基于极值中值滤波的车辆油耗异常判定方法及系统与流程

本发明涉及一种基于极值中值滤波的车辆油耗异常判定方法及系统。

背景技术：

随着社会的不断进步与汽车工业的飞速发展，各种专用车辆被越来越多的应用于物流运输、矿山作业、工程建设、城市保洁等行业。为获取规模效益，从事这些行业的企业往往拥有规模化的作业车辆队伍，车辆的油耗是不可忽视的重要成本。但是，汽车出厂标配的油耗仪表不能满足实时、准确获取车辆油耗情况的需求；更无法满足企业管理部门要求实时判定出油耗异常并提示报警的核心需求即实时检测出加油或偷油异常，进行记录或异常报警。

车辆油耗异常判定过程，需要根据已经测量到的车辆油箱剩余油量，通过算法分析及检测出加油/偷油油耗异常。目前，测定车辆油箱油量的方法有油浮子测量、超声波测量等多种方法。在现实中，这些方法的测量结果经常会受到外界干扰而产生噪声或信号毛刺。所以，如何有效滤出油量信号噪声是要解决的重要技术难点。

在现实环境下，油箱油量会随着气温变化、行驶过程中产生的颠簸等状况发生波动，如何有效识别这些情况、提高车辆油耗异常判定的准确度也是一个重要的技术难点。

上述问题是在车辆的设计与使用过程中应当予以考虑并解决的问题。

技术实现要素：

本发明的目的是提供一种基于极值中值滤波的车辆油耗异常判定方法及系统解决现有技术中存在的如何实时判定出油耗异常问题。

本发明的技术解决方案是：

一种基于极值中值滤波的车辆油耗异常判定方法，包括：

采样信号滤波，对油箱油量采样信号进行噪声滤出；

油耗异常判定，采用滑动窗口贯序标记法进行油耗异常判定，具体为：

假定油量信号集合为X＝{x_i,i＝1,2,3,...}，选用一个固定大小的滑动窗口W依次提取X中的信号数据；

对W中的数据点依次计算两点x_i-1和x_i间的差值，当差值大于预先设定的阈值Δ时，标记这两点分别为油耗异常的开始点与结束点；

继续计算点x_i和x_i+！间的差值，若差值大于预先设定的阈值Δ，标记油耗异常结束点位x_i+！，算法继续；否则，油耗异常判定结束，油耗异常的开始点和结束点为当前标记的开始点和结束点。

进一步地，采样信号滤波中，基于信号的局部相关性，从被噪声污染的信号点集合X'中，还原出真实的数据信号X。

进一步地，对油箱油量采样信号进行噪声滤出，具体为：选用固定大小的滤波窗口对采集到的信号点进行滤波处理；在滤波窗口内，首先判定窗口中心点是否是滤波窗口中的极值点，若是，则进行中值滤波算法；若不是极值点，则保留原始信号点的值；移动滤波窗口，直至所有信号点处理完毕。

进一步地，油耗异常判定中，采用临近反向量值匹配法进行波动异常滤出，具体为：

对于某个测定出的油耗异常判定结果，判断是否属于类似方波情形，如是，将这两个油耗异常判定结果从油耗异常判定结果集合中删除掉；否则保留；

继续从油耗异常判定结果集合中取出下一个油耗异常判定结果进行临近反向量值匹配，直到油耗异常判定结果集合中的元素全部通过匹配判定或集合为空。

进一步地，判断是否属于类似方波情形，具体为：选择与该测定出的油耗异常判定结果最邻近的反向油耗异常判定结果，进行差值计算，如果差值小于预先设定的阈值，则这两个油耗异常判定结果属于类似方波情形，否则不属于类似方波情形。

