<kbd id="ia2e8"><input id="ia2e8"></input></kbd><u id="ia2e8"></u>
  • <blockquote id="ia2e8"></blockquote>
  • <blockquote id="ia2e8"></blockquote>
  • <samp id="ia2e8"><label id="ia2e8"></label></samp>
  • 新能源汽車無人駕駛應用智能存儲系統及方法與流程

    文檔序號:26100130發布日期:2021-07-30 18:10
    新能源汽車無人駕駛應用智能存儲系統及方法與流程

    本發明涉及數據存儲技術領域,具體為新能源汽車無人駕駛應用智能存儲系統及方法。



    背景技術:

    新能源汽車是指采用非常規的車用燃料作為動力來源(或使用常規的車用燃料、采用新型車載動力裝置),綜合車輛的動力控制和驅動方面的先進技術,形成的技術原理先進、具有新技術、新結構的汽車。新能源汽車作為環保的標志,逐漸被人們所接受。無人駕駛是智能汽車駕駛的一種,主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛。

    在新能源汽車無人駕駛的過程中,會產生大量的駕駛數據,這些數據會大量的上傳至上端存儲在服務器中,然而大量的無人駕駛數據是混雜的存儲在一起,且其中混雜有大量的無用數據,需要巨大的存儲空間,使得不能很好地掌握新能源汽車的無人駕駛狀況。



    技術實現要素:

    本發明的目的在于提供新能源汽車無人駕駛應用智能存儲系統及方法,能夠實現從數據源頭進行篩選、整合、分類和分析,只保留正常數據,從而保證存儲數據是正常的和準確地,且在出現異常時可進行預警,實現了自動化、規范化、網絡化,保證了新能源汽車的無人駕駛數據的安全性、準確性,能夠有效幫助及時準確掌握無人駕駛狀況,以解決上述背景技術中提出的問題。

    為實現上述目的,本發明提供如下技術方案:

    新能源汽車無人駕駛應用智能存儲系統,包括中央處理器以及分別與所述中央處理器通訊連接的參數設置模塊、數據獲取模塊、數據篩選模塊、數據整理分類模塊、數據分析模塊、安全診斷模塊、預警模塊和存儲模塊;

    所述參數設置模塊用于對所述中央處理器的預設參數進行設置和調整;

    所述數據獲取模塊用于獲取新能源汽車的無人駕駛原始數據;

    所述數據篩選模塊用于對所述數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據;

    所述數據整理分類模塊用于對所述數據篩選模塊得到的無人駕駛有效數據進行整合和分類;

    所述數據分析模塊用于對所述數據整理模塊整合和分類后的無人駕駛有效數據進行分析;

    所述安全診斷模塊用于對所述數據分析模塊分析后的無人駕駛有效數據進行診斷;

    所述預警模塊用于判斷所述安全診斷模塊診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警;

    所述存儲模塊用于對系統數據進行存儲。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,還包括與所述中央處理器通訊連接的數據濾波模塊,所述數據濾波模塊用于對所述數據獲取模塊獲取的無人駕駛原始數據進行濾波處理。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,所述數據濾波模塊對所述數據獲取模塊獲取的無人駕駛原始數據進行濾波處理的具體步驟包括:

    s1.通過小波分解得到低通濾波信號與高通濾波信號;

    s2.通過基于lms算法的自適應濾波器輸出為有用信號的最佳估計。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,所述s1中的低通濾波信號的計算公式為:

    高通濾波信號的計算公式為:

    其中,hk和gk為多分辨率分析中的濾波器系數,j為分解尺度參數。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,所述s2中lms算法的迭代公式為:

    e(k)=d(k)-y(k);

    wi(k+1)=wi(k)+2μe(k)x(k-i);

    其中,x(k)為自適應濾波器的輸入,y(k)為自適應濾波器的輸出,d(k)為參考信號,e(k)為誤差,wi為濾波器的權重系數,μ為步長,m為濾波器階數。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,所述數據篩選模塊對所述數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據包括:

    μi=sgn(dfi*δy));

    x={xi|μi=0};

    無人駕駛有效數據=μi-x;

