[发明专利]一种确定机动车载重状态的方法和设备

权利要求书

1.一种确定机动车载重状态的方法，其特征在于，所述方法包括：

获取所述机动车在预设时间间隔内的历史运行数据，所述历史运行数据至少包括运行轨迹数据、运行速度数据、发动机声音数据以及实际载重数据；

根据不同时间点位的所述运行速度数据和所述发动机声音数据确定所述机动车运行时的重量特征值序列；

基于所述重量特征值序列和所述运行轨迹数据对预设多元线性回归模型进行训练，以确定所述预设多元线性回归模型的模型结构；

当所述机动车在加速度为零的预设行驶状态时，基于所述模型结构确定所述机动车的总重量，并根据所述总重量与所述机动车的空载重状态的差值确定所述机动车的当前载重状态，所述预设行驶状态为发动机扭矩在第一预设范围内，且运行速度在第二预设范围内，且速度偏差在第三预设范围内。

2.如权利要求1所述的方法，其特征在于，基于所述重量特征值序列和所述运行轨迹数据对预设多元线性回归模型进行训练，具体为：

基于一阶差分算法和或均值滤波算法对所述重量特征值序列进行过滤；

根据所述过滤的结果确定最终重量特征值序列；

基于窗口函数确定所述运行轨迹数据中的有效运行轨迹数据；

从所述有效运行轨迹数据中筛选出非上下坡数据，所述非上下坡数据为所述机动车在预设时间内的海拔差值的绝对值小于预设距离的数据；

将所述最终重量特征值序列和所述非上下坡数据作为训练数据进行所述训练。

3.如权利要求2所述的方法，其特征在于，预先确定所述预设多元线性回归模型的相关系数，所述相关系数至少包括发动机在传递过程中的损失系数、空气阻力对机动车行驶的阻碍系数以及影响因数系数，将所述最终重量特征值序列和所述非上下坡数据作为训练数据进行所述训练，具体为：

将各所述相关系数的预设值和所述训练数据输入所述预设多元线性回归模型，以确定预测载重状态；

根据所述预测载重状态和所述实际载重数据的差值确定预测误差；

当所述预测误差的绝对值小于预设阈值时，基于各所述预设值确定所述模型结构；

当所述预测误差的绝对值不小于所述预设阈值时，设定各所述相关系数的新的预设值，继续将各所述新的预设值和所述训练数据输入所述预设多元线性回归模型。

4.如权利要求2所述的方法，其特征在于，基于窗口函数确定所述运行轨迹数据中的有效运行轨迹数据，具体为：

确定所述运行轨迹数据中的异常数据点，所述异常数据点包括：在同一时间戳上存在多条运行轨迹数据的数据点，和或里程数据丢失的数据点，和或里程信号跳变的数据点；

基于所述窗口函数提取所述异常数据点并进行剔除操作，所述剔除操作具体包括合并、和或填充、和或删除的操作；

基于所述剔除操作的结果确定所述有效运行轨迹数据。

5.如权利要求1所述的方法，其特征在于，根据不同时间点位的所述运行速度数据和所述发动机声音数据确定所述机动车运行时的重量特征值序列，具体为：

基于所述运行速度数据确定所述机动车各次加速的开始时刻和结束时刻；

根据各次所述开始时刻和所述结束时刻确定所述机动车的加速度时间序列；

根据所述加速度时间序列中每次加速的四分位距数据中的二三分位数据的平均值确定加速度特征值序列；

基于所述发动机声音数据确定与所述加速度时间序列对应的声音能量时间序列，所述声音能量时间序列的时间点位超前所述加速度时间序列的时间点位预设时长；

根据所述声音能量时间序列中每次加速的四分位距数据中的二三分位数据的平均值确定声音能量特征值序列；

根据所述加速度特征值序列和所述声音能量特征值序列确定所述重量特征值序列。