[发明专利]一种基于神经网络的车辆电控系统安全性分析方法和装置

说明书

一种基于神经网络的车辆电控系统安全性分析方法和装置，该方法包括以下步骤：获取车辆电控系统的历史工况数据和标签，得到训练集；确定BP神经网络的拓扑结构，包含输入层、隐藏层、输出层和softmax层；用所述训练集训练并建立BP神经网络预测模型；将从待测电动车电控系统实时采集的工况数据输入BP神经网络预测模型，对待测电动车电控系统进行安全性分析。相对于现有的车辆电控系统安全检测方法，本发明可快速完成对车辆电控系统安全性的分析和评估，具有快速、高时效性、非破坏性、可重复性的优点。

技术领域

本发明涉及车辆检测安全性分析领域，特别是一种基于神经网络的车辆电控系统安全性分析方法和装置。

背景技术

新能源汽车在国内的发展较晚，根据行业发展的需要，科技部从“十五”开始，通过新能源汽车重大项目对新能源汽车的公告及出厂检测方法进行了持续支持，推动了我国新能源汽车相关检测技术的进步。目前关于新能源汽车的公告检测及出厂检测均已形成一个较为完整的检测流程及体系，并且也制定了相当多的行业标准。

目前在新能源汽车整车及关键零部件通用性、安全性、互换性、技术条件及试验方法等标准方面，已经发布的新能源汽车标准项目42项(含电动摩托车6项)，其中国家标准35项，汽车行业标准7项。标准按照技术路线分包括纯新能源汽车11项，混合动力汽车6项，燃料电池汽车4项，电动摩托车6项，动力电池8项，电机及控制器2项，能源供给和充电相关5项。

然而，目前针对新能源汽车的检测，需要对新能源汽车进行解体单独检测各个模块的功能及结构，如出厂检验需要对电池进行针刺、涉水、过充过热等试验，需要进行长时间的试验，难以在很短的时间内当场便生成一份检测报告。

发明内容

本发明针对在新能源汽车年检中电控系统安全分析方面的不足，提出了一种针对新能源车辆电控系统的安全性分析方法和装置，来实现非破坏性快速的电控系统安全检查。

为实现上述目的，本发明采用以下技术方案：

一种基于神经网络的车辆电控系统安全性分析方法，包括以下步骤：

S1、获取车辆电控系统的历史工况数据和代表安全性的标签数据，得到训练集；

S2、确定BP神经网络预测模型的拓扑结构，所述BP神经网络预测模型的拓扑结构包含输入层、隐藏层、输出层和softmax层，其中，所述输入层的各个节点对应于车辆电控系统的工况数据的不同种类，车辆电控系统安全性的判断结果经所述输出层和softmax层输出；

S3、将所述训练集的数据输入所述BP神经网络预测模型进行训练，得到最终的模型参数，完成所述BP神经网络预测模型的建立；

S4、将从待测电动车电控系统实时采集的工况数据输入训练好的所述BP神经网络预测模型，通过所述BP神经网络预测模型对待测电动车电控系统进行安全性分析。

进一步地：

所述BP神经网络预测模型的所述输入层的节点数为18个，所述隐藏层的节点数为3个，所述输出层的节点数为2个，所述输出层的2个节点通过softmax层转换成系统为安全或不安全的两种概率。

步骤S3中，采用随机梯度下降法进行所述BP神经网络预测模型的训练。

步骤S3中，所述训练的过程包括：

初始化模型参数，所述模型参数包括所述输入层的18个节点和所述隐藏层的3个节点的权重和偏置，初始化方法为随机生成参数；