    其中,x為預篩選數據對應的數據集合,xi為第i個原始數據,dfi為第i個原始數據對應的剔除判斷結果,dfi為第i個原始數據對應的區分處理結果,并且當區分處理結果處于正常狀態時,dfi的值為0,當所述區分處理結果處于異常狀態時,dfi的值為1,δ(y)為修復檢驗結果,其具體數學形式為δ(y)=sgn(dfy·f(y)),dfy為異常數據的區分處理結果,f(y)為異常數據檢驗函數,其用于檢驗異常數據是否被修復,當δ(y)的值為0時,表示異常數據已經被修復,否則表示異常數據未被修復。

    作為本發明的新能源汽車無人駕駛應用智能存儲系統優選的,還包括與所述中央處理器通訊連接的數據降維模塊,所述數據降維模塊用于對所述數據濾波模塊濾波處理后的無人駕駛原始數據進行數據空間維度降低處理。

    新能源汽車無人駕駛應用智能存儲方法,包括如下步驟:

    s1.獲取新能源汽車的無人駕駛原始數據;

    s2.對獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據;

    s3.對得到的無人駕駛有效數據進行整合和分類;

    s4.對整合和分類后的無人駕駛有效數據進行分析;

    s5.對無人駕駛有效數據進行診斷;

    s6.判斷診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警;

    s7.對系統數據進行存儲。

    與現有技術相比,本發明的有益效果是:

    本發明通過參數設置模塊對中央處理器的預設參數進行設置和調整,數據獲取模塊獲取新能源汽車的無人駕駛原始數據,數據篩選模塊對數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據,數據整理分類模塊對數據篩選模塊得到的無人駕駛有效數據進行整合和分類,數據分析模塊對數據整理模塊整合和分類后的無人駕駛有效數據進行分析,安全診斷模塊對數據分析模塊分析后的無人駕駛有效數據進行診斷,預警模塊判斷安全診斷模塊診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警,存儲模塊對系統數據進行存儲,本發明能夠實現從數據源頭進行篩選、整合、分類和分析,只保留正常數據,從而保證存儲數據是正常的和準確地,且在出現異常時可進行預警,實現了自動化、規范化、網絡化,保證了新能源汽車的無人駕駛數據的安全性、準確性,能夠有效幫助及時準確掌握無人駕駛狀況。

    附圖說明

    圖1為本發明的新能源汽車無人駕駛應用智能存儲系統的系統框圖;

    圖2為本發明的新能源汽車無人駕駛應用智能存儲方法的流程示意圖。

    具體實施方式

    下面將結合本發明實施例中的附圖,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例?;诒景l明中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬于本發明保護的范圍。

    因此,以下對在附圖中提供的本發明的實施方式的詳細描述并非旨在限制要求保護的本發明的范圍,而是僅僅表示本發明的選定實施方式?;诒景l明中的實施方式,本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施方式,都屬于本發明保護的范圍。

    實施例

    請參閱圖1和圖2,本發明提供一種技術方案:

    新能源汽車無人駕駛應用智能存儲系統,包括中央處理器以及分別與中央處理器通訊連接的參數設置模塊、數據獲取模塊、數據篩選模塊、數據整理分類模塊、數據分析模塊、安全診斷模塊、預警模塊和存儲模塊。

    參數設置模塊用于對中央處理器的預設參數進行設置和調整;

    數據獲取模塊用于獲取新能源汽車的無人駕駛原始數據;

    數據篩選模塊用于對數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據;

    數據整理分類模塊用于對數據篩選模塊得到的無人駕駛有效數據進行整合和分類;

    數據分析模塊用于對數據整理模塊整合和分類后的無人駕駛有效數據進行分析;

    安全診斷模塊用于對數據分析模塊分析后的無人駕駛有效數據進行診斷;

    預警模塊用于判斷安全診斷模塊診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警;

