CN112507518A - 一种用户综合油耗计算方法和装置 - Google Patents
一种用户综合油耗计算方法和装置 Download PDFInfo
- Publication number
- CN112507518A CN112507518A CN202011241041.1A CN202011241041A CN112507518A CN 112507518 A CN112507518 A CN 112507518A CN 202011241041 A CN202011241041 A CN 202011241041A CN 112507518 A CN112507518 A CN 112507518A
- Authority
- CN
- China
- Prior art keywords
- working condition
- vehicle
- calculating
- vehicle working
- weight value
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 265
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 39
- 239000000446 fuel Substances 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 6
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及车辆油耗评估计算技术领域,具体涉及一种用户综合油耗计算方法和装置。该方法包括:构建优选车辆工况集;利用模糊算法,计算每一优选车辆工况对用户综合油耗的第一权重值;利用模糊算法,计算每一行车载荷量评价因素与对应优选车辆工况的第二权重值;利用模糊算法,计算每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;计算用户综合油耗。本发明通过统计调研并结合影响车辆油耗的因素,为全面和***地构建了优选车辆工况集,然后结合行业影响评估结果,采用模糊计算的方式,真实地模拟出车辆的综合工况,从而准确合理地计算获得用户综合油耗。
Description
技术领域
本发明涉及车辆油耗评估计算技术领域,具体涉及一种用户综合油耗计算方法和装置。
背景技术
随着我国经济水平的提高,私家车的普及率和保有量越来越大,人们越来越关注车辆实际使用过程中的性能表现。用户油耗是汽车所有者在实际使用过程中最为关心的使用经济性指标之一。
目前,车辆油耗的评价指标在行业内并没有统一的标准,但具体的车辆油耗跟车辆排量、行驶公里数、驾驶习惯以及行驶工况等多种因素密切相关,因此,现有技术还不能准确合理地获取车辆油耗,来综合评价车辆的油耗性能。
因此,如何准确合理地表征车辆在不同使用工况下油耗,是目前亟需解决的技术问题。
发明内容
本发明的目的是提供一种用户综合油耗计算方法和装置,以准确合理地获取车辆油耗。
本发明实施例提供了以下方案:
第一方面,本发明实施例提供一种用户综合油耗计算方法,所述方法包括:
构建优选车辆工况集;其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素;
根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值;
根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值;
根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;
根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值;
根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
在一种可能的实施例中,所述构建优选车辆工况集,包括:
根据统计数据,构建初始车辆工况集;
根据所述初始车辆工况集中每一初始车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一初始车辆工况对所述用户综合油耗的第四权重值;
从所述初始车辆工况集中删除第四权重值低于设定阈值的初始车辆工况,第一次更新所述初始车辆工况集;
从第一次更新后的所述初始车辆工况集中确定出评价功能重合的初始车辆工况子集;
删除所述初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,第二次更新所述初始车辆工况集;
将第二次更新后的所述初始车辆工况集确定为所述优选车辆工况集。
在一种可能的实施例中,所述计算所述每一优选车辆工况对所述用户综合油耗的第一权重值,包括:
根据预设三角模糊数规则,将所述优选车辆工况集中每一优选车辆工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵;
根据所述第一模糊度评价矩阵,计算所述每一优选车辆工况的模糊度权重;
对所述每一优选车辆工况的模糊度权重进行去模糊处理,计算出所述第一权重值。
在一种可能的实施例中,所述计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值,包括:
根据预设三角模糊数规则,将所述每一行车载荷量评价因素与对应优选车辆工况的影响评估结果转化为第二模糊度评价矩阵;
根据所述第二模糊度评价矩阵,计算所述每一行车载荷量评价因素的模糊度权重;
对所述每一行车载荷量评价因素的模糊度权重进行去模糊处理,计算出所述第二权重值。
在一种可能的实施例中,所述计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值,包括:
根据预设三角模糊数规则,将所述每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果转化为第三模糊度评价矩阵;
根据所述第三模糊度评价矩阵,计算所述每一车载电器负载评价因素的模糊度权重;