一种基于极值中值滤波的车辆油耗异常判定系统，包括：

采样信号滤波模块，对油箱油量采样信号进行噪声滤出；

油耗异常判定模块，采用滑动窗口贯序标记法进行油耗异常判定，具体为：

假定油量信号集合为X＝{x_i,i＝1,2,3,...}，选用一个固定大小的滑动窗口W依次提取X中的信号数据；

对W中的数据点依次计算两点x_i-1和x_i间的差值，当差值大于预先设定的阈值Δ时，标记这两点分别为油耗异常的开始点与结束点；

继续计算点x_i和x_i+！间的差值，若差值大于预先设定的阈值Δ，标记油耗异常结束点位x_i+！，算法继续；否则，油耗异常判定结束，油耗异常的开始点和结束点为当前标记的开始点和结束点。

进一步地，采样信号滤波模块中，基于信号的局部相关性，从被噪声污染的信号点集合X'中，还原出真实的数据信号X。

进一步地，对油箱油量采样信号进行噪声滤出，具体为：选用固定大小的滤波窗口对采集到的信号点进行滤波处理；在滤波窗口内，首先判定窗口中心点是否是滤波窗口中的极值点，若是，则进行中值滤波算法；若不是极值点，则保留原始信号点的值；移动滤波窗口，直至所有信号点处理完毕。

进一步地，还包括波动异常滤出模块：采用临近反向量值匹配法进行波动异常滤出，具体为：

对于某个测定出的油耗异常判定结果，判断是否属于类似方波情形，如是，将这两个油耗异常判定结果从油耗异常判定结果集合中删除掉；否则保留；

继续从油耗异常判定结果集合中取出下一个油耗异常判定结果进行临近反向量值匹配，直到油耗异常判定结果集合中的元素全部通过匹配判定或集合为空。

进一步地，判断是否属于类似方波情形，具体为：选择与该测定出的油耗异常判定结果最邻近的反向油耗异常判定结果，进行差值计算，如果差值小于预先设定的阈值，则这两个油耗异常判定结果属于类似方波情形，否则不属于类似方波情形。

本发明的有益效果是：该种基于极值中值滤波的车辆油耗异常判定方法及系统，通过对油箱油量采样信号进行噪声滤出后，采用滑动窗口贯序标记法进行油耗异常判定，能够实时判定出油耗异常问题。该方法，能够实现类似方波情形识别，类似方波情形不是正确的油耗异常测定结果，应从测定结果中移除。这样，就大大提高了油耗异常检测的准确度。

附图说明

图1是本发明实施例基于极值中值滤波的车辆油耗异常判定方法的流程示意图。

图2是实施例中在油量变化曲线中出现的类似方波情形的示意图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

实施例

采样信号滤波

油箱油量采样信号是一组一维离散信号数据。常用的噪声滤出方法有均值滤波、中值滤波等滤波方法。对于非线性信号，中值滤波是一种常用的滤波方法，它能够在滤出噪声的同时保留下部分的信号细节。

滤波算法是基于信号的局部相关性，从被噪声污染的信号点集合X'中，选用合适的方法，尽可能的还原出真实的数据信号X。但是，在X'中并不是每一个信号点都会受到噪声的影响，有可能它就是真实的数据点，如果不加区分地进行滤波处理，将会使原始信号失真。通过大量的实验数据比对，实施例发现车辆油箱油量信号点恰恰符合这一特点：正常情况下，采样到的油量信号点呈现平稳下降的趋势，并且两点之间的油量变动量不大；当有非线性噪声干扰时，信号点呈现“脉冲”变化，与其相邻的信号点比较，该信号点的数值往往是极大值或极小值。

所以对于油量信号的滤波处理，选用如下方法：选用合适大小的滤波窗口对采集到的信号点进行滤波处理；在滤波窗口内，首先判定窗口中心点是否是滤波窗口中的极值点。若是，则进行经典中值滤波算法，若不是极值点，则保留原始信号点的值；移动滤波窗口，直至所有信号点处理完毕。

