[发明专利]一种基于车联网大数据的柴油发动机机油更换识别方法

权利要求书

1.一种基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，包括特征提取阶段、模型训练与预测阶段；

特征提取阶段具体包括如下步骤：

步骤1-1、数据清洗；

步骤1-2、抽取目标工况数据集；

步骤1-3、特征提取；

模型训练与预测阶段包括如下步骤：

步骤2-1、构建监督学习模型；

步骤2-2、模型结果预测；

步骤2-3、模型误差分析；

步骤2-4、融合多工况结果；

步骤2-5、模型结果展示。

2.根据权利要求1所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，所述步骤1-1中所使用的车联网原始采集数据频率为1Hz，且数据中存在一部分不合理值或缺失值，需要按照以下规则进行处理：

规则1、对于部分采样保留值，直接进行剔除该行数据；对于温度采样值≤-270℃的数据，判定为无效值，也进行剔除；

规则2、对于缺失值，若为温度测点且精度较低，根据前后温度值进行插值；若非温度测点，则直接剔除该行数据。

3.根据权利要求1所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，所述步骤1-2适用于识别方法的工况数据范围为柴油车发动机每天启动后的热车过程阶段；所述热车过程为柴油发动机启动后，发动机常规的升温过程，该过程发动机处于怠速状态，且会根据环境温度调整转速水平，通常固定在1～2个相对较窄的转速区间；所述升温过程，通常车辆中以冷却液温度作为测量指标。

4.根据权利要求3所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，步骤1-2中，目标工况抽取的条件如下：

1-2-1、车辆处于怠速状态，即发动机转速大于0 rpm，同时车速为0 km/h；

1-2-2、发动机冷却液温度高于45℃且低于55℃，在该温度区间内，冷却液温度近似等于油路中的机油温度；

经过步骤1-2-1和1-2-2处理后的数据，其发动机转速应当集中在1～2个转速区间，所述转速区间为790 rpm～810 rpm及890 rpm～910 rpm，后续两个转速区间的数据均需要纳入计算范围。

5.根据权利要求1所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，所述步骤1-3提取能够反应机油状态的关键变量，并将原始的1Hz数据进行聚合，降低因数据波动产生的偏差；具体的提取步骤如下：

步骤1-3-1、选取机油压力测点为反应机油粘度的关键特征，另外采集发动机转速、冷却液温度、燃油量和进气量作为反映工况的测点；

步骤1-3-2、将1Hz数据按照时间聚合为5s一条的数据，计算发动机转速、冷却液温度、燃油量和进气量的平均值、10分位数值、90分位数值、中位数共4种聚合方式，得到待输入模型的16个特征；对应机油压力选取平均值作为待输入模型的标签。

6.根据权利要求5所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，所述步骤2-1根据发动机所处的转速区间的不同对数据集进行区分，具体的是选取待分析日期前7天的数据作为训练集，以步骤1-3中得到的发动机转速、冷却液温度、燃油量和进气量的平均值、10分位数、90分位数、中位数四种聚合方式计算的16个变量作为特征，以对应时间的平均机油压力作为标签，输入监督学习模型，得到对应790rpm～810rpm转速区间的模型a与对应890rpm～910rpm转速区间的模型b；训练过程中，模型a与模型b的超参数设置一致；所述超参数包括学习率、弱分类器数量、降采样比例、损失函数、叶节点最大深度、L1正则化项、L2正则化项。

7.根据权利要求6所述基于车联网大数据的柴油发动机机油更换识别方法，其特征在于，所述步骤2-2中，使用待分析当日的数据，根据发动机转速区间的不同，分别将对应的数据输入模型a与模型b，得到预测的5s平均机油压力值，记为预测机油压力a、预测机油压力b；当日的数据指的是当日采集的1Hz热车过程阶段的数据，包括发动机转速、冷却液温度、车速、进气流量、环境温度和机油压力测点。