对所述每一车载电器负载评价因素的模糊度权重进行去模糊处理,计算出所述第三权重值。
在一种可能的实施例中,所述优选车辆工况集包括中国汽车行驶标准工况、全球汽车行驶标准工况、怠速行驶工况、市区行驶工况、环城公路行驶工况、国道行驶工况、城际高速行驶工况、乡村道路行驶工况和山区行驶工况中的一种或多种。
在一种可能的实施例中,所述行车载荷量评价因素包括车辆原始厂商指定质量、车辆半载质量和车辆满载质量中的一种或多种。
第二方面,本发明实施例提供一种用户综合油耗计算装置,所述装置包括:
第一构建模块,用于构建优选车辆工况集;其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素;
第一计算模块,用于根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值;
第二计算模块,用于根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值;
第三计算模块,用于根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;
第四计算模块,用于根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值;
第五计算模块,用于根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
在一种可能的实施例中,所述第一构建模块,包括:
第二构建模块,用于根据统计数据,构建初始车辆工况集;
第六计算模块,用于根据所述初始车辆工况集中每一初始车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一初始车辆工况对所述用户综合油耗的第四权重值;
第一更新模块,用于从所述初始车辆工况集中删除第四权重值低于设定阈值的初始车辆工况,第一次更新所述初始车辆工况集;
第二更新模块,用于从第一次更新后的所述初始车辆工况集中确定出评价功能重合的初始车辆工况子集;
第二更新模块,用于删除所述初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,第二次更新所述初始车辆工况集;
优选车辆工况集确定模块,用于将第二次更新后的所述初始车辆工况集确定为所述优选车辆工况集。
在一种可能的实施例中,所述第一计算模块,包括:
第一模糊度评价矩阵获取模块,用于根据预设三角模糊数规则,将所述优选车辆工况集中每一优选车辆工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵;
第七计算模块,用于根据所述第一模糊度评价矩阵,计算所述每一优选车辆工况的模糊度权重;
第八计算模块,用于对所述每一优选车辆工况的模糊度权重进行去模糊处理,计算出所述第一权重值。
在一种可能的实施例中,所述第二计算模块,包括:
第二模糊度评价矩阵获取模块,用于根据预设三角模糊数规则,将所述每一行车载荷量评价因素与对应优选车辆工况的影响评估结果转化为第二模糊度评价矩阵;
第九计算模块,用于根据所述第二模糊度评价矩阵,计算所述每一行车载荷量评价因素的模糊度权重;
第十计算模块,用于对所述每一行车载荷量评价因素的模糊度权重进行去模糊处理,计算出所述第二权重值。
在一种可能的实施例中,所述第三计算模块,包括:
根据预设三角模糊数规则,将所述每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果转化为第三模糊度评价矩阵;
第十一计算模块,用于根据所述第三模糊度评价矩阵,计算所述每一车载电器负载评价因素的模糊度权重;
第十二计算模块,用于对所述每一车载电器负载评价因素的模糊度权重进行去模糊处理,计算出所述第三权重值。
在一种可能的实施例中,所述优选车辆工况集包括中国汽车行驶标准工况、全球汽车行驶标准工况、怠速行驶工况、市区行驶工况、环城公路行驶工况、国道行驶工况、城际高速行驶工况、乡村道路行驶工况和山区行驶工况中的一种或多种。
在一种可能的实施例中,所述行车载荷量评价因素包括车辆原始厂商指定质量、车辆半载质量和车辆满载质量中的一种或多种。
第三方面,本发明实施例提供一种用户综合油耗计算设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现第一方面中任一所述的用户综合油耗计算方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时以实现第一方面中任一所述的用户综合油耗计算方法的步骤。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明首先构建出优选车辆工况集,每个优选车辆工况均对应有行车载荷量评价因素,每个行车载荷量评价因素均对应有车载电器负载评价因素,然后根据各层次影响评估结果,利用模糊算法,计算出各层次的影响权重值,之后根据各层次的影响权重值,计算出每一优选车辆工况中每一细分评价工况的综合权重值,最后结合每一细分评价工况的综合权重值和实测油耗计算获得用户综合油耗。
本发明通过统计调研并结合影响车辆油耗的因素,为全面和***地构建了优选车辆工况集,然后结合行业影响评估结果,采用模糊计算的方式,真实地模拟出车辆的综合工况,从而准确合理地计算获得用户综合油耗。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用户综合油耗计算方法的流程图;
图2是本发明实施例提供的一种用户综合油耗计算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明实施例保护的范围。
请参阅图1,图1为本发明实施例提供的一种用户综合油耗计算方法的流程图,本实施例是应用在车辆端的车载视频处理控制器的,包括步骤11至步骤16。
步骤11,构建优选车辆工况集。
其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素。
具体的,可以根据车辆的工况统计数据,来确定出优选车辆工况集,还可以通过网络调研等方式,获取测试车辆在实际使用中的车辆工况。
