[發明專利]一種基于數據驅動的整車電磁干擾抑制方法

有效

• 申請號: 202010959005.2
• 申請日: 2020-09-14
• 公開（公告）號: CN112084714B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 周安健;陳勇;徐龍宇;葉尚斌;陳章勇;李猛;劉越智
• 申請（專利權）人: 重慶長安新能源汽車科技有限公司;電子科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/15;G06F111/04
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基于數據驅動的整車電磁干擾抑制方法，提高電動汽車抗電磁干擾能力，確保整車的穩定性。本發明針對電動汽車內部電磁干擾源器件、模塊和系統進行數據采集，基于大數據進行迭代分析，通過數據驅動方式進行電磁干擾估計與補償計算，并從整車角度基于大數據進行深度學習，提取實體并知識建模，通過融合知識驅動與數據驅動模型設計抑制器并作用于整車開關器件及多級濾波器。本發明能夠有效抑制電動汽車可能存在的電磁干擾，提高整車的抗電磁干擾能力。

技術領域

本發明屬于電磁兼容與數據驅動技術領域，更為具體地講，涉及一種基于數據驅動的電動汽車整車電磁干擾抑制方法。

背景技術

由于傳統汽車對石油、天然氣等不可再生自然資源的急劇消耗，研究一種新型清潔能源的汽車勢在必行，新能源電動汽車應運而生。新能源電動汽車的誕生，不僅可以有效解決不可再生資源匱乏的問題，同時還具有低污染、低噪聲等綠色環保的優勢，其線性加速也是傳統汽車無法比擬的。因此，現階段各國都在積極推廣普及新能源電動汽車。

然而，由于電動汽車的驅動動力系統發生了改變，在運行過程中會產生較高的電壓和電流，也使得整車的內部運行環境更加復雜化。電動汽車系統內由于模塊開關器件狀態的不斷切換，產生較大的變換電流，會出現電磁干擾的問題，需要嚴格考慮各個器件、模塊之間的干擾與耦合問題。電磁干擾嚴重時，會直接影響電動汽車模塊間的工作狀態，干擾汽車的正常行駛、導航、通信，甚至會威脅到人身安全。因此，對電動汽車的電磁干擾進行分析、抑制，以保證系統的穩定性從而減少故障，具有十分重要的意義。

在之前的電動汽車電磁干擾抑制技術研究中，從器件、模塊至整車系統分層分析的研究還比較少。其中，基于數據驅動進行電磁干擾的智能分析、并結合知識驅動設計抑制算法為較新的領域，其研究還有待深入。

發明內容

本發明的目的在于提供一種基于數據驅動的整車電磁干擾抑制方法，克服背景技術中提到的不足。

為實現上述目的，本發明提供如下技術方案：

基于數據驅動的電動汽車整車電磁干擾抑制方法，包括如下步驟：

步驟1.針對電動汽車內部電磁干擾源器件、模塊和系統進行數據采集，獲取數據集；

步驟2.對采集的數據進行分析，根據理想的輸入輸出數據進行大數據迭代學習，分解得到不同工作狀態下的電磁干擾，并通過數據驅動方式進行電磁干擾估計與補償；

步驟3.利用提取的特征樣本數據進行深度學習，通過知識建模結合數據驅動方式設計電磁干擾抑制器；

步驟4.利用訓練好的模型聯合估計的電磁干擾量，從整車角度對電磁干擾進行抑制。

所述的電動汽車器件，包括但不限于開關管如MOS管及IGBT等；所述的主要電磁干擾源模塊，包括但不限于DC-DC變換器、電源逆變器等；所述的電磁干擾系統，包括但不限于電驅系統、通信系統、輔助系統等。

所述的進行大數據迭代分析，對數據特征進行識別、判定、收斂和顯性化。圍繞目標引入和修正環境的輸入與輸出，并將其作用于目標，進一步明確化分析目標。

所述的進行電磁干擾估計，根據數據確定其誤差量，通過迭代分析參數向量，計算其干擾量。

所述的通過數據驅動方式進行補償，將數據進行組織形成信息并進行整合和提煉，在數據的基礎上經過訓練和擬合形成自動化的決策，分析得到最優補償。

所述的知識驅動結合數據驅動的方式，包括但不限于決策樹以及神經網絡、支持向量機等，由數據驅動的迭代學習架構和知識驅動的逐層優化組成。

所述的從整車角度對電磁干擾進行抑制，其作用對象表現形式可以為開關器件頻率控制及控制方式、模塊及系統的多級濾波等。