[發明專利]一種基于神經網絡的車輛電控系統安全性分析方法和裝置

有效

• 申請號: 201911399392.2
• 申請日: 2019-12-30
• 公開（公告）號: CN111190062B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 李志恒;趙君豪;張凱;于海洋
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01M17/007;G06N3/04;G06N3/08
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 王震宇

1.一種基于神經網絡的車輛電控系統安全性分析方法，其特征在于，包括以下步驟：

S1、獲取車輛電控系統的歷史工況數據和代表安全性的標簽數據，得到訓練集；

S2、確定BP神經網絡預測模型的拓撲結構，所述BP神經網絡預測模型的拓撲結構包含輸入層、隱藏層、輸出層和softmax層，其中，所述輸入層的各個節點對應于車輛電控系統的工況數據的不同種類，車輛電控系統安全性的判斷結果經所述輸出層和softmax層輸出；

S3、將所述訓練集的數據輸入所述BP神經網絡預測模型進行訓練，得到最終的模型參數，完成所述BP神經網絡預測模型的建立；

S4、將從待測電動車電控系統實時采集的工況數據輸入訓練好的所述BP神經網絡預測模型，通過所述BP神經網絡預測模型對待測電動車電控系統進行安全性分析；

步驟S3中，所述訓練的過程包括：

初始化模型參數，所述模型參數包括所述輸入層的18個節點和所述隱藏層的3個節點的權重和偏置，初始化方法為隨機生成參數；

將所述訓練集的工況數據和標簽數據輸入所述BP神經網絡預測模型中，通過神經網絡運算得到回歸結果，并通過神經網絡中的所述softmax層將回歸結果轉換成車輛電控系統安全與不安全的概率，選取概率大的作為當次訓練結果，將當次訓練結果與真實值進行比對得到誤差，取誤差對神經網絡各層的參數求偏導數并將參數沿著偏導數的負梯度方向更新，通過不斷地訓練迭代直到誤差小于設定誤差閾值或者迭代次數大于設定值。

2.如權利要求1所述的基于神經網絡的車輛電控系統安全性分析方法，其特征在于，所述BP神經網絡預測模型的所述輸入層的節點數為18個，所述隱藏層的節點數為3個，所述輸出層的節點數為2個，所述輸出層的2個節點通過softmax層轉換成系統為安全或不安全的兩種概率。

3.如權利要求1或2所述的基于神經網絡的車輛電控系統安全性分析方法，其特征在于，步驟S3中，采用隨機梯度下降法進行所述BP神經網絡預測模型的訓練。

4.如權利要求1至2任一項所述的基于神經網絡的車輛電控系統安全性分析方法，其特征在于，步驟S1中，采集的工況數據包括如下三類數據：第一類數據為車輛電控系統的控制器輸出偏差及儀表的指示偏差，第二類數據為車輛電控系統的控制器通信數據，第三類數據為車輛電控系統的控制器響應數據；步驟S4中，將對車輛電控系統實時檢測采集到的控制器顯示偏差、儀表顯示偏差、控制器通信數據、控制器響應偏差輸入訓練好的所述BP神經網絡預測模型的所述輸入層，通過所述BP神經網絡預測模型進行預測分析后，從所述輸出層輸出對應的電控系統安全性。

5.如權利要求4所述的基于神經網絡的車輛電控系統安全性分析方法，其特征在于，

所述第一類數據包括如下的一種或多種：

1)剩余續駛里程顯示值誤差；

2)轉鼓行駛路程誤差；

3)電機轉速顯示誤差；

4)車速顯示誤差；

5)電量顯示誤差；

6)溫度顯示誤差；

所述第二類數據包括：

CAN網絡通信系統、整車控制器(ECU)、電池管理系統(BMS)、電機控制器的任意兩種之間的通信功能，正常通信為1，不正常通信為0；

所述第三類數據包括如下的一種或多種：

1)加速踏板輸入數據與電機輸出轉速偏差；

2)制動踏板輸入數據與制動系統制動力偏差。

6.如權利要求1至2任一項所述的基于神經網絡的車輛電控系統安全性分析方法，其特征在于，所述車輛電控系統為新能源汽車的車輛電控系統，所述新能源汽車包括純電動汽車、燃料電池汽車、混合動力汽車。