优选车辆工况集可以包括中国汽车行驶标准工况(China light-duty vehicletest cycle,CLTC)、全球汽车行驶标准工况(Worldwise light-duty vehicle testcycle,WLTC)、怠速行驶工况、市区行驶工况、环城公路行驶工况、国道行驶工况、城际高速行驶工况、乡村道路行驶工况和山区行驶工况中的一种或多种。
优选车辆工况集中的每一优选车辆工况均对应配置有一个或多个行车载荷量评价因素,每一个行车载荷量评价因素均对应配置有一个或多个车载电器负载评价因素。
某一个优选车辆工况下,一个具体的行车载荷量评价因素和一个具体的车载电器负载评价因素能够构成一个细分评价工况。
由于汽车在行驶时的重量负载大小直接影响着用户油耗水平。相同的工况和路况下,不同的载荷条件得到的用户油耗结果是不一样的。因此在行车工况确定后,需要对行车的载荷量边界进行统一厘定。本实施例中,行车载荷量评价因素包括车辆原始厂商指定质量(Original Design Manufacturer mass,ODM mass)、车辆半载质量和车辆满载质量中的一种或多种。
具体的,原始厂商指定质量=整车整备质量+68kg标准人体重量+7kg行李;车辆半载质量=整车整备质量+50%最大载质量;车辆半载质量=整车整备质量+最大载质量。
汽车的行驶时开启的电器负载大小同样也是影响车辆油耗水平的重要因素之一。如当行车工况和载荷量都相同时,开空调和不开空调两种情况的用户油耗结果完全是不一样的。本实施例中希望增加车载电器负载评价因素,来细化不同车载电器负载对于车辆油耗的影响,具体可以通过中控台显示器、大灯、雨刮、空调和暖气等电器附件的开启来模拟车辆在白天、夜晚、雨天、高温和低温环境下行驶时的电器负载需求。
当然,直接通过统计或网络调研获得的优选车辆工况集有可能存在工况功能重叠、工况不能独立影响最终的车辆油耗,导致优选车辆工况集中的具体工况不能很好地表征车辆的最真实的油耗,因此本发明还提供了一种通过筛选优化的方式构建优选车辆工况集的方案,具体包括:
步骤21,根据统计数据,构建初始车辆工况集。
具体的,可以根据车辆的工况统计数据,来确定出优选车辆工况集,还可以通过网络调研等方式,获取测试车辆在实际使用中的车辆工况。
步骤22,根据所述初始车辆工况集中每一初始车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一初始车辆工况对所述用户综合油耗的第四权重值。
具体的,每一初始车辆工况对用户综合油耗的影响评估结果可以通过技术专家依据具体的评价标准,根据每一初始车辆工况对用户综合油耗的影响大小分析判断获得,当然还可以根据历史数据统计分析获得。
具体的,模糊算法是用隶属关系将数据元素集合灵活成模糊度集合,再通过去模糊化处理,获得数据元素与具体结果之间的影响权重值。
本步骤通过模糊算法,能够计算出每一初始车辆工况对用户综合油耗的第四权重值,代表该初始车辆工况对用户综合油耗的影响程度。
步骤23,从所述初始车辆工况集中删除第四权重值低于设定阈值的初始车辆工况,第一次更新所述初始车辆工况集。
具体的,第四权重值低于设定阈值的初始车辆工况意味着该工况不能独立影响最终的车辆油耗,其对油耗的影响能够体现在其他工况中,例如怠速行驶工况在其他工况中都有不同程度的体现,因此该工况不应作为独立的工况予以评价,应当被删除。
步骤24,从第一次更新后的所述初始车辆工况集中确定出评价功能重合的初始车辆工况子集。
具体的,初始车辆工况集中有些工况之间的具体配置(速度、时长等),存在较高的重合度,因此属于集合中的冗余工况,需要优化删减,例如CLTC工况和WLTC工况同属于实验室中标定的循环工况,应用场景相同,评价功能存在重合,因此需要为其筛选优化。
步骤25,删除所述初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,第二次更新所述初始车辆工况集。
具体的,本步骤只保留初始车辆工况子集中的第四权重值最高的初始车辆工况,而删除初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,完成对初始车辆工况集的优化。
步骤26,将第二次更新后的所述初始车辆工况集确定为所述优选车辆工况集。
具体的,优化后的优选车辆工况集,能够更加合理、独立地体现出车辆实际的使用场景,进而能够更加综合准确地计算出用户综合油耗。
步骤12,根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值。
这里,本发明还提供了一种较优的第一权重值计算方案,具体为:
步骤31,根据预设三角模糊数规则,将所述优选车辆工况集中每一优选车辆工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵。
具体的,本步骤采用三角模糊算法来计算影响权重值。
本步骤采用的三角模糊算法的隶属度函数μM(x)可以为:
其中,M为三角模糊数,一般表示为(l,m,u),m为M的隶属度为1的中值,当x=m时,x完全属于M,l和u分别为下界和上界,而在l和u以外的x完全不属于三角模糊数M。
而不同的三角模糊数M对应有不同的模糊度(例如大、中、小等)。本步骤使用三角模糊算法的隶属度函数以及模糊度规则,将每一优选车辆工况对用户综合油耗的影响评估结果转化为模糊化语言(例如,模糊数或模糊度),进而转化为第一模糊度评价矩阵。
本步骤中的影响评估结果可以包含有多个专家的评估意见,或多个统计方案的评估结果,此时需要通过权重计算或均值计算,首先获取综合化的影响评估结果,再进行本步骤的相关转化工作。
步骤32,根据所述第一模糊度评价矩阵,计算所述每一优选车辆工况的模糊度权重。
具体的,这里以三角模糊算法为例,说明本步骤的计算过程。
其中,aij为第一模糊度评价矩阵中位于第i行第j列的数据元素对应的三角模糊数。
步骤33,对所述每一优选车辆工况的模糊度权重进行去模糊处理,计算出所述第一权重值。
具体的,这里以三角模糊算法为例,说明本步骤的计算过程。
首先,计算模糊度权重之间的可能度对比值,计算公式为:
其中,模糊度权重M1的模糊数为(l1,m1,u1),模糊度权重M2的模糊数为(l2,m2,u2)。
