[发明专利]一种基于物联网的新能源汽车远程监控系统

摘要

本发明公开了一种基于物联网的新能源汽车远程监控系统，设置有监控器主体；监控器主体设置内置有移动网络接收器和信号发生器；车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器主体的五个接线口上。本发明将监控器固定在汽车框架上，将螺栓拧入螺栓孔，车载电池、摄像头、油压传感器、温度传感器、GPS定位器分别通过专用导线连接到监控器的五个接线口上，网络接收器用于接收网络信号，信号发生器用于将监控器收集的数据以电信号的形式传送出去。本发明通过将汽车上的多种传感器集中收集在一起，实时发送，使得汽车的远程监控更加的简单快捷，有效解决了监控器单一化的问题。

主权项

一种基于物联网的新能源汽车远程监控系统，其特征在于，所述基于物联网的新能源汽车远程监控系统设置有：监控器主体；所述监控器主体的底部设置有五个接线口；所述监控器主体的侧面设置有安装U盘的槽；所述监控器主体的四个角各开有一个螺栓孔；所述监控器主体的内置有移动网络接收器和信号发生器；所述移动网络接收器建立的模型为非合作的博弈模型的最优服务质量，网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示：U(Q)=Σi=1NQiei-12(Σi=1NQi2+2ρΣi≠jQiQj)-Σi=1NPiQi;]]>式中，Q＝(Q1,...,Qi,…,QM)为M个接入网络的服务质量，Pi表示网络i单位服务质量的价格，ρ(0≤ρ≤1)表示不同网络之间的竞争因子，当ρ＝0时表示网络竞争激烈，它们所提供的服务无法替代，当ρ＝1时表示网络之间不存在竞争，网络提供的服务完全可以替代，当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度；网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现，即将U(Q)对Pi求一阶偏导数然后置0：∂U(Q)∂Qi=ei-Qi-ρΣi≠jQj-Pi=0;]]>联合求解式中的Qi(i＝1,2，…，N)，可得到最优服务质量函数：Qi(P)=(ei-Pi)[ρ(N-2)+1]-ρΣi≠j(ej-Pj)(1-ρ)[ρ(N-1)+1];]]>非合作博弈模型的求解，由收益函数Ri＝Qi‑αQiPi和最优服务质量函数的关系可知，α表示成本因子，Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格，接入网判决函数可表示为价格的函数：Ri(P)=(1-α)Pi[(ei-Pi)F1-Σi≠j(ej-Pj)F2];]]>其中，F1=ρ(N-2)+1(1-ρ)[ρ(N-1)+1];]]>F2=ρ(1-ρ)[ρ(N-1)+1];]]>最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到：∂Ri(P)∂Pi=(1-α)eiF1-Σi≠j(1-α)(ej-Pj)F2-2(1-α)PiF1=0;]]>整理得：Pi*=eiF1-Σi≠j(ej-Pj)F22F1;]]>求解出网络i的最佳价格策略Pi*，以此类推可以计算出因为各接入网络的最佳价格函数是线性的，所以各个网络的最佳价格是确定且唯一的，此时，用户接入各个网络的利益达到均衡值；所述信号发生器的时频重叠信号的归一化高阶累积量方程组构建方法包括：接收信号的信号模型表示为：r(t)＝x1(t)+x2(t)+…+xn(t)+v(t)xi=ΣkAkicos(2πfct+θki)·g(t-kTsi)]]>其中，xi(t)为时频重叠信号的各个信号分量，各分量信号独立不相关，n为时频重叠信号分量的个数，θki表示对各个信号分量载波相位的调制，fci为载波频率，Aki为第i个信号在k时刻的幅度，Tsi为码元长度，pi(t)为滚降系数为α的升余弦成形滤波函数，且n(t)是均值为0，方差为σ2的平稳高斯白噪声；混合信号的高阶累积量公式如下：Ck,r=Ck,x1+Ck,x2+...Ck,xn+Ck,v;]]>两边同时除以混合信号的二阶矩k/2次方：Ck,r(mr,2)k/2=Ck,x1(mr,2)k/2+Ck,x2(mr,2)k/2+...Ck,xn(mr,2)k/2+Ck,v(mr,2)k/2;]]>进一步变形为：Ck,r(mr,2)k/2=Ck,x1(mx1,2)k/2·(mx1,2)k/2(mr,2)k/2+Ck,x2(mx2,2)k/2·(mx2,2)k/2(mr,2)k/2+...Ck,xn(mxn,2)k/2·(mxn,2)k/2(mr,2)k/2+Ck,v(mv,2)k/2·(mv,2)k/2(mr,2)k/2]]>其中和表示各分量信号功率与总功率的比值和噪声功率与总功率的比值，分别表示为和λv；由于高斯白噪声的高阶累积量为0，所以上式可以表示为：Ck,r(mr,2)k/2=Ck,x1(mx1,2)k/2·λx1k/2+Ck,x2(mx2,2)k/2·λx2k/2+...Ck,xn(mxn,2)k/2·λxnk/2;]]>由此，构建归一化高阶累积量方程组：C4,r(mr,2)2=C4,x1(mx1,2)2·λx12+C4,x2(mx2,2)k/2·λx22+...C4,xN(mxN,2)k/2·λxN2C6,r(mr,2)3=C6,x1(mx1,2)3·λx13+C6,x2(mx2,2)3·λx23+...C6,xN(mxN,2)3·λxN3C8,r(mr,2)4=C8,x1(mx1,2)4·λx14+C8,x2(mx2,2)4·λx24+...C8,xN(mxN,2)4·λxN4....]]>