数据进行实时采集,并对采集到的数据及GPS定位数据进行打包处理,然后通过无线传输模块将该数据包封装为IP包后发送到上位机数据管理***的数字信号处理器;
上位机数据管理***为包括:
用于完成车载数据采集***与上位机数据管理***之间的无线通信的数据收发模块;
用于完成所采数据的实时解析、实时显示、实时存储、实时曲线绘制与历史曲线绘制的数据处理模块;
用于自动生成汽车行驶道路的工况的行驶工况自动生成模块;
用于完成汽车行驶工况的实时在线识别的行驶工况在线识别模块。
车载CAN总线上的数据帧通过CAN总线驱动模块完成车载CAN总线差分式电平到CAN协议控制模块逻辑电平的转换,转换后的数据帧通过高速光电耦合器降噪后,进入CAN协议控制模块,然后CAN协议控制模块控制其中的报文接收过滤器将接收到的数据帧中的ID标识符与用户所设的ID标识符进行匹配,若匹配成功,则数据帧通过过滤器并被送入报文接收缓冲器;若匹配失败,则该数据帧被放弃接收。
所述无线传输模块内置TCP/IP协议栈,当其接收到数字信号处理器输入的数据包后即将其封装成IP包,该IP包除包含前述数据包外,还包含车载数据采集***的IP地址和端口号以及作为IP包接收终端的上位机数据管理***所在的IP地址和服务端口号,IP包封装完成之后,无线传输模块即通过基于TCP/IP协议的GPRS网络及Internet网络向上位机数据管理***所在的服务端口发出连接请求,若对方应答同意,则双方建立连接,此时,无线传输模块将IP包发送到相应的上位机数据管理***中。
上位机数据管理***启动后,数据收发模块首先通过TCP侦听函数在用户指定的服务端口创建监听端,该指定服务端口与封装在前述IP包内的上位机数据管理***服务端口相同,当车载数据采集***向服务端口请求连接时,该监听端应答同意,于是建立车载数据采集***与上位机数据管理***的远程连接,并返回车载数据采集***的IP地址,数据收发模块将该IP进行编号操作,作为车载数据采集***的身份标识,之后,数据收发模块从TCP连接中读取数据,并解析出原始的数据包,包括CAN总线数据帧与卫星定位数据帧。接着,数据收发模块根据车载数据采集***的编号对数据包进行赋予相同的编号后,便将该数据包送入数据处理模块。
上位机数据管理***启动后,若用户发出创建数据库指令,则数据处理模块将通过创建数据库函数在用户指定的路径下创建所需数据库。该创建数据库指令的触发,由用户是否点击上位机数据管理***前面板的相应布尔按钮决定。数据库一旦创建,之后对数据库进行各种操作的路径将不会改变,直至下次用户触发创建数据库指令;数据处理模块接收到前述数据包后,首先以编号作为行号,将不同编号的数据包存入二维数组的不同位置中,之后,数据处理模块进行拆包操作,解析CAN总线数据帧与卫星定位数据帧;
数据处理模块将CAN总线数据帧按照相应的CAN网协议进行数据解析,并将解析后的数据分别显示在上位机数据管理***前面板的相应控件中,实现数据实时监测与故障实时报警,与此同时,数据处理模块通过数据库写入函数将解析后的CAN总线数据分别存入数据库中的相应位置;
数据处理模块将前述卫星定位数据帧解析为具体的经度、纬度、数据记录时刻,并将其分别显示在上位机数据管理***前面板的相应控件中,与此同时,数据处理模块通过数据库写入函数将解析后的卫星定位数据分别存入数据库中的相应位置。
数据处理模块还以实时时间为横坐标,以用户选择的某一编号的解析后的某一数据为纵坐标,绘制数据实时曲线并将其显示在上位机数据管理***前面板相应控件中;若用户发出绘制历史曲线指令,则数据处理模块将通过数据库读取函数,从数据库中获取用户选择的某一编号的某一数据,并以该数据为纵坐标,以用户选择的某一时间段为横坐标,绘制数据历史曲线,并将其显示在上位机数据管理***前面板的相应控件中。
行驶工况自动生成模块控制过程如下:
第一步:提取N个运动学片段并计算每个运动学片段的能够充分表征运动学片段特征的M个特征参数,
行驶工况自动生成模块逻辑认定车速为零、发动机转速不为零的行驶状态为怠速状态且相邻两个怠速状态之间的行驶过程为一个运动学片段,即车辆从一个怠速状态的开始到下一个怠速状态的开始、包括一个怠速部分和一个行驶部分的行驶过程为一个运动学片段;
基于上述逻辑,行驶工况自动生成模块首先通过数据库读取函数,读取用户选择的某一编号的车速、发动机转速及相应的数据记录时刻,并通过对车速及发动机转速的考察,从大量数据中划分出N个运动学片段,其中第i个记为运动学片段Ni,i=1,2…N,接着将每一个运动学片段对应的车速及数据记录时刻存入N个不同的数组;之后,行驶工况自动生成模块通过片段Ni的车速及数据记录时刻,计算出每个片段的M个特征参数,并将第i个片段Ni对应的M个特征参数存入特征参数数组ParamN的第i行,同时将行号I存入第i行的第M+1列作为第i个运动学片段的编号;
第二步:标准化
采用各类数据标准化方法对第一步所述的特征参数数组ParamN的N×M列个特征参数进行标准化计算标准化完成之后,将各数据存入标准特征值数组StdParamN中;
第三步:主成分分析
采用主成分分析方法对所选的M个特征参数进行降维处理,即用较少的几个综合参数来代替原来较多的参数,而且使这些较少的综合参数既能尽量多地反映原来较多参数所反映的信息,同时它们之间又是彼此独立的;
主成分分析的计算步骤如下:
(6)计算标准特征值数组的相关系数矩阵R;
(7)计算相关系数矩阵R的特征值与特征向量,之后,将计算所得的特征值与对应的特征向量分别按照由大到小的顺序排列;
(8)根据(2)中所述特征值计算主成分贡献率及累计贡献率,将累计贡献率≥85%的前m个特征值存入特征值数组中Eigm;将特征值对应的特征向量存入特征向量数组中Em;
(9)根据(3)中所述的特征值数组与特征向量数组,计算主成分载荷,得到各主成分在各特征参数上的载荷,并将各载荷数据存入载荷数组P中;
(10)根据前述标准特征值数组StdParamN与载荷数组P,计算各主成分得分,得到第i个运动学片段的特征参数在各主成分中的得分,并将各得分数据存入得分数组Score中N行m列,同时将各行编号I存入第m+1列;
第四步:聚类分析
对第三步得到的m个主成分的得分数组,进行K-means聚类分析,根据城市道路交通状况及车流量确定了5个工况类别,分别为:市中心,记为Class1;中心周边,记为Class2;近郊区,记为Class3;远郊区,记为Class4;高速公路,记为Class5;
聚类分析计算步骤如下:
(6)从得分数组Score中随机选取不同的5行、m列数据作为5个初始聚类中心,分别记为c1、c2、c3、c4、c5;