其次,将某一模糊度权重与其它模糊度权重的可能度对比值之中的最小值作为该模糊度权重对应的综合权重。
最后,根据所有模糊度权重的综合权重,对综合权重进行归一化,获得每一优选车辆工况对所述用户综合油耗的第一权重值。
步骤13,根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值。
这里,本发明还提供了一种较优的第二权重值计算方案,具体为:
步骤41,根据预设三角模糊数规则,将所述每一行车载荷量评价因素与对应优选车辆工况的影响评估结果转化为第二模糊度评价矩阵。
步骤42,根据所述第二模糊度评价矩阵,计算所述每一行车载荷量评价因素的模糊度权重。
步骤43,对所述每一行车载荷量评价因素的模糊度权重进行去模糊处理,计算出所述第二权重值。
具体的,第二权重值的计算流程跟第一权重值的计算流程相类似,在此不予以赘述。
步骤14,根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值。
这里,本发明还提供了一种较优的第三权重值计算方案,具体为:
步骤51,根据预设三角模糊数规则,将所述每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果转化为第三模糊度评价矩阵。
步骤52,根据所述第三模糊度评价矩阵,计算所述每一车载电器负载评价因素的模糊度权重。
步骤53,对所述每一车载电器负载评价因素的模糊度权重进行去模糊处理,计算出所述第三权重值。
具体的,第三权重值的计算流程跟第一权重值的计算流程相类似,在此不予以赘述。
步骤15,根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值。
具体的,每一细分评价工况均对应有某一具体的优选车辆工况、某一具体的行车载荷量评价因素和某一具体的车载电器负载评价因素,本步骤通过将相应的第一权重值、第二权重值和第三权重值进行相乘,即可获得该细分评价工况的综合权重值。
步骤16,根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
具体的,用户综合油耗F的计算公式为:
其中,Ck为第k个细分评价工况,ωk为第k个细分评价工况的综合权重值。
具体的,本步骤中的实测油耗是根据对应细分评价工况的具体优选车辆工况、行车载荷量评价因素和车载电器负载评价因素进行实车测试获得。
这里,本发明还提供了以下应用案例,以更好地说明上述实施例的实施过程。
1、建立初始车辆工况集,本案例中的初始车辆工况共11项,用户的行为是随机的,即车辆行驶的工况和环境有很强的不确定性,本案例通过大数据分析,获取与用户强关联性的11项工况,构建初始车辆工况集。同时,本案例还为这11项工况共计配设了36项行车载荷量因素以及168项车载电气负载因素,如表1所示为该初始车辆工况集的具体内容。
表1
2、建立模糊度规则,这里以数据元素A和数据元素B对目标的影响大小,建立模糊度规则,具体规则如表2所示。
表2
本案例采用三角模糊算法,相关原理性解释已经在上述方法实施例中给予说明,在此不予以赘述。
3、将初选车辆工况集中每一工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵。
由于通过专家评估获得的评价报告属于自然语言,首先需要将该评价报告依据上述规则,转化为模糊化的影响评估结果,如表3所示为本案例中所有工况的影响评估结果。
表3
本案例中,采用三位专家独立对各初始车辆工况对于最终车辆油耗的影响进行评价,这里为简化综合过程,采用求平均的形式,将影响评估结果转化为第一模糊度评价矩阵,如表4所示为第一模糊度评价矩阵的具体内容。
表4
A | B1 | B2 | B3 | B4 | B5 | B6 | B7 | B8 | B9 | B10 | B11 |
B1 | (1,1,1) | (0.83,0.72,2) | (3.17,4.17,4.83) | (0.3,0.5,0.89) | (0.3,0.5,0.89) | (0.36,0.56,0.83) | (0.83,2,3.17) | (0.32,0.5,1.33) | (0.83,1.5,2) | (1.83,2.5,3.5) | (0.83,1.5,2) |
B2 | (0.52,1.5,1.33) | (1,1,1) | (2.67,3.67,4.5) | (0.3,0.5,0.89) | (0.3,0.5,0.89) | (0.36,0.56,0.83) | (0.83,2,3.17) | (0.32,0.5,1.33) | (0.83,1.5,2) | (1.83,2.5,3.5) | (0.83,1.5,2) |
B3 | (0.21,0.24,0.32) | (0.22,0.27,0.38) | (1,1,1) | (0.3,0.47,0.72) | (0.36,0.56,0.83) | (0.3,0.47,0.72) | (0.3,0.47,0.72) | (0.43,0.56,0.78) | (0.3,0.47,0.72) | (0.36,0.56,0.83) | (0.3,0.47,0.72) |
B4 | (1.17,2,3.33) | (1.17,2,3.33) | (1.5,2.17,3.33) | (1,1,1) | (1.33,2.5,3.5) | (1.33,2.5,3.5) | (1.33,2.67,3.67) | (3.17,2.67,3.67) | (1.33,2.67,3.67) | (3.17,4.17,4.83) | (2.67,3.67,4.5) |
B5 | (1.17,2,3.33) | (1.17,2,3.33) | (1.23,1.83,2.83) | (0.29,0.41,0.78) | (1,1,1) | (0.52,0.72,1.33) | (0.52,0.72,1.33) | (0.52,0.72,1.33) | (1.33,2.5,3.5) | (2.67,3.67,4.5) | (2.67,3.67,4.5) |