    存儲模塊用于對系統數據進行存儲。

    作為本發明的一種技術優化方案,還包括與中央處理器通訊連接的數據濾波模塊,數據濾波模塊用于對數據獲取模塊獲取的無人駕駛原始數據進行濾波處理。

    作為本發明的一種技術優化方案,數據濾波模塊對數據獲取模塊獲取的無人駕駛原始數據進行濾波處理的具體步驟包括:

    s1.通過小波分解得到低通濾波信號與高通濾波信號;

    s2.通過基于lms算法的自適應濾波器輸出為有用信號的最佳估計。

    作為本發明的一種技術優化方案,s1中的低通濾波信號的計算公式為:

    高通濾波信號的計算公式為:

    其中,hk和gk為多分辨率分析中的濾波器系數,j為分解尺度參數。

    作為本發明的一種技術優化方案,s2中lms算法的迭代公式為:

    e(k)=d(k)-y(k);

    wi(k+1)=wi(k)+2μe(k)x(k-i);

    其中,x(k)為自適應濾波器的輸入,y(k)為自適應濾波器的輸出,d(k)為參考信號,e(k)為誤差,wi為濾波器的權重系數,μ為步長,m為濾波器階數。

    作為本發明的一種技術優化方案,數據篩選模塊對數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據包括:

    μi=sgn(dfi*δ(y));

    x={xi|μi=0};

    無人駕駛有效數據=μi-x;

    其中,x為預篩選數據對應的數據集合,xi為第i個原始數據,dfi為第i個原始數據對應的剔除判斷結果,dfi為第i個原始數據對應的區分處理結果,并且當區分處理結果處于正常狀態時,dfi的值為0,當區分處理結果處于異常狀態時,dfi的值為1,δ(y)為修復檢驗結果,其具體數學形式為δ(y)=sgn(dfy·f(y)),dfy為異常數據的區分處理結果,f(y)為異常數據檢驗函數,其用于檢驗異常數據是否被修復,當δ(y)的值為0時,表示異常數據已經被修復,否則表示異常數據未被修復。

    作為本發明的一種技術優化方案,還包括與中央處理器通訊連接的數據降維模塊,數據降維模塊用于對數據濾波模塊濾波處理后的無人駕駛原始數據進行數據空間維度降低處理。

    新能源汽車無人駕駛應用智能存儲方法,包括如下步驟:

    s1.獲取新能源汽車的無人駕駛原始數據;

    s2.對獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據;

    s3.對得到的無人駕駛有效數據進行整合和分類;

    s4.對整合和分類后的無人駕駛有效數據進行分析;

    s5.對無人駕駛有效數據進行診斷;

    s6.判斷診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警;

    s7.對系統數據進行存儲。

    綜上,本發明通過參數設置模塊對中央處理器的預設參數進行設置和調整,數據獲取模塊獲取新能源汽車的無人駕駛原始數據,數據篩選模塊對數據獲取模塊獲取的無人駕駛原始數據進行篩選處理,得到無人駕駛有效數據,數據整理分類模塊對數據篩選模塊得到的無人駕駛有效數據進行整合和分類,數據分析模塊對數據整理模塊整合和分類后的無人駕駛有效數據進行分析,安全診斷模塊對數據分析模塊分析后的無人駕駛有效數據進行診斷,預警模塊判斷安全診斷模塊診斷后的無人駕駛有效數據是否處于安全數值,當超標后進行預警,存儲模塊對系統數據進行存儲,本發明能夠實現從數據源頭進行篩選、整合、分類和分析,只保留正常數據,從而保證存儲數據是正常的和準確地,且在出現異常時可進行預警,實現了自動化、規范化、網絡化,保證了新能源汽車的無人駕駛數據的安全性、準確性,能夠有效幫助及時準確掌握無人駕駛狀況。

    盡管已經示出和描述了本發明的實施例,對于本領域的普通技術人員而言,可以理解在不脫離本發明的原理和精神的情況下可以對這些實施例進行多種變化、修改、替換和變型,本發明的范圍由所附權利要求及其等同物限定。

    再多了解一些
    當前第1頁1 2 
    網友詢問留言 已有0條留言
    • 還沒有人留言評論。精彩留言會獲得點贊!
    1
    中文字幕一区在线观看视频_国产偷v国产偷v_西西人体44rt net毛最多_伊人久久大香线蕉综合网