(7)计算得分数组Score中第i行、前m列数据xi与第j个中心cj之间的欧式距离dij,若dij<dir其中:i=1,2...N;j,r=1,2...5;j≠r,则将xi划分到第j类中,并以cj作为第j类数组ParamNj的第一行,将第t次计算得到的xi及其对应于Score中的行编号I***第j类数组ParamNj的第t+1行,由此,可得到5个二维数组ParamN1、ParamN2、ParamN3、ParamN4、ParamN5;
(9)在规定的聚类迭代次数内判断是否成立,若成立,则当前 为最终5类的中心;若聚类迭代次数达到指定值,但仍不成立,则停止聚类迭代,当前得到的为最终5类的中心;若未达到聚类迭代次数且不成立,则返回(2)继续执行;
(10)最终得到聚类完成的第1类数组ParamN1、第2类数组ParamN2、第3类数组ParamN3、第4类数组ParamN4、第5类数组ParamN5;
第五步:计算每一个工况类别特征参数的平均值
由于ParamNj中编号I对应的行数据与原特征参数数组ParamN中编号I对应的行数据反映同一个运动学片段,因此,聚类完成之后,行驶工况自动生成模块根据第j类数组ParamNj中的编号I,可获知特征参数数组ParamN中第i行特征参数即第i个运动学片段所属的类别;据此,行驶工况自动生成模块便将特征参数数组ParamN中的N行数据分成了5类,并存入二维数组TempClass1、TempClass2、TempClass3、TempClass4、TempClass5中;接着,行驶工况自动生成模块对TempClassj,其中:j=1,2...5,中的加速时间比例、减速时间比例、怠速时间比例、平均速度进行考察,进而确定出TempClassj,j=1,2...5与Classj,j=1,2...5的对应关系,并将数组TempClassj,j=1,2...5命名为与之对应的Classj,j=1,2...5,之后,对数组Classj,j=1,2...5中的前M列特征参数分别按列计算其平均值,并将所得的结果存入特征参数平均值数组AverageP中,其中第k,k=1,2...5行为第j,j=k类的特征参数平均值,
第六步:确定每一个工况类别的最具代表性运动学片段
行驶工况自动生成模块取Classj,其中:j=1,2...5,的每一行的前M个元素与特征参数平均值数组AverageP的第k,k=j行的元素进行相关系数的计算,若Classj中第r行与特征参数平均值数组AverageP的第k行计算所得的相关系数最大,则认为第r行第M+1列元素代表的运动学片段Ni为Classj类中最具代表性的运动学片段;
第七步:计算每一个工况类别最具代表性的运动学片段的个数nj,其中:j=1,2...5;
第八步:绘制工况图并将典型工况数据存入数据库
行驶工况自动生成模块通过数据库读函数,获取第七步所述的个运动学片段的车速,并以该车速为纵坐标,以典型行驶工况时间为横坐标,通过绘图函数绘制行驶工况图并将其显示在上位机数据管理***前面板的相应控件中,同时,行驶工况自动生成模块通过数据库写函数将个运动学片段的个特征参数存入数据库中。
行驶工况在线识别模块控制过程如下:
第一步:
行驶工况在线识别模块首先提取经前述数据处理模块控制过程的第二步解析完成的数据,接着,进行运动学片段的划分并计算该运动学片段的M个特征参数,其划分及计算方法同前述行驶工况自动生成模块控制过程的第一步相同,
第二步:
将第一步所得的M个特征参数分别与前述AverageP的第k,k=1,2...5,行进行相关系数的计算,若M个特征参数与AverageP的第j,1≤j≤5行计算所得的相关系数最大,则认为当前运动学片段属于第j类,即汽车当前行驶工况属于Classj类。
本发明的效果和益处是:本发明充分利用车载CAN总线传输快、接入方便的特点以及TCP/IP连接稳定可靠的优势,并结合基于LabVIEW的虚拟仪器技术,全面实现电动汽车行车数据的实时采集、实时分析、实时存储、实时显示;本发明具有的行驶工况自动生成模块,提高了工况构建效率,节省了人力资源消耗,并为基于行驶工况而开展的各类研究打下坚实基础;本发明具有的行驶工况在线识别模块,实现了汽车行驶工况的在线、实时识别,为电动汽车控制策略的实时调整提供了可靠依据,进而提高了燃油经济性、动力性和平顺性。
附图说明
图1是本发明的***结构示意图;
图2是本发明车载数据采集***控制过程流程图;
图3是本发明上位机数据管理***收发模块控制过程流程图;
图4是本发明上位机数据管理***行驶工况自动生成模块控制过程流程图;
图5是本发明上位机数据管理***行驶数据处理模块和行驶工况在线识别模块控制过程流程图。
具体实施方式
如图1至图5所示该基于虚拟仪器的电动汽车数据采集与管理***,包括:车载数据采集***和上位机数据管理***;所述车载数据采集***包括:
用于完成车载数据采集***与上位机数据管理***之间的无线通信的无线传输模块15;用于完成基于CAN协议的数据收发的CAN协议控制模块6;用于完成CAN协议控制模块逻辑电平与车载CAN总线差分式电平的转换的CAN总线驱动模块2;位于CAN协议控制模块和CAN总线驱动模块之间,用于消除噪声,提高电路抗干扰能力的高速光电耦合器(标号3所示的高速光电耦合器1、标号4所示高速光电耦合器2);用于将数字信号处理器所采数据进行实时存储的SD存储模块8(SD卡);负责接收卫星定位数据的GPS定位模块10;
通过CAN协议控制模块6对车载CAN总线1上的数据进行实时采集,并对采集的数据进行打包处理,然后通过无线传输模块发送到上位机数据管理***18的数字信号处理器12(即DSP);还包括:CAN总线驱动模块2和电源模块5;其中,数字信号处理器12内置了CAN协议控制模块6、SPI 7、串口1、串口2、CPU13、存储器19;
上位机数据管理***为包括:用于完成车载数据采集***与上位机数据管理***之间的无线通信的数据收发模块;用于完成所采数据的实时解析、实时显示、实时存储、实时曲线绘制与历史曲线绘制的数据处理模块;用于自动生成汽车行驶道路的工况的行驶工况自动生成模块;用于完成汽车行驶工况的实时在线识别的行驶工况在线识别模块。本发明的上位机数据管理***运行在上位机16中。车载CAN总线上的数据帧通过CAN总线驱动模块完成车载CAN总线差分式电平到CAN协议控制模块逻辑电平的转换,转换后的数据帧通过高速光电耦合器降噪后,进入CAN协议控制模块,然后CAN协议控制模块控制其中的报文接收过滤器将接收到的数据帧中的ID标识符与用户所设的ID标识符进行匹配,若匹配成功,则数据帧通过过滤器并被送入报文接收缓冲器;若匹配失败,则该数据帧被放弃接收。所述无线传输模块内置TCP/IP协议栈,当其接收到数字信号处理器输入的数据包后即将其封装成IP包,该IP包除包含前述数据包外,还包含车载数据采集***的IP地址和端口号以及作为IP包接收终端的上位机数据管理***所在的IP地址和服务端口号,IP包封装完成之后,无线传输模块即通过基于TCP/IP协议的GPRS网络及Internet网络向上位机数据管理***所在的服务端口发出连接请求,若对方应答同意,则双方建立连接,此时,无线传输模块将IP包发送到相应的上位机数据管理***中。上位机数据管理***启动后,数据收发模块首先通过TCP侦听函数在用户指定的服务端口创建监听端,该指定服务端口与封装在前述IP包内的上位机数据管理***服务端口相同,当车载数据采集***向服务端口请求连接时,该监听端应答同意,于是建立车载数据采集***与上位机数据管理***的远程连接,并返回车载数据采集***的IP地址,数据收发模块将该IP进行编号操作,作为车载数据采集***的身份标识,之后,数据收发模块从TCP连接中读取数据,并解析出原始的数据包,包括CAN总线数据帧与卫星定位数据帧。接着,数据收发模块根据车载数据采集***的编号对数据包进行赋予相同的编号后,便将该数据包送入数据处理模块。
