面向大数据分析的车重还原算法研究  

作　　者：周圣凯 桑海浪[1] 谭志诚 田淋瑕 李峰[1] 陶前昭 李伟柱 

机构地区：[1]广西玉柴机器股份有限公司,广西玉林537000 [2]广西玉柴机器配件制造有限公司,广西玉林537005

出　　处：《装备制造技术》2024年第5期17-20,共4页Equipment Manufacturing Technology

基　　金：广西重点研发计划(桂科AB22080085);重点研发项目(桂科AB21220059)。

摘　　要：在当下智能时代,对于准确还原载货车辆行驶时的质量,成为了分析车辆动力需求和优化控制策略的核心问题。然而,面对着诸如干扰大、场景多、采集间隔长等挑战,针对行车大数据的车重估计往往表现出明显的波动。这其中,平均每百秒进行四次换挡,持续6秒的刹车的情形更是屡见不鲜。现有的算法往往难以在信息干扰大、数据缺失等复杂场景下有效应对。因此,本研究以概率统计为基础,提出了一种基于核密度估计的车重还原方法。通过对驾驶行为的深入分析,建立了有效的数据筛选原则。在此基础上,利用车辆纵向动力学方程和递推最小二乘法,完成了对车重的精准估计,并采用核密度估计的技术对所得结果进行了深入分析,以还原真实的车辆质量。此外,针对数据中刹车和换挡等因素的影响,对算法的误差适应性进行了详尽分析。研究结果显示,在换挡和刹车等误差干扰下,所提方法的估计结果稳定在5%以内,成功实现了对载货车辆历史行驶过程中车重的精确还原和追溯。这一研究不仅提供了一种全新的数据智能方法,更为解决行车大数据分析中的实际问题提供了有力支持。

关 键 词：自适应遗忘因子 车辆质量还原 数据片段筛选 递推最小二乘 核密度估计 

分 类 号：U461.2[机械工程—车辆工程]