B6 | (1.23,1.83,2.83) | (1.23,1.83,2.83) | (1.5,2.17,3.33) | (0.29,0.41,0.78) | (0.83,1.5,2) | (1,1,1) | (0.32,0.5,1.33) | (0.52,0.72,1.33) | (1.33,2.5,3.5) | (2.67,3.67,4.5) | (2.67,3.67,4.5) |
B7 | (0.32,0.5,1.33) | (0.32,0.5,1.33) | (1.5,2.17,3.33) | (0.27,0.38,0.83) | (0.83,1.5,2) | (0.83,2,3.17) | (1,1,1) | (0.32,0.5,1.33) | (0.83,2,3.17) | (2.83,4,4.67) | (0.52,0.72,1.33) |
B8 | (0.83,2,3.17) | (0.83,2,3.17) | (1.33,1.83,2.33) | (0.27,0.38,0.32) | (0.83,1.5,2) | (0.83,1.5,2) | (0.83,2,3.17) | (1,1,1) | (1.33,2.5,3.5) | (2.83,4,4.67) | (0.83,1.5,2) |
B9 | (0.52,0.72,1.33) | (0.52,0.72,1.33) | (1.5,2.17,3.33) | (0.27,0.38,0.83) | (0.29,0.41,0.78) | (0.29,0.41,0.78) | (0.32,0.5,1.33) | (0.29,0.41,0.78) | (1,1,1) | (2.83,4,4.67) | (0.52,0.72,1.33) |
B10 | (0.29,0.41,0.56) | (0.29,0.41,0.56) | (1.23,1.83,2.83) | (0.21,0.24,0.32) | (0.22,0.27,0.38) | (0.22,0.27,0.38) | (0.22,0.25,0.36) | (0.22,0.25,0.36) | (0.22,0.25,0.36) | (1,1,1) | (0.52,0.72,1.33) |
B11 | (0.52,0.72,1.33) | (0.52,0.72,1.33) | (1.5,2.17,3.33) | (0.22,0.27,0.38) | (0.22,0.27,0.38) | (0.22,0.27,0.38) | (0.83,1.5,2) | (0.52,0.72,1.33) | (0.83,1.5,2) | (0.83,1.5,2) | (1,1,1) |
4、利用三角模糊数相关算法计算初始权重,并去模糊化,计算出每一工况对所述用户综合油耗的第一权重值,如表5所示为本案例计算出的各第一权重值。
表5
5、根据第一权重值,对初始车辆工况集进行优化,获得优选车辆工况集。
根据表5可知,B3、B10计算的权重为0。而实际上B3怠速工况油耗在其他10种工况中都有不同程度的体现,因此该工况不应作为独立的工况予以评价。
车辆在山区行驶时,优先考虑的应该是车辆的动力性和行车安全,因此不作为本模型的评价工况。
B1和B2同为实验室定循环工况测试油耗,而CLTC工况(B1)车辆行驶速度主要分布在低速和中速段,最大加减速度和平均速度要低于WLTC工况(B2),其第一权重值也大于B2对应的权重值,因此,CLTC工况(B1)更贴合中国以城区和郊区通行为主的实际情况。因此B2在此属于冗余工况,也应当予以舍弃。
B1为实验室定循环工况测试油耗,可以通过仿真手段来评估不同重量之间的油耗差异,将三种重量条件压缩成一种重量条件,不会影响对汽车设计开发工作的指导,同时也可以节省时间和评估成本。因此,本评估模型舍弃了ODM质量和满载质量两种行车载荷量状态下的CLTC工况的油耗评价指标。
车辆在高原等高海拔地区行驶时,从地理环境和行车安全角度考虑,本模型舍弃了ODM质量状态下的油耗评价指标。
经上述优化后,获得了优选车辆工况集,优化后的优选车辆工况集共有8中优选车辆工况,共计对应124种细分评价工况,其具体内容如表6所示。
表6
6、采用同样的方式,计算每一优选车辆工况对用户综合油耗的第一权重值,每一行车载荷量评价因素与对应优选车辆工况的第二权重值,以及每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值,然后计算出每一细分评价工况的综合权重值。如表7所述为本步骤的计算结果。
表7
7、根据每一细分评价工况的综合权重值和实测油耗,计算用户综合油耗。
这里,需要指出的是,优选车辆工况集中的优选车辆工况的数量可以只有一个,此时计算出的用户综合油耗就是该种优选车辆工况下的综合油耗。
基于与方法同样的发明构思,本发明实施例还提供了一种用户综合油耗计算装置,如图2所示为该装置实施例的结构示意图,所述装置包括:
第一构建模块61,用于构建优选车辆工况集;其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素;
第一计算模块62,用于根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值;
第二计算模块63,用于根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值;
第三计算模块64,用于根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;
第四计算模块65,用于根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值;
第五计算模块66,用于根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
在一种可能的实施例中,所述第一构建模块,包括:
第二构建模块,用于根据统计数据,构建初始车辆工况集;
第六计算模块,用于根据所述初始车辆工况集中每一初始车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一初始车辆工况对所述用户综合油耗的第四权重值;
