[发明专利]一种基于数据驱动的整车电磁干扰抑制方法

权利要求书

1.一种基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，包括如下步骤：

步骤1.针对电动汽车内部的电磁干扰源器件、电磁干扰源模块和电磁干扰源系统进行数据采集，获取特征样本数据；

步骤2.对采集的特征样本数据进行分析，根据理想的输入输出数据进行大数据迭代学习，分析得到不同工作状态下的电磁干扰，并通过数据驱动方式进行电磁干扰估计与补偿；

步骤3.利用采集的特征样本数据进行深度学习，通过知识建模结合数据驱动方式设计并优化电磁干扰抑制器；

步骤4.利用优化后的电磁干扰抑制器估计的电磁干扰量，从整车角度对电磁干扰进行抑制。

2.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤1所述的电动汽车电磁 干扰源器件包括但不限于MOS管及IGBT，所述的电磁干扰源模块包括但不限于DC-DC变换器、电源逆变器，所述的电磁干扰源 系统包括但不限于电驱系统、通信系统、辅助系统。

3.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤2所述的进行大数据迭代学习，对数据特征进行识别、判定、收敛和显性化；

围绕目标引入和修正环境的输入与输出，并将其作用于目标，进一步明确化分析目标。

4.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤2所述的进行电磁干扰估计，根据数据确定其误差量，通过迭代分析参数向量，计算其干扰量。

5.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤2所述的通过数据驱动方式进行补偿，将数据进行组织形成信息并进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的决策，分析得到最优补偿。

6.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤3所述的知识建模结合数据驱动的方式，包括但不限于决策树以及神经网络、支持向量机，由数据驱动的迭代学习架构和知识驱动的逐层优化组成。

7.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，步骤4所述的从整车角度对电磁干扰进行抑制，其作用对象表现形式为开关器件频率控制及控制方式、模块及系统的多级滤波。

8.根据权利要求1所述的基于数据驱动的电动汽车整车电磁干扰抑制方法，其特征在于，所述的从整车角度对电磁干扰进行抑制，结合电磁干扰抑制器与补偿，联合分析器件、模块以及系统的输入输出数据，分析其权重关系，选取迭代学习率，优化抑制精度。