[发明专利]一种通过机器学习和大数据相结合的加油量精准测量系统

权利要求书

1.一种通过机器学习和大数据相结合的加油量精准测量系统，包括：

采集装置，所述采集装置通过OBD接口进行信号输入，所述采集装置通过MQTT协议进行输出，并对加油量进行计算，将工程机械使用时加油量的数据进行采集，采集数据包括油位刻度，油位刻度油量和耗油量，油位刻度是指油位仪表盘的刻度数据，区间是0-100％，油位刻度油量是指每个刻度变化对于的油量。比油位从78％降到77％，这个刻度变好对于的油量，耗油量是指单位时间内机器消耗的油量。

数据云端，所述数据云端将采集的数据进行收集，通过云端内部的算法对采集数据进行数据的对应处理，所述数据云端内预设有加油情景模型。

数据处理单元，所述数据处理单元将数据进行整合处理，同时根据预设数据模型进行数据的对比处理，并将处理完成的数据输出。

数据储存单元，所述数据储存单元将输出的数据收集之后，并将数据反馈到所述数据云端中，再通过数据云端发送给对应的机器，让其进行数据的积累，进行学习。

2.根据权利要求1所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述数据云端中的算法分为油位刻度数据过滤算法和油位量对应刻度算法。

3.根据权利要求2所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述油位刻度数据过滤算法为：采用算术平均和和方差进行滤波：由于机器在开动的过程中，油位波动幅度比较大，油位传感器获取到的油位数据波动比较大，需要对油位数据通过过滤算法来获取真实的油位数据，连续取5分钟内60个采样值进行算术平均运算，N值较大时：信号平滑度较高，但灵敏度较低，N值较小时：信号平滑度较低，但灵敏度较高，N值的选取：N平均值，对所有样本进行方差计算。对大于2倍方差的值进行过滤。

4.根据权利要求2所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述油位量对应刻度算法为：在计算加油量之前，需要知道每个百分位刻度变化对应的油量值，系统通过海量数据的出来，取步长N，取数据起始位置从100到100-N，结束位置从N...1，油位刻度＝(X-Y)/(100-N)第一次计算到该区间每个刻度的对应的油量，(X1-Y1)/(99-N+1)第二次计算到该区间每个刻度的对应的加油量，对N次计算：(Xn-Yn)/(100-N)第N次计算到该区间每个刻度的对应的加油量，对一以上每个刻度求N次平均值得到每个刻度对应的油量。

5.根据权利要求1所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述加油情景模型预设有四种，为加油情景A，加油情景B，加油情景C，加油情景D。

6.根据权利要求5所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述加油情景A预设数据为：油位从0％以下开始加油，加油到100％以上，通过在第一次出现0％油位刻度的时间点，找到加油时间点的，通过两个时间点累计耗油量计算0％等到以下的油量，0％-100％以上的加油量，通过机器学习得到每个刻度的加油量的求和得到0-100％之间的油量，100％以上的油量，通过加油时间到第一次掉到100％以下的时间点，计算两个时间段之间的总耗油量。

7.根据权利要求5所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述加油情景B预设数据为：从0％以下开始加油，加油100％以下(未加满油)，通过在第一层出现0油位刻度的时间点，找到加油时间点的，通过两个时间点计算0以下的油量，通过机器学习的油位刻度对应的油量，比如通过0-78％，那么求和每个刻度的油量就得到了0-78％之间的加油量。

8.根据权利要求5所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述加油情景C预设数据为：从油位刻度0以上开始加油，加油到100以下(未加满油)，通过机器学习的油位刻度对应的油量，比如加油从30％加到80％，那么求和每个刻度的油量就得到了30％-80％之间的加油量。

9.根据权利要求5所述的一种通过机器学习和大数据相结合的加油量精准测量系统，其特征在于：所述加油情景D预设数据为：从0以上开始加油，加油到100以上(加满油)，通过机器学习的油位刻度对应的油量，比如加油从30％加到100％，那么求和每个刻度的油量就得到了30％-100％之间的加油量，100％以上的油量，通过加油时间到第一次掉到100％以下的时间点，计算两个时间段之间的总耗油量。