[发明专利]一种车辆行驶工况的识别方法及系统有效

专利信息
申请号: 201710149079.8 申请日: 2017-03-14
公开(公告)号: CN108569297B 公开(公告)日: 2021-02-26
发明(设计)人: 阮志毅;洪志新 申请(专利权)人: 厦门雅迅网络股份有限公司
主分类号: B60W40/10 分类号: B60W40/10;B60W40/105;B60W40/11;B60W40/112;B60W40/114;B60W40/076
代理公司: 深圳市博锐专利事务所 44275 代理人: 张明
地址: 361000 福建省厦门市*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 车辆 行驶 工况 识别 方法 系统
【权利要求书】:

1.一种车辆行驶工况的识别方法,其特征在于,包括:

S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;

S2、根据所述车辆行驶的速度,得到怠速工况片段;

S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;

S4、根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;

S5、聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;

S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段;

所述S6具体为:

获取所述最佳聚类结果所包含的种类;

计算预设的已分类工况片段样本集合中每一种类出现的概率,得到朴素贝叶斯分类器的先验概率;

统计每一种类各特征参数的期望与方差,得到每一种类各特征参数对应的概率密度函数;

提取所述怠速工况片段或所述坡道工况片段的特征参数;所述特征参数包括速度平均值、速度最大值、前进加速度平均值、前进加速度最大值、前进加速度标准差、垂直加速度平均值、垂直加速度标准差、加速时间、减速时间;

根据待分类的工况片段的特征参数计算得到每一种类各特征参数对应的概率密度函数值;

设置朴素贝叶斯分类器的似然度为每一种类各特征参数对应的概率密度函数值的乘积;

朴素贝叶斯分类器根据所述先验概率和所述似然度计算得到每一种类的后验概率;

设置待分类的工况片段的类别为最大后验概率对应的所述种类。

2.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,所述S2具体为:

预设怠速阈值;

当所述车辆行驶的速度由不小于所述怠速阈值转变为小于所述怠速阈值时,标记当前系统时间为怠速状态开始时刻;

当所述车辆行驶的速度由不大于所述怠速阈值转变为大于所述怠速阈值时,标记当前系统时间为怠速状态结束时刻;根据所述怠速状态开始时刻至所述怠速状态结束时刻的车辆行驶工况生成所述怠速工况片段。

3.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,还包括:

添加所述待分类的工况片段及所述待分类的工况片段的类别至所述已分类工况片段样本集合,得到更新后的已分类工况片段样本集合;

根据所述更新后的已分类工况片段样本集合更新所述朴素贝叶斯分类器的先验概率和每一种类各特征参数的概率密度函数。

4.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,所述S5具体为:

根据预设的车辆行驶工况片段样本集合的特征参数构造特征参数矩阵;

转换所述特征参数矩阵为模糊等价矩阵;

根据不同的预设截断值得到聚类结果集合;

计算所述聚类结果集合中各聚类结果的F统计量;

根据所述F统计量,得到所述最佳聚类结果。

5.根据权利要求4所述的车辆行驶工况的识别方法,其特征在于,根据所述F统计量,得到最佳聚类结果,具体为:

计算所述聚类结果集合中各聚类结果的F统计量与对应的F分布临界值的差值;

设置具有最大所述差值且所述差值大于零的所述聚类结果为最佳聚类结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门雅迅网络股份有限公司,未经厦门雅迅网络股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710149079.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top