一种车辆续航预测模型、训练方法、预测方法及设备与流程

本申请涉及车辆，特别是涉及一种车辆续航预测模型、训练方法、预测方法及设备。

背景技术：

1、当前对新能源汽车电池续航预测通常是通过建立能耗模型，分析汽车行驶的速度、阻力、功率等参数，从而估计汽车的续航里程。由于汽车行驶过程中工况复杂，基于一维结构的时序数据进行预测时，时序数据只能反映周期内变化特征，无法直观表现周期间变化特征，无法提取不同尺度的深层次时序特征，故预测效果不理想。

技术实现思路

1、基于此，提供一种车辆续航预测模型、训练方法、预测方法及设备，改善现有技术中车辆能耗模型续航预测不准确的问题。

2、一方面，提供一种车辆续航预测模型，包括：

3、聚合模块和预测模块；

4、所述聚合模块包括频域变换单元、二维重构单元、特征挖掘单元、一维重构单元以及赋值单元；

5、所述频域变换单元用于对一维输入数据进行频域变换，并确定前k个平均幅度值的频率和周期长度，其中，所述一维输入数据包括车辆的至少一个变量的时序信号，所述变量包括速度、车外温度、电池端的电压或电池端的电流；

6、所述二维重构单元用于基于所述前k个平均幅度值的频率和周期长度，对所述一维输入数据进行重构，获得二维特征向量；

7、所述特征挖掘单元用于根据所述二维特征向量，进行特征挖掘；

8、所述一维重构单元用于将特征挖掘后的二维特征向量重构为一维特征向量；

9、所述赋值单元用于根据所述前k个平均幅度值进行归一化处理，获得每一平均幅度值归一化后的归一化向量，并根据所述归一化向量和所述一维特征向量获得聚合特征向量；

10、所述预测模块用于基于所述聚合特征向量进行预测，以获得预测的续航里程数。

11、在一个实施例中，所述预测模块包括编码器和解码器，所述编码器包括采样交流子模块以及拼接层；

12、所述采样交流子模块，用于基于所述聚合特征向量进行下采样，获得子特征序列，所述子特征序列包括聚合特征向量中奇元素组成的第一子序列和偶元素组成的第二子序列；并根据所述第一子序列和第二子序列进行特征交流，获得各所述子特征序列对应的二次交流向量；

13、所述拼接层，用于根据所述二次交流向量进行拼接，获得拼接特征向量；

14、所述解码器，用于根据所述拼接特征向量进行解码，获得预测的续航里程数。

15、在一个实施例中，所述编码器包括多个所述采样交流子模块，多个所述采样交流子模块以二叉树结构连接，所述拼接层用于拼接最后一层所述采样交流子模块输出的所述二次交流向量，获得拼接特征向量。