油耗异常判定

如图1，油耗异常的判定采用滑动窗口贯序标记法，具体算法描述如下:假定油量信号集合为X＝{x_i,i＝1,2,3,...}，选用一个固定大小的滑动窗口W依次提取X中的信号数据；对W中的数据点依次计算两点x_i-1和x_i间的差值，当差值大于预先设定的阈值Δ时，标记这两点分别为油耗异常的开始点与结束点；继续计算点x_i和x_i+！间的差值，若差值大于预先设定的阈值Δ，标记油耗异常结束点位x_i+！，算法继续；否则，油耗异常判定结束，油耗异常的开始点和结束点为当前标记的开始点和结束点。

波动异常滤出

当油箱油量受到温度影响、行驶颠簸等外界因素干扰时，在油量变化曲线中将可能出现类似方波情形，如图2所示。

对于上述情况，可能会错误的判定出在“1”和“3”处存在加油情况，而在“2”和“4”处存在偷油异常。但实际情况可能是，汽车行驶过一段起伏路面，造成油箱油位液面改变而造成的测量值变化，这种情况下如果判定出油耗异常显然是不合适的。为此，采用临近反向量值匹配法，滤除这些情况，具体方法描述如下：

对于某个测定出的油耗异常判定结果，选择与其最邻近的反向油耗异常判定结果，进行差值计算，如果差值小于预先设定的阈值，则这两个油耗异常判定结果属于类似“方波”情形，将它们从油耗异常判定结果集合中删除掉，否则保留；继续从油耗异常判定结果集合中取出下一个油耗异常判定结果进行临近反向量值匹配，直到油耗异常判定结果集合中的元素全部通过匹配判定或集合为空。例如，使用临近反向量值匹配方法对上图的数据进行波动异常滤出，则结果是“2”和“3”、“1”和“4”满足临近反向量值匹配条件，它们不是正确的油耗异常测定结果，应从测定结果中移除。这样，就大大提高了油耗异常检测的准确度。

一种实现上述方法的基于极值中值滤波的车辆油耗异常判定系统，包括：

采样信号滤波模块，对油箱油量采样信号进行噪声滤出；

油耗异常判定模块，采用滑动窗口贯序标记法进行油耗异常判定，具体为：

假定油量信号集合为X＝{x_i,i＝1,2,3,...}，选用一个固定大小的滑动窗口W依次提取X中的信号数据；

对W中的数据点依次计算两点x_i-1和x_i间的差值，当差值大于预先设定的阈值Δ时，标记这两点分别为油耗异常的开始点与结束点；

继续计算点x_i和x_i+！间的差值，若差值大于预先设定的阈值Δ，标记油耗异常结束点位x_i+！，算法继续；否则，油耗异常判定结束，油耗异常的开始点和结束点为当前标记的开始点和结束点。

采样信号滤波模块中，基于信号的局部相关性，从被噪声污染的信号点集合X'中，还原出真实的数据信号X。对油箱油量采样信号进行噪声滤出，具体为：选用固定大小的滤波窗口对采集到的信号点进行滤波处理；在滤波窗口内，首先判定窗口中心点是否是滤波窗口中的极值点，若是，则进行中值滤波算法；若不是极值点，则保留原始信号点的值；移动滤波窗口，直至所有信号点处理完毕。

还包括波动异常滤出模块：采用临近反向量值匹配法进行波动异常滤出，具体为：

对于某个测定出的油耗异常判定结果，判断是否属于类似方波情形，如是，将这两个油耗异常判定结果从油耗异常判定结果集合中删除掉；否则保留；

继续从油耗异常判定结果集合中取出下一个油耗异常判定结果进行临近反向量值匹配，直到油耗异常判定结果集合中的元素全部通过匹配判定或集合为空。

判断是否属于类似方波情形，具体为：选择与该测定出的油耗异常判定结果最邻近的反向油耗异常判定结果，进行差值计算，如果差值小于预先设定的阈值，则这两个油耗异常判定结果属于类似方波情形，否则不属于类似方波情形。