第一更新模块,用于从所述初始车辆工况集中删除第四权重值低于设定阈值的初始车辆工况,第一次更新所述初始车辆工况集;
第二更新模块,用于从第一次更新后的所述初始车辆工况集中确定出评价功能重合的初始车辆工况子集;
第二更新模块,用于删除所述初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,第二次更新所述初始车辆工况集;
优选车辆工况集确定模块,用于将第二次更新后的所述初始车辆工况集确定为所述优选车辆工况集。
在一种可能的实施例中,所述第一计算模块,包括:
第一模糊度评价矩阵获取模块,用于根据预设三角模糊数规则,将所述优选车辆工况集中每一优选车辆工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵;
第七计算模块,用于根据所述第一模糊度评价矩阵,计算所述每一优选车辆工况的模糊度权重;
第八计算模块,用于对所述每一优选车辆工况的模糊度权重进行去模糊处理,计算出所述第一权重值。
在一种可能的实施例中,所述第二计算模块,包括:
第二模糊度评价矩阵获取模块,用于根据预设三角模糊数规则,将所述每一行车载荷量评价因素与对应优选车辆工况的影响评估结果转化为第二模糊度评价矩阵;
第九计算模块,用于根据所述第二模糊度评价矩阵,计算所述每一行车载荷量评价因素的模糊度权重;
第十计算模块,用于对所述每一行车载荷量评价因素的模糊度权重进行去模糊处理,计算出所述第二权重值。
在一种可能的实施例中,所述第三计算模块,包括:
根据预设三角模糊数规则,将所述每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果转化为第三模糊度评价矩阵;
第十一计算模块,用于根据所述第三模糊度评价矩阵,计算所述每一车载电器负载评价因素的模糊度权重;
第十二计算模块,用于对所述每一车载电器负载评价因素的模糊度权重进行去模糊处理,计算出所述第三权重值。
在一种可能的实施例中,所述优选车辆工况集包括中国汽车行驶标准工况、全球汽车行驶标准工况、怠速行驶工况、市区行驶工况、环城公路行驶工况、国道行驶工况、城际高速行驶工况、乡村道路行驶工况和山区行驶工况中的一种或多种。
在一种可能的实施例中,所述行车载荷量评价因素包括车辆原始厂商指定质量、车辆半载质量和车辆满载质量中的一种或多种。
基于与前述实施例中同样的发明构思,本发明实施例还提供一种用户综合油耗计算设备,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前文任一所述方法的步骤。
基于与前述实施例中同样的发明构思,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文任一所述方法的步骤。
本发明实施例中提供的技术方案,至少具有如下技术效果或优点:
本发明实施例首先构建出优选车辆工况集,每个优选车辆工况均对应有行车载荷量评价因素,每个行车载荷量评价因素均对应有车载电器负载评价因素,然后根据各层次影响评估结果,利用模糊算法,计算出各层次的影响权重值,之后根据各层次的影响权重值,计算出每一优选车辆工况中每一细分评价工况的综合权重值,最后结合每一细分评价工况的综合权重值和实测油耗计算获得用户综合油耗。
本发明实施例通过统计调研并结合影响车辆油耗的因素,为全面和***地构建了优选车辆工况集,然后结合行业影响评估结果,采用模糊计算的方式,真实地模拟出车辆的综合工况,从而准确合理地计算获得用户综合油耗。本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(模块、***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种用户综合油耗计算方法,其特征在于,所述方法包括:
构建优选车辆工况集;其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素;
根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值;
根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值;
根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;
根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值;
根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
2.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述构建优选车辆工况集,包括:
根据统计数据,构建初始车辆工况集;
根据所述初始车辆工况集中每一初始车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一初始车辆工况对所述用户综合油耗的第四权重值;
从所述初始车辆工况集中删除第四权重值低于设定阈值的初始车辆工况,第一次更新所述初始车辆工况集;
从第一次更新后的所述初始车辆工况集中确定出评价功能重合的初始车辆工况子集;
删除所述初始车辆工况子集中除第四权重值最高的初始车辆工况以外的初始车辆工况,第二次更新所述初始车辆工况集;
将第二次更新后的所述初始车辆工况集确定为所述优选车辆工况集。
3.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述计算所述每一优选车辆工况对所述用户综合油耗的第一权重值,包括:
根据预设三角模糊数规则,将所述优选车辆工况集中每一优选车辆工况对所述用户综合油耗的影响评估结果转化为第一模糊度评价矩阵;
根据所述第一模糊度评价矩阵,计算所述每一优选车辆工况的模糊度权重;
对所述每一优选车辆工况的模糊度权重进行去模糊处理,计算出所述第一权重值。
4.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值,包括:
根据预设三角模糊数规则,将所述每一行车载荷量评价因素与对应优选车辆工况的影响评估结果转化为第二模糊度评价矩阵;