16、另一方面，提供一种车辆续航预测模型的训练方法，应用于所述的车辆续航预测模型的训练，包括：

17、获取样本数据，所述样本数据包括车辆的至少一个变量的时序信号，所述变量包括速度、车外温度、电池端的电压或电池端的电流；

18、根据所述样本数据的时序信号进行频域变换，并确定前k个平均幅度值的频率和周期长度；

19、根据所述前k个平均幅度值的频率和周期长度，重构所述样本数据获得二维特征向量；

20、根据所述二维特征向量，进行特征挖掘，并将特征挖掘后的二维特征向量重构为一维特征向量；

21、根据所述前k个平均幅度值进行归一化处理，获得每一平均幅度值归一化后的归一化向量，并根据所述归一化向量和所述一维特征向量获得聚合特征向量；

22、基于所述聚合特征向量进行迭代训练，获得所述电池续航预测模型。

23、在一个实施例中，所述基于所述聚合特征向量进行迭代训练，包括：

24、根据所述聚合特征向量进行下采样，获得子特征序列，所述子特征序列包括聚合特征向量中奇元素组成的第一子序列和偶元素组成的第二子序列；

25、根据所述第一子序列和第二子序列进行特征交流，获得各所述子特征序列对应的二次交流向量；

26、根据所述二次交流向量进行拼接，获得拼接特征向量；

27、根据所述拼接特征向量进行解码，获得所述车辆续航预测模型的输出，以基于所述输出的损失对车辆续航预测模型进行迭代训练。

28、在一个实施例中，所述根据所述第一子序列和第二子序列进行特征交流，获得各所述子特征序列对应的二次交流向量，包括：

29、根据所述子特征序列，卷积获得各所述子特征序列的一次卷积向量；

30、根据所述子特征序列与另一所述子特征序列对应的所述一次卷积向量进行元素相乘，获得各所述子特征序列的一次交流向量；

31、根据各所述子特征序列的一次交流向量，卷积获得各所述一次交流向量的二次卷积向量；

32、根据所述一次交流向量与另一所述一次交流向量的所述二次卷积向量进行元素相加或相减，获得各所述子特征序列的二次交流向量。

33、在一个实施例中，所述车辆续航预测模型的预测模块包括编码器和解码器，所述编码器包括多个采样交流子模块，多个所述采样交流子模块以二叉树结构连接；

34、所述根据所述第一子序列和第二子序列进行特征交流，获得各所述子特征序列对应的二次交流向量还包括：

35、将当前层的采样交流子模块输出的二次交流向量作为下层采样交流子模块的输入，逐层进行特征交流，获得最后一层所述采样交流子模块输出的所述二次交流向量，以基于最后一层所述采样交流子模块输出的所述二次交流向量进行拼接，获得拼接特征向量。

36、在一个实施例中，所述获得拼接特征向量之后，还包括：

37、根据当前所述编码器的输入数据，与所述拼接特征向量相加获得编码器输出向量；

38、以根据所述编码器输出向量进行解码，获得所述车辆续航预测模型的输出。

39、再一方面，提供一种车辆续航预测方法，包括：

40、获取车辆数据，所述车辆数据包括车辆的至少一个变量的时序信号，所述变量包括速度、车外温度、电池端的电压或电池端的电流；

41、将所述车辆数据输入训练后的车辆续航预测模型中，获得预测的续航里程数；

42、所述车辆续航预测模型包括所述的车辆续航预测模型，或，根据所述的车辆续航预测模型的训练方法获得的车辆续航预测模型。

43、还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述车辆续航预测模型的训练方法的步骤，或实现车辆续航预测方法的步骤。

44、上述车辆续航预测模型、训练方法、预测方法及设备，通过频域变换、二维重构、特征挖掘以及赋值操作，把一维输入数据转变为二维结构，从而能表现周期内和周期间变化特征，有效挖掘融合特征，捕获不同周期的时序聚合特征，并聚合来自不同周期的特征表示，提取不同尺度的深层次时序特征，从而提高模型预测续航里程的准确性。

技术特征：

1.一种车辆续航预测模型，其特征在于，包括：

2.根据权利要求1所述的车辆续航预测模型，其特征在于，所述预测模块包括编码器和解码器，所述编码器包括采样交流子模块以及拼接层；

3.根据权利要求2所述的车辆续航预测模型，其特征在于，所述编码器包括多个所述采样交流子模块，多个所述采样交流子模块以二叉树结构连接，所述拼接层用于拼接最后一层所述采样交流子模块输出的所述二次交流向量，获得拼接特征向量。

4.一种车辆续航预测模型的训练方法，其特征在于，应用于对权利要求1-3中任意一项所述的车辆续航预测模型的训练，包括：

5.根据权利要求4所述的车辆续航预测模型的训练方法，其特征在于，所述基于所述聚合特征向量进行迭代训练，包括：

6.根据权利要求5所述的车辆续航预测模型的训练方法，其特征在于，所述根据所述第一子序列和第二子序列进行特征交流，获得各所述子特征序列对应的二次交流向量，包括：

7.根据权利要求5所述的车辆续航预测模型的训练方法，其特征在于，所述车辆续航预测模型的预测模块包括编码器和解码器，所述编码器包括多个采样交流子模块，多个所述采样交流子模块以二叉树结构连接；

8.根据权利要求7所述的车辆续航预测模型的训练方法，其特征在于，所述获得拼接特征向量之后，还包括：

9.一种车辆续航预测方法，其特征在于，包括：

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求9所述方法的步骤。

技术总结本申请涉及一种车辆续航预测模型、训练方法、预测方法及设备，车辆续航预测模型包括聚合模块和预测模块；聚合模块包括频域变换单元、二维重构单元、特征挖掘单元、一维重构单元以及赋值单元；频域变换单元用于确定前k个平均幅度值的频率和周期长度；二维重构单元用于获得二维特征向量；特征挖掘单元用于特征挖掘；一维重构单元用于将特征挖掘后的二维特征向量重构为一维特征向量；赋值单元用于根据前k个平均幅度值进行归一化处理，并根据归一化向量和一维特征向量获得聚合特征向量；预测模块用于基于聚合特征向量进行预测，获得预测的续航里程数，采用本申请技术，改善现有技术中车辆能耗模型续航预测不准确的问题。技术研发人员：李秋,唐小丽,叶松林,李志强,陈仕强,张正萍受保护的技术使用者：重庆赛力斯凤凰智创科技有限公司技术研发日：技术公布日：2024/6/18