上位机数据管理***启动后,若用户发出创建数据库指令,则数据处理模块将通过创建数据库函数在用户指定的路径下创建所需数据库。该创建数据库指令的触发,由用户是否点击上位机数据管理***前面板的相应布尔按钮决定。数据库一旦创建,之后对数据库进行各种操作的路径将不会改变,直至下次用户触发创建数据库指令;数据处理模块接收到前述数据包后,首先以编号作为行号,将不同编号的数据包存入二维数组的不同位置中,之后,数据处理模块进行拆包操作,解析CAN总线数据帧与卫星定位数据帧;数据处理模块将CAN总线数据帧按照相应的CAN网协议进行数据解析,并将解析后的数据分别显示在上位机数据管理***前面板的相应控件中,实现数据实时监测与故障实时报警,与此同时,数据处理模块通过数据库写入函数将解析后的CAN总线数据分别存入数据库中的相应位置;数据处理模块将前述卫星定位数据帧解析为具体的经度、纬度、数据记录时刻,并将其分别显示在上位机数据管理***前面板的相应控件中,与此同时,数据处理模块通过数据库写入函数将解析后的卫星定位数据分别存入数据库中的相应位置。数据处理模块还以实时时间为横坐标,以用户选择的某一编号的解析后的某一数据为纵坐标,绘制数据实时曲线并将其显示在上位机数据管理***前面板相应控件中;若用户发出绘制历史曲线指令,则数据处理模块将通过数据库读取函数,从数据库中获取用户选择的某一编号的某一数据,并以该数据为纵坐标,以用户选择的某一时间段为横坐标,绘制数据历史曲线,并将其显示在上位机数据管理***前面板的相应控件中。
如图1所示,绿色结构为本发明车载数据采集***硬件结构,
现结合某市电动公交车叙述本发明各***控制过程。本发明从该电动公交车CAN总线上采集三组数据,分别为:电机数据组、电池数据组、发动机数据组。本发明车载数据采集***的控制过程如下:
第一步:按下电源开关16,车载数据采集***启动。CPU13发出指令,完成定时器的初始化、***时钟初始化、各中断控制寄存器和状态寄存器初始化、SPI通讯初始化、CAN协议控制模块初始化、串口通讯初始化、存储器初始化。
第二步:1、CPU13发出指令,控制CAN协议控制模块6进入正常工作模式。此时,车载CAN总线1上的数据帧通过CAN总线驱动模块2完成车载CAN总线差分式电平到CAN协议控制模块逻辑电平的转换,转换后的数据帧通过高速光电耦合器1、2降噪后,进入CAN协议控制模块6。此时,CAN协议控制模块6控制其中的报文接收过滤器将接收到的数据帧中的ID标识符与用户所设(通过编程语言实现)的ID标识符进行匹配,若匹配成功,则数据帧通过过滤器并被送入CAN协议控制模块6内的报文接收缓冲器;若匹配失败,则该数据帧被放弃接收。
2、CPU13发出指令,驱动GPS定位模块10进入工作状态。此时,GPS定位模块10将接收到的卫星定位数据帧通过串口2输入存储器19内的临时缓冲区。
上述1、2同时进行,互不干涉。
第三步:CPU13发出指令,将报文接收缓冲器中的CAN总线数据帧与存储器临时缓冲区中的卫星定位数据帧封装成一个数据包。
第四步:1、CPU13发出指令,控制第三步所述数据包通过串口1输入无线传输模块15。无线传输模块15内置TCP/IP协议栈,当其接收到串口1输入的数据包后即将其封装成IP包,该IP包除包含前述数据包外,还包含车载数据采集***的IP地址(如***.***.***.***)和服务端口号(如8888)以及作为IP包接收终端的上位机数据管理***(运行在上位机18中)所在的IP地址(如###.###.###.###)和服务端口号(如9999)。IP包封装完成之后,无线传输模块15即通过基于TCP/IP协议的GPRS网络及Internet网络向上位机数据管理***所在的服务端口发出连接请求,若对方应答同意,则双方建立连接。此时,无线传输模块15将IP包发送到相应的上位机数据管理***中。
2、CPU13发出指令,控制第三步所述数据包通过SPI 7存入SD卡8中。
上述1、2同时进行,互不干涉。
本发明上位机数据管理***为运行在上位机18中的基于LabVIEW的虚拟仪器***,该***功能的实现由后面板的程序框图及前面板的控件界面协作完成。数据收发模块控制过程如下:
上位机数据管理***启动后,数据收发模块首先通过TCP侦听函数在用户指定的服务端口,即前述9999端口,创建监听端。当车载数据采集***向服务端口9999请求连接时,该监听端应答同意,于是建立车载数据采集***与上位机数据管理***的远程连接,并返回车载数据采集***的IP地址,即前述***.***.***.***,数据收发模块将该IP进行编号操作(如编号m),作为车载数据采集***的身份标识。之后,数据收发模块从TCP连接中读取数据,并解析出原始的数据包,包括CAN总线数据帧与卫星定位数据帧。接着,数据收发模块根据车载数据采集***的编号对数据包进行赋予相同的编号(即编号m)后,便将该数据包送入数据处理模块。
数据处理模块控制过程如下:
第一步:创建数据库:上位机数据管理***启动后,若用户发出创建数据库指令,则数据处理模块将通过创建数据库函数在用户指定的路径下创建所需数据库。该创建数据库指令的触发,由用户是否点击上位机数据管理***前面板的相应布尔按钮决定。数据库一旦创建,之后对数据库进行各种操作的路径将不会改变,直至下次用户触发创建数据库指令。
第二步:数据实时解析、实时显示与实时存储:数据处理模块接收到数据收发模块传来的数据包后,首先以编号m作为行号,将不同编号的数据包存入二维数组的不同位置中。之后,数据处理模块进行拆包操作,解析CAN总线数据帧与卫星定位数据帧:
1、数据处理模块将CAN总线数据帧按照电动公交车规定的CAN网协议进行数据解析,可分别得到:电机相关数据、电池相关数据、发动机相关数据。之后,数据处理模块将解析后的各项数据分别赋给相应的数据显示控件,令其显示在上位机数据管理***前面板的相应控件中,实现数据实时监测与故障实时报警。与此同时,数据处理模块通过数据库写入函数将解析后的各项数据分别存入数据库中的相应位置(如将车速数据存入表m的车速列,发动机转速存入表m的发送机转速列)。
2、数据处理模块将卫星定位数据帧解析为具体的经度、纬度、数据记录时刻,并将解析后的各项数据分别赋给相应的数据显示控件,令其显示在上位机数据管理***前面板的相应控件中。与此同时,数据处理模块通过数据库写入函数将解析后的卫星定位数据分别存入数据库中的相应位置(如将经度存入表m的经度列,数据记录时刻存入表m的数据记录时刻列)。上述1、2同时进行,互不干涉。
第三步:数据实时曲线绘制:数据处理模块通过设置绘图函数的横坐标为实时时间,纵坐标为用户选择的编号m的解析后的某一数据(如车速)实现车速数据曲线实时绘制,并将可视化曲线通过上位机数据管理***前面板的图形显示控件予以显示。
第四步:数据历史曲线绘制:若用户发出绘制历史曲线指令,则数据处理模块将通过数据库读取函数,从数据库中获取用户选择的编号m的某一数据(如车速),并通过设置绘图函数的纵坐标为车速,横坐标为用户选择的某一时间段(如x月x日x:xx时-y月y日y:yy时)实现车速历史曲线的绘制,并将可视化曲线通过上位机数据管理***前面板的图形控件予以显示。该绘制历史曲线指令的触发,由用户是否点击上位机数据管理***前面板的相应布尔按钮决定。
行驶工况自动生成模块控制过程如下:
第一步:提取N(千量级为宜)个运动学片段并计算每个运动学片段的M个特征参数行驶工况自动生成模块逻辑认定车速为零、发动机转速不为零的行驶状态为怠速状态且相邻两个怠速状态之间的行驶过程为一个运动学片段,即车辆从一个怠速状态的开始到下一个怠速状态的开始、包括一个怠速部分和一个行驶部分的行驶过程为一个运动学片段。
基于上述逻辑,行驶工况自动生成模块首先通过数据库读取函数,读取用户选择的某一编号的车速、发动机转速及相应的数据记录时刻,并通过对车速及发动机转速的考察,从大量数据中划分出N个运动学片段,其中第i个记为运动学片段Ni(i=1,2…N),接着将每一个运动学片段对应的车速及数据记录时刻存入N个不同的数组。之后,行驶工况自动生成模块通过片段Ni的车速及数据记录时刻,计算出每个片段的M个特征参数,并将第i个片段Ni对应的M个特征参数存入特征参数数组ParamN的第i行,同时将行号I存入第i行的第(M+1)列作为第i个运动学片段的编号。
本发明基于所采集的电动公交车行车数据,选取了下述15个特征参数,即此时M=15。其特征参数分别是:运行距离S、最大速度Vmax、平均速度Vm、运行速度Vr、速度标准偏差Vsd、运行时间T、加速时间Ta、减速时间Td、匀速时间Tc、怠速时间Ti、最大加速度amax、加速段平均加速度aa、最小加速度amin、减速段平均减速度ad、加速度标准偏差asd。
第二步:标准化:由于M个不同的特征参数具有不同的单位和不同的变异程度,从而对数据的进一步处理造成困难。所以根据下述公式,对第一步所述的特征参数数组ParamN的N行、前M列个特征参数进行标准化计算,从而消除量纲影响和数据自身变异的影响。
标准化完成之后,将各数据存入二维数标准特征值数组StdParamN中。
第三步:主成分分析:为降低大量数据对数据处理造成的难度与复杂程度,本发明采用主成分分析方法对所选的M个特征参数进行降维处理,即用较少的几个综合参数来代替原来较多的参数,而且使这些较少的综合参数既能尽量多地反映原来较多参数所反映的信息,同时它们之间又是彼此独立的。
本发明主成分分析的计算步骤如下:计算标准特征值数组的相关系数矩阵R
式中,rij(i,j=1,2...M)为StdParamN中第i列与第j列相关系数,其计算公式为:
式中,xki为StdParamN中第i列第k个元素;为第i列平均值;xkj为StdParamN中第j列第k个元素;为第j列平均值。由公式可看出R是实对称矩阵,即rij=rji,所以只需计算上三角元素并将其值赋给下三角元素。之后,将相关系数矩阵R存入矩阵Rel。计算相关系数矩阵R的特征值与特征向量:
首先求解特征方程|λI-R|=0,得出特征值λi(i=1,2...M),并将其按照由大到小的排列顺序存入二维特征值数组Eigm中;然后分别求出对应于特征值λi的特征向量ei(1≤i≤M),并将M个ei按照对应的λi的顺序排列,即最大的λi对应的ei为第一列并以此类推。之后,将排序完成的ei(i=1,2...M)存入二维数组E中。
计算主成分贡献率及累计贡献率,主成分贡献率Zi由公式(i=1,2,…,M)计算所得;累计贡献率由公式(1≤m≤M)计算所得。将累计贡献率达≥85%的前m个特征值λ1,λ2......λm存入二维数组Eigm中,并将λ1,λ2......λm对应的特征向量e1,e2......em存入二维特征向量数组Em中。
计算主成分载荷:根据下述公式,进行主成分载荷计算,
式中:p(xi,zk)为主成分zk在特征参数xi上的载荷;λk为二维数组Eigm第k列元素;eik为二维数组Em第i行第k列。之后,将pik存入二维载荷数组P中。
计算主成分得分
Score(Ni,Zk)=StdParamN×P(i=1,2...N;k=1,2...m)
式中:Score(Ni,Zk)为第i个运动学片段的特征参数在主成分Zk中的得分。计算完成之后,将各得分数据存入二维数组Score中(N行m列),并将各行编号I存入第(m+1)列。
第四步:聚类分析:基于第三步得到的得分数据,对贡献率大于85%的前Zk(k=1,2...m)个成分进行K-means聚类分析。本发明根据城市道路交通状况及车流量确定了5个工况类别,分别为:市中心,记为Class1;中心周边,记为Class2;近郊区,记为Class3;远郊区,记为Class4;高速公路,记为Class5。
本发明聚类分析计算步骤如下:
从二维得分数组Score中随机选取不同的5行、前m列数据作为5个初始聚类中心,分别记为c1、c2、c3、c4、c5。
通过欧式距离公式:
计算Score中第i行、前m列数据xi与第j个中心cj之间的距离dij。若dij<dir(i=1,2...N;j,r=1,2...5;j≠r),则将xi划分到第j类中,并以cj作为第j类数组ParamNj的第一行,将第t次迭代得到的xi及其对应于Score中的行编号I***第j类数组ParamNj的第(t+1)行。由此,可得到5个二维数组ParamN1、ParamN2、ParamN3、ParamN4、ParamN5。根据公式:
重新计算5类的中心在规定的聚类迭代次数内(如100)判断是否成立,若成立,则当前为最终5类的中心;若聚类迭代次数达到指定值(如100),但仍不成立,则停止聚类迭代,当前得到的为最终5类的中心;若未达到聚类迭代次数且不成立,则返回(2)继续执行;最终得到聚类完成的第1类数组ParamN1、第2类数组ParamN2、第3类数组ParamN3、第4类数组ParamN4、第5类数组ParamN5;
第五步:确定工况类别并计算每一个工况类别特征参数的平均值:由于ParamNj中编号I对应的行数据与原特征参数数组ParamN中编号I对应的行数据反映同一个运动学片段。因此,聚类完成之后,行驶工况自动生成模块根据ParamNj中的编号I,可获知ParamN中第i行特征参数(即第i个运动学片段)所属的类别。据此,行驶工况自动生成模块将ParamN中的N行数据分成5类并存入二维数组TempClass1、TempClass2、TempClass3、TempClass4、TempClass5中。接着,行驶工况自动生成模块通过下述5个公式分别计算每个类别的加速时间比例、减速时间比例、怠速时间比例、匀速时间比例、平均速度。
式中,为TempClassj(j=1,2...5)的怠速时间比例;nj为TempClassj(j=1,2...5)中的行数。
之后,行驶工况自动生成模块对TempClassj(j=1,2...5)中的加速时间比例、减速时间比例、怠速时间比例、平均速度进行考察,并认定:
1)最小、最大的j对应的TempClassj为市中心类,并将数组名TempClassj改为Class1;
TempClassj为远郊区类,并将数组名TempClassj改为Class4;
5)除去1)、2)、3)、4)所述的TempClassj,剩余TempClassj即为近郊区类,并将数组名TempClassj改为Class3。
经上述类别确定之后,行驶工况自动生成模块对数组Classj(j=1,2...5)中的前M列特征参数分别按列计算其平均值,并将所得的结果存入特征参数平均值数组AverageP中,其中第k(k=1,2...5)行为第j(j=k)类的特征参数平均值。
第六步:确定每一个工况类别的最具代表性运动学片段:行驶工况自动生成模块取Classj(j=1,2...5)的每一行的前M个元素与AverageP的第k(k=j)行的元素进行相关系数的计算。若Classj中第r行与AverageP的第k行计算所得的相关系数最大,则认为第r行第(M+1)列元素代表的运动学片段Ni为Classj类中最具代表性的运动学片段。
第七步:确定每一个工况类别最具代表性的运动学片段的个数
根据公式:
计算出Classj中的最具代表性的运动学片段的个数nj。
式中,NCLj为Classj类包含的运动学片段总个数;N为运动学片段总个数;T为典型行驶工况时间,一般可取900-1200秒;T2为最具代表性的运动学片段的终时刻;T1为最具代表性的运动学片段的始时刻。
第八步:绘制工况图并将典型工况数据存入数据库:行驶工况自动生成模块通过数据库读函数,获取第七步所述的个运动学片段的车速。并以该车速为纵坐标,以典型行驶工况时间为横坐标,通过绘图函数绘制行驶工况图并将其显示在上位机数据管理***前面板的相应控件中。同时,行驶工况自动生成模块通过数据库写函数将个运动学片段的个特征参数存入数据库中。
行驶工况在线识别模块控制过程如下:
第一步:
行驶工况在线识别模块首先提取经前述数据处理模块控制过程的第二步解析完成的数据,接着,进行运动学片段的划分并计算该运动学片段的M个特征参数,其划分及计算方法同前述行驶工况自动生成模块控制过程的第一步相同,
第二步:
将第一步所得的M个特征参数分别与前述AverageP的第k,k=1,2...5,行进行相关系数的计算,若M个特征参数与AverageP的第j,1≤j≤5行计算所得的相关系数最大,则认为当前运动学片段属于第j类,即汽车当前行驶工况属于Classj类。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于包括:车载数据采集***和上位机数据管理***;
所述车载数据采集***包括:
用于完成车载数据采集***与上位机数据管理***之间的无线通信的无线传输模块;
用于完成基于CAN协议的数据收发的CAN协议控制模块;
用于完成CAN协议控制模块逻辑电平与车载CAN总线差分式电平的转换的CAN总线驱动模块;
位于CAN协议控制模块和CAN总线驱动模块之间,用于消除噪声,提高电路抗干扰能力的高速光电耦合器;
用于将数字信号处理器所采数据进行实时存储的SD存储模块;
负责接收卫星定位数据的GPS定位模块;
通过CAN协议控制模块对车载CAN总线上的数据进行实时采集,并对采集到的数据及GPS定位数据进行打包处理,然后通过无线传输模块将该数据包封装为IP包后发送到上位机数据管理***的数字信号处理器;
上位机数据管理***为包括:
用于完成车载数据采集***与上位机数据管理***之间的无线通信的数据收发模块;
用于完成所采数据的实时解析、实时显示、实时存储、实时曲线绘制与历史曲线绘制的数据处理模块;
用于自动生成汽车行驶道路的工况的行驶工况自动生成模块;
用于完成汽车行驶工况的实时在线识别的行驶工况在线识别模块;
所述无线传输模块内置TCP/IP协议栈,当其接收到数字信号处理器输入的数据包后即将其封装成IP包,该IP包除包含前述数据包外,还包含车载数据采集***的IP地址和端口号以及作为IP包接收终端的上位机数据管理***所在的IP地址和服务端口号,IP包封装完成之后,无线传输模块即通过基于TCP/IP协议的GPRS网络及Internet网络向上位机数据管理***所在的服务端口发出连接请求,若对方应答同意,则双方建立连接,此时,无线传输模块将IP包发送到相应的上位机数据管理***中。
2.根据权利要求1所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于车载CAN总线上的数据帧通过CAN总线驱动模块完成车载CAN总线差分式电平到CAN协议控制模块逻辑电平的转换,转换后的数据帧通过高速光电耦合器降噪后,进入CAN协议控制模块,然后CAN协议控制模块控制其中的报文接收过滤器将接收到的数据帧中的ID标识符与用户所设的ID标识符进行匹配,若匹配成功,则数据帧通过过滤器并被送入报文接收缓冲器;若匹配失败,则该数据帧被放弃接收。
3.根据权利要求1所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于上位机数据管理***启动后,数据收发模块首先通过TCP侦听函数在用户指定的服务端口创建监听端,该指定服务端口与封装在前述IP包内的上位机数据管理***服务端口相同,当车载数据采集***向服务端口请求连接时,该监听端应答同意,于是建立车载数据采集***与上位机数据管理***的远程连接,并返回车载数据采集***的IP地址,数据收发模块将该IP进行编号操作,作为车载数据采集***的身份标识,之后,数据收发模块从TCP连接中读取数据,并解析出原始的数据包,包括CAN总线数据帧与卫星定位数据帧,接着,数据收发模块根据车载数据采集***的编号对数据包进行赋予相同的编号后,便将该数据包送入数据处理模块。
4.根据权利要求1或3所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于上位机数据管理***启动后,若用户发出创建数据库指令,则数据处理模块将通过创建数据库函数在用户指定的路径下创建所需数据库,该创建数据库指令的触发,由用户是否点击上位机数据管理***前面板的相应布尔按钮决定,数据库一旦创建,之后对数据库进行各种操作的路径将不会改变,直至下次用户触发创建数据库指令;数据处理模块接收到前述数据包后,首先以编号作为行号,将不同编号的数据包存入二维数组的不同位置中,之后,数据处理模块进行拆包操作,解析CAN总线数据帧与卫星定位数据帧;
数据处理模块将CAN总线数据帧按照相应的CAN网协议进行数据解析,并将解析后的数据分别显示在上位机数据管理***前面板的相应控件中,实现数据实时监测与故障实时报警,与此同时,数据处理模块通过数据库写入函数将解析后的CAN总线数据分别存入数据库中的相应位置;
数据处理模块将前述卫星定位数据帧解析为具体的经度、纬度、数据记录时刻,并将其分别显示在上位机数据管理***前面板的相应控件中,与此同时,数据处理模块通过数据库写入函数将解析后的卫星定位数据分别存入数据库中的相应位置。
5.根据权利要求4所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于数据处理模块还以实时时间为横坐标,以用户选择的某一编号的解析后的某一数据为纵坐标,绘制数据实时曲线并将其显示在上位机数据管理***前面板相应控件中;若用户发出绘制历史曲线指令,则数据处理模块将通过数据库读取函数,从数据库中获取用户选择的某一编号的某一数据,并以该数据为纵坐标,以用户选择的某一时间段为横坐标,绘制数据历史曲线,并将其显示在上位机数据管理***前面板的相应控件中。
6.根据权利要求1所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于
行驶工况自动生成模块控制过程如下:
第一步:提取N个运动学片段并计算每个运动学片段的能够充分表征运动学片段特征的M个特征参数,
行驶工况自动生成模块逻辑认定车速为零、发动机转速不为零的行驶状态为怠速状态且相邻两个怠速状态之间的行驶过程为一个运动学片段,即车辆从一个怠速状态的开始到下一个怠速状态的开始、包括一个怠速部分和一个行驶部分的行驶过程为一个运动学片段;
基于上述逻辑,行驶工况自动生成模块首先通过数据库读取函数,读取用户选择的某一编号的车速、发动机转速及相应的数据记录时刻,并通过对车速及发动机转速的考察,从大量数据中划分出N个运动学片段,其中第i个记为运动学片段Ni,i=1,2…N,接着将每一个运动学片段对应的车速及数据记录时刻存入N个不同的数组;之后,行驶工况自动生成模块通过片段Ni的车速及数据记录时刻,计算出每个片段的M个特征参数,并将第i个片段Ni对应的M个特征参数存入特征参数数组ParamN的第i行,同时将行号I存入第i行的第M+1列作为第i个运动学片段的编号;
第二步:标准化
采用各类数据标准化方法对第一步所述的特征参数数组ParamN的N×M列个特征参数进行标准化计算标准化完成之后,将各数据存入标准特征值数组StdParamN中;
第三步:主成分分析
采用主成分分析方法对所选的M个特征参数进行降维处理,即用较少的几个综合参数来代替原来较多的参数,而且使这些较少的综合参数既能尽量多地反映原来较多参数所反映的信息,同时它们之间又是彼此独立的;
主成分分析的计算步骤如下:
(1)计算标准特征值数组的相关系数矩阵R;
(2)计算相关系数矩阵R的特征值与特征向量,之后,将计算所得的特征值与对应的特征向量分别按照由大到小的顺序排列;
(3)根据(2)中所述特征值计算主成分贡献率及累计贡献率,将累计贡献率≥85%的前m个特征值存入特征值数组Eigm中;将特征值对应的特征向量存入特征向量数组Em中;
(4)根据(3)中所述的特征值数组与特征向量数组,计算主成分载荷,得到各主成分在各特征参数上的载荷,并将各载荷数据存入载荷数组P中;
(5)根据前述标准特征值数组StdParamN与载荷数组P,计算各主成分得分,得到第i个运动学片段的特征参数在各主成分中的得分,并将各得分数据存入得分数组Score中N行m列,同时将各行编号I存入第m+1列;
第四步:聚类分析
对第三步得到的m个主成分的得分数组,进行K-means聚类分析,根据城市道路交通状况及车流量确定了5个工况类别,分别为:市中心,记为Class1;中心周边,记为Class2;近郊区,记为Class3;远郊区,记为Class4;高速公路,记为Class5;
聚类分析计算步骤如下:
(1)从得分数组Score中随机选取不同的5行、m列数据作为5个初始聚类中心,分别记为c1、c2、c3、c4、c5;
(2)计算得分数组Score中第i行、前m列数据xi与第j个中心cj之间的欧式距离dij,若dij<dir其中:i=1,2...N;j,r=1,2...5;j≠r,则将xi划分到第j类中,并以cj作为第j类数组ParamNj的第一行,将第t次计算得到的xi及其对应于Score中的行编号I***第j类数组ParamNj的第t+1行,由此,可得到5个二维数组ParamN1、ParamN2、ParamN3、ParamN4、ParamN5;
(4)在规定的聚类迭代次数内判断是否成立,若成立,则当前 为最终5类的中心;若聚类迭代次数达到指定值,但仍不成立,则停止聚类迭代,当前得到的为最终5类的中心;若未达到聚类迭代次数且不成立,则返回(2)继续执行;
(5)最终得到聚类完成的第1类数组ParamN1、第2类数组ParamN2、第3类数组ParamN3、第4类数组ParamN4、第5类数组ParamN5;
第五步:计算每一个工况类别特征参数的平均值
由于ParamNj中编号I对应的行数据与原特征参数数组ParamN中编号I对应的行数据反映同一个运动学片段,因此,聚类完成之后,行驶工况自动生成模块根据第j类数组ParamNj中的编号I,可获知特征参数数组ParamN中第i行特征参数即第i个运动学片段所属的类别;据此,行驶工况自动生成模块便将特征参数数组ParamN中的N行数据分成了5类,并存入二维数组TempClass1、TempClass2、TempClass3、TempClass4、TempClass5中;接着,行驶工况自动生成模块对TempClassj,其中:j=1,2...5,中的加速时间比例、减速时间比例、怠速时间比例、平均速度进行考察,进而确定出TempClassj,j=1,2...5与Classj,j=1,2...5的对应关系,并将数组TempClassj,j=1,2...5命名为与之对应的Classj,j=1,2...5,之后,对数组Classj,j=1,2...5中的前M列特征参数分别按列计算其平均值,并将所得的结果存入特征参数平均值数组AverageP中,其中第k,k=1,2...5行为第j,j=k类的特征参数平均值,
第六步:确定每一个工况类别的最具代表性运动学片段
行驶工况自动生成模块取Classj,其中:j=1,2...5,的每一行的前M个元素与特征参数平均值数组AverageP的第k,k=j行的元素进行相关系数的计算,若Classj中第r行与特征参数平均值数组AverageP的第k行计算所得的相关系数最大,则认为第r行第M+1列元素代表的运动学片段Ni为Classj类中最具代表性的运动学片段;
第七步:计算每一个工况类别最具代表性的运动学片段的个数nj,其中:j=1,2...5;
第八步:绘制工况图并将典型工况数据存入数据库
7.根据权利要求6所述的一种基于虚拟仪器的电动汽车数据采集与管理***,其特征在于行驶工况在线识别模块控制过程如下:
第一步:
行驶工况在线识别模块首先提取经前述数据处理模块控制过程的第二步解析完成的数据,接着,进行运动学片段的划分并计算该运动学片段的M个特征参数,其划分及计算方法同前述行驶工况自动生成模块控制过程的第一步相同,
第二步:
将第一步所得的M个特征参数分别与前述AverageP的第k,k=1,2...5,行进行相关系数的计算,若M个特征参数与AverageP的第j,1≤j≤5行计算所得的相关系数最大,则认为当前运动学片段属于第j类,即汽车当前行驶工况属于Classj类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102801231A CN102354197B (zh) | 2011-09-20 | 2011-09-20 | 基于虚拟仪器的电动汽车数据采集与管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102801231A CN102354197B (zh) | 2011-09-20 | 2011-09-20 | 基于虚拟仪器的电动汽车数据采集与管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102354197A CN102354197A (zh) | 2012-02-15 |
CN102354197B true CN102354197B (zh) | 2013-06-19 |
Family
ID=45577772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102801231A Expired - Fee Related CN102354197B (zh) | 2011-09-20 | 2011-09-20 | 基于虚拟仪器的电动汽车数据采集与管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102354197B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077589B (zh) * | 2012-12-05 | 2015-03-25 | 深圳市思乐数据技术有限公司 | 彩票投注机的位置监控报警方法、装置及*** |
CN103439903B (zh) * | 2013-08-26 | 2016-02-24 | 安徽安凯汽车股份有限公司 | 一种电动汽车用数据采集器的采样方法 |
CN103763381A (zh) * | 2014-01-27 | 2014-04-30 | 河南速达电动汽车科技有限公司 | 一种电动汽车动力电池远程监测装置 |
CN104883374A (zh) * | 2014-02-28 | 2015-09-02 | 惠州市德赛西威汽车电子有限公司 | 一种车载远程数据终端及其处理方法 |
CN105094062A (zh) * | 2014-04-30 | 2015-11-25 | 惠州市德赛西威汽车电子有限公司 | 一种车载远程控制***的数据采集及调试方法 |
CN104156565B (zh) * | 2014-07-21 | 2018-08-24 | 北京航天发射技术研究所 | 基于离线can总线数据的***状态分析方法及分析装置 |
CN105376310A (zh) * | 2015-10-31 | 2016-03-02 | 杭州鸿泉数字设备有限公司 | 车联网云通信*** |
JP6782188B2 (ja) * | 2016-05-27 | 2020-11-11 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 電子制御ユニット、通信方法及び車載ネットワークシステム |
CN107067722B (zh) * | 2017-04-24 | 2020-04-21 | 中国汽车技术研究中心 | 一种车辆行驶工况构建方法 |
CN107271201B (zh) * | 2017-06-30 | 2019-05-21 | 合肥一航机械科技股份有限公司 | 一种剪式举升机汽车综合性能评分*** |
CN107590107B (zh) * | 2017-08-31 | 2021-12-03 | 北京新能源汽车股份有限公司 | 一种数据处理方法及装置 |
CN108777653B (zh) * | 2018-06-21 | 2021-05-11 | 北京科东电力控制***有限责任公司 | 一种数据处理方法、装置及存储介质 |
CN109035487B (zh) * | 2018-08-03 | 2021-03-02 | 北京理工大学 | 一种发动机历史数据回读与处理*** |
US11670123B2 (en) | 2018-10-03 | 2023-06-06 | Micron Technology, Inc. | Automatic collection of autonomous vehicle logging data |
US11182986B2 (en) | 2018-10-10 | 2021-11-23 | Micron Technology, Inc. | Real-time selection of data to collect in autonomous vehicle |
CN111216736A (zh) * | 2020-01-09 | 2020-06-02 | 吉林大学 | 基于行驶工况的辅助驾驶***自适应调节方法及*** |
US11012861B1 (en) * | 2020-01-09 | 2021-05-18 | Allstate Insurance Company | Fraud-detection based on geolocation data |
CN111624950A (zh) * | 2020-06-02 | 2020-09-04 | 西门子工厂自动化工程有限公司 | 一种造波数据的处理方法、装置、运动控制器和造波*** |
CN112896240B (zh) * | 2021-03-17 | 2022-04-22 | 北京交通大学 | 基于边缘计算的多传感器列车定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200968863Y (zh) * | 2006-05-25 | 2007-10-31 | 万向电动汽车有限公司 | 电动汽车车载信息平台 |
CN201359734Y (zh) * | 2008-12-25 | 2009-12-09 | 万向电动汽车有限公司 | 车辆工况远程监控*** |
CN201364494Y (zh) * | 2009-03-17 | 2009-12-16 | 中国电力科学研究院 | 一种车载监控终端 |
CN201662620U (zh) * | 2010-02-25 | 2010-12-01 | 张禾 | 车载数采远传仪 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080154811A1 (en) * | 2006-12-21 | 2008-06-26 | Caterpillar Inc. | Method and system for verifying virtual sensors |
-
2011
- 2011-09-20 CN CN2011102801231A patent/CN102354197B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN200968863Y (zh) * | 2006-05-25 | 2007-10-31 | 万向电动汽车有限公司 | 电动汽车车载信息平台 |
CN201359734Y (zh) * | 2008-12-25 | 2009-12-09 | 万向电动汽车有限公司 | 车辆工况远程监控*** |
CN201364494Y (zh) * | 2009-03-17 | 2009-12-16 | 中国电力科学研究院 | 一种车载监控终端 |
CN201662620U (zh) * | 2010-02-25 | 2010-12-01 | 张禾 | 车载数采远传仪 |
Also Published As
Publication number | Publication date |
---|---|
CN102354197A (zh) | 2012-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102354197B (zh) | 基于虚拟仪器的电动汽车数据采集与管理*** | |
Chen et al. | Driving behavior analysis based on vehicle OBD information and adaboost algorithms | |
CN104753551B (zh) | 一种车载终端设备、行车用量数据的采集方法以及*** | |
CN111678709B (zh) | 基于云平台的电动汽车分布式网络化测试***及方法 | |
CN102167041A (zh) | 一种基于加速度传感器的车辆行驶状态的判定方法 | |
CN103443608A (zh) | 车辆数据分析装置、车辆数据分析方法及故障诊断装置 | |
CN107291972A (zh) | 基于多源数据挖掘的汽车智能驾驶***有效性评价方法 | |
CN110971567A (zh) | 车辆、云服务器、车机设备、媒介器件及数据整合方法 | |
CN104122100A (zh) | 一种智驾诊断*** | |
CN107103104A (zh) | 一种基于跨层协同架构的车辆智能网联测试*** | |
CN106656705A (zh) | 一种车载most/can安全网关及其入侵检测方法 | |
CN110233768A (zh) | 基于uds的can总线测试***及can总线测试方法 | |
CN110703739B (zh) | 车辆诊断方法、路侧单元、车载单元、***及存储介质 | |
CN112193252A (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
CN109547254A (zh) | 一种入侵检测方法、装置、电子设备及存储介质 | |
CN109765879A (zh) | 一种新能源汽车的远程监控*** | |
US11798407B1 (en) | Method and system for identifying lane changing intention of manually driven vehicle | |
CN110793537A (zh) | 一种导航路径推荐方法、车机及车辆 | |
CN110849411A (zh) | 车联网服务器、车辆及基于行驶油耗数据的车况评估方法 | |
CN106713095A (zh) | 一种车载通信设备及车辆 | |
Salunkhe et al. | Energy optimization for CAN bus and media controls in electric vehicles using deep learning algorithms | |
Cunha et al. | Hardware-accelerated data decoding and reconstruction for automotive LiDAR sensors | |
Rabinowitz et al. | Synchronous and Open, Real World, Vehicle, ADAS, and Infrastructure Data Streams for Automotive Machine Learning Algorithms Research | |
CN112781888A (zh) | 测试车辆的***和方法 | |
CN112822684A (zh) | 车辆入侵检测方法及防御*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130619 Termination date: 20160920 |
|
CF01 | Termination of patent right due to non-payment of annual fee |