根据所述第二模糊度评价矩阵,计算所述每一行车载荷量评价因素的模糊度权重;
对所述每一行车载荷量评价因素的模糊度权重进行去模糊处理,计算出所述第二权重值。
5.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值,包括:
根据预设三角模糊数规则,将所述每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果转化为第三模糊度评价矩阵;
根据所述第三模糊度评价矩阵,计算所述每一车载电器负载评价因素的模糊度权重;
对所述每一车载电器负载评价因素的模糊度权重进行去模糊处理,计算出所述第三权重值。
6.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述优选车辆工况集包括中国汽车行驶标准工况、全球汽车行驶标准工况、怠速行驶工况、市区行驶工况、环城公路行驶工况、国道行驶工况、城际高速行驶工况、乡村道路行驶工况和山区行驶工况中的一种或多种。
7.根据权利要求1所述的用户综合油耗计算方法,其特征在于,所述行车载荷量评价因素包括车辆原始厂商指定质量、车辆半载质量和车辆满载质量中的一种或多种。
8.一种用户综合油耗计算装置,其特征在于,所述装置包括:
第一构建模块,用于构建优选车辆工况集;其中,所述优选车辆工况集中每一优选车辆工况均对应配置有行车载荷量评价因素,所述行车载荷量评价因素均对应配置有车载电器负载评价因素;
第一计算模块,用于根据所述优选车辆工况集中每一优选车辆工况对用户综合油耗的影响评估结果,利用模糊算法,计算所述每一优选车辆工况对所述用户综合油耗的第一权重值;
第二计算模块,用于根据所述每一优选车辆工况中每一行车载荷量评价因素与对应优选车辆工况的影响评估结果,利用模糊算法,计算所述每一行车载荷量评价因素与对应优选车辆工况的第二权重值;
第三计算模块,用于根据所述每一行车载荷量评价因素中每一车载电器负载评价因素与对应行车载荷量评价因素的影响评估结果,利用模糊算法,计算所述每一车载电器负载评价因素与对应行车载荷量评价因素的第三权重值;
第四计算模块,用于根据所述第一权重值、所述第二权重值和所述第三权重值,计算所述每一优选车辆工况中每一细分评价工况的综合权重值;
第五计算模块,用于根据所述每一细分评价工况的综合权重值和实测油耗,计算所述用户综合油耗。
9.一种用户综合油耗计算设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现权利要求1至7任一所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时以实现权利要求1至7任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241041.1A CN112507518B (zh) | 2020-11-09 | 2020-11-09 | 一种用户综合油耗计算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011241041.1A CN112507518B (zh) | 2020-11-09 | 2020-11-09 | 一种用户综合油耗计算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112507518A true CN112507518A (zh) | 2021-03-16 |
CN112507518B CN112507518B (zh) | 2022-07-01 |
Family
ID=74955801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011241041.1A Active CN112507518B (zh) | 2020-11-09 | 2020-11-09 | 一种用户综合油耗计算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112507518B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743715A (zh) * | 2021-07-19 | 2021-12-03 | 中汽研汽车检验中心(天津)有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101498597A (zh) * | 2009-03-20 | 2009-08-05 | 东风汽车有限公司 | 一种显示汽车油耗的方法 |
JP2010144701A (ja) * | 2008-12-22 | 2010-07-01 | Fujitsu Ten Ltd | 省燃費運転評価装置及び省燃費運転評価方法 |
JP2014238648A (ja) * | 2013-06-06 | 2014-12-18 | Jx日鉱日石エネルギー株式会社 | 運転評価システムおよび運転評価方法 |
CN106203735A (zh) * | 2016-07-27 | 2016-12-07 | 北京工业大学 | 一种机动车驾驶员驾驶行为能耗特征测算方法 |
CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
CN108388746A (zh) * | 2018-03-12 | 2018-08-10 | 吉林大学 | 一种混合动力汽车油耗理论计算与分析方法 |
CN111664906A (zh) * | 2020-05-07 | 2020-09-15 | 东风汽车股份有限公司 | 一种中轻型载货汽车的油耗确定方法 |
-
2020
- 2020-11-09 CN CN202011241041.1A patent/CN112507518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010144701A (ja) * | 2008-12-22 | 2010-07-01 | Fujitsu Ten Ltd | 省燃費運転評価装置及び省燃費運転評価方法 |
CN101498597A (zh) * | 2009-03-20 | 2009-08-05 | 东风汽车有限公司 | 一种显示汽车油耗的方法 |
JP2014238648A (ja) * | 2013-06-06 | 2014-12-18 | Jx日鉱日石エネルギー株式会社 | 運転評価システムおよび運転評価方法 |
CN106203735A (zh) * | 2016-07-27 | 2016-12-07 | 北京工业大学 | 一种机动车驾驶员驾驶行为能耗特征测算方法 |
CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
CN108388746A (zh) * | 2018-03-12 | 2018-08-10 | 吉林大学 | 一种混合动力汽车油耗理论计算与分析方法 |
CN111664906A (zh) * | 2020-05-07 | 2020-09-15 | 东风汽车股份有限公司 | 一种中轻型载货汽车的油耗确定方法 |
Non-Patent Citations (4)
Title |
---|
INDAH SOESANTI等: "A Neuro-Fuzzy Approach for Vehicle Fuel Consumption Prediction", 《JOURNAL OF ELECTRICAL TECHNOLOGY UMY (JET-UMY)》 * |
丁家松等: "柴油机性能的模糊综合评估", 《内燃机工程》 * |
常汉宝等: "内燃机整机性能模糊综合评估方法研究", 《华中科技大学学报(自然科学版)》 * |
栾宝国: "基于模糊综合评判的汽车动力***匹配方案优选", 《汽车技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743715A (zh) * | 2021-07-19 | 2021-12-03 | 中汽研汽车检验中心(天津)有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
CN113743715B (zh) * | 2021-07-19 | 2024-03-19 | 中汽研汽车检验中心(天津)有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112507518B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610260B (zh) | 行车能耗预测***、方法、存储介质和设备 | |
CN110091751B (zh) | 基于深度学习的电动汽车续航里程预测方法、设备及介质 | |
CN109932191B (zh) | 一种实际道路行驶工况库及构建方法 | |
CN106662501B (zh) | 用于分析车辆的能效的***和方法 | |
LU500570B1 (en) | Method for vehicle load weight prediction, system, electronic equipment, and medium thereof | |
CN110543098B (zh) | 插电式混合动力***构型的选择方法 | |
Abas et al. | Development of Malaysian urban drive cycle using vehicle and engine parameters | |
CN106536315A (zh) | 用于评价和/或优化车辆的运行特性的*** | |
CN105527110B (zh) | 汽车燃油经济性的评估方法和装置 | |
CN112507518B (zh) | 一种用户综合油耗计算方法和装置 | |
CN114332825B (zh) | 基于深度学习的道路地形分布识别方法、设备和存储介质 | |
JP2023063233A (ja) | 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置 | |
CN114329921A (zh) | 一种整车可靠性性能的评估方法、装置、设备和介质 | |
CN111896264B (zh) | 增程器用发动机的试验工况生成方法、装置及电子设备 | |
CN112035536A (zh) | 一种考虑动态路网交通流的电动汽车能耗预测方法 | |
CN113553663B (zh) | 电机***的选型方法、终端和可读存储介质 | |
CN114840916A (zh) | 整车零部件热害性能测试工况的构建方法和热害对整车使用寿命影响程度的综合判定方法 | |
CN115688957A (zh) | 一种车辆能耗确定方法、装置、电子设备及存储介质 | |
Samuel et al. | The most significant vehicle operating parameter for real-world emission levels | |
CN113062975B (zh) | 一种换挡图处理方法、装置、设备和存储介质 | |
Ruiwen et al. | Research on a Comprehensive Evaluation System for Driving Behavior by Introducing Fuzzy Evaluation Based on Natural Driving Data | |
CN116894525B (zh) | 一种电动重型卡车续航里程预测方法及装置 | |
CN114407662B (zh) | 一种剩余里程预测方法、装置、电动汽车及存储介质 | |
CN114112408B (zh) | 基于台架试验的汽油发动机机油消耗量的获取方法和装置 | |
Magaña et al. | Artemisa: Early Design of an eco-driving assistant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |