1.本发明涉及自动变速器控制技术领域，特别是涉及一种基于数据挖掘的自动变速器智能挡位决策设计方法。
背景技术：2.自动变速器通过变速器控制单元(transmission control unit,tcu)控制自动变速器的换挡执行机构进行挡位的切换，极大地减轻了驾驶员的操作难度与驾驶负担。自动变速器的换挡控制是自动变速器的核心技术，可以将换挡控制划分为两个层次：顶层控制与底层控制。其中，底层控制通过控制自动变速器的换挡执行机构控制离合器的结合以分离从而实现挡位的切换，顶层控制是根据车辆状态参数并考虑驾驶员意图进行挡位决策(升挡、降挡或者保持)，因此，挡位决策直接决定了自动变速车辆的燃油经济性、动力性以及对驾驶意图和行驶环境的适应性。
3.现有挡位决策的制定方法大致可划分为两大类：基于性能指标优化(如最佳经济性、最佳动力性、全局性能最优等)的挡位决策方法和基于智能化控制的挡位决策方法(如修正型挡位决策法、学习型挡位决策法、自适应在线优化挡位决策法等)。这两类方法大多采用动态规划、模型预测、神经网络、遗传算法以及模糊控制等现代控制手段，将涉及人-车-路环境中的更多影响因素纳入考虑范畴，在传统标准二/三参数换挡策略的基础上进行修正优化来获取挡位决策，其效果很大程度上决定于发动机动态模型与控制优化模型的合理性与准确性，且受设计者自身经验与设计水平的影响成分较多，从而造成自动变速汽车的决策挡位与使用者的挡位期望值不一致的问题频繁出现。
4.因此，现有技术的缺陷是，缺少一种基于数据挖掘的自动变速器智能挡位决策设计方法，针对现有挡位决策方法对驾驶员驾驶意图和行驶环境适应性较差的问题，利用数据挖掘的方法从优秀驾驶员驾驶手动挡车辆获取的行车数据中构建优秀驾驶员的挡位决策策略并应用于同型号的自动挡车型中，从而改善自动变速车辆对驾驶员驾驶意图和行驶环境的适应性，
技术实现要素：5.有鉴于现有技术的至少一个缺陷，本发明的目的是提供一种基于数据挖掘的自动变速器智能挡位决策设计方法，利用数据挖掘的方法从优秀驾驶员驾驶手动挡车辆获取的行车数据中构建优秀驾驶员的挡位决策策略并应用于同型号的自动挡车型中，从而改善自动变速车辆对驾驶员驾驶意图和行驶环境的适应性，实现驾驶员的期望挡位与车辆决策挡位的统一。
6.为了达到上述目的，本发明采用如下技术方案：一种基于数据挖掘的自动变速器智能挡位决策设计方法，包括如下步骤：
7.步骤s1：采集优秀驾驶员驾驶手动挡车辆在各种道路环境下的行车数据，采集的行驶工况主要包括市区道路、城郊道路、山路以及城市快速路；
8.步骤s2：对采集的行车数据进行预处理，包括数据同步、数据重采样、数据滤波以及缺失值处理；
9.步骤s3：对预处理过的行车数据进行数据清洗，提取出目标工况下的行车数据，构建挡位决策分工况进行，通过划分各类行驶工况并分别构建挡位决策策略从而获得完整的优秀驾驶员挡位决策策略；
10.步骤s4：选取目标工况下的三个换挡特征，构建行驶数据集，利用一类支持向量机算法检测数据集中的离群点并去除数据集中的离群点；
11.步骤s5：利用alpha-shapes算法提取数据集中每个挡位数据的换挡边界点；
12.步骤s6：利用移动最小二乘法算法对提取的换挡边界点进行拟合得到每个挡位的换挡规则曲面。
13.所述步骤s2中，数据重采样包括选择基准频率，通过基准频率对其他频率的数据进行重采样以保证采样频率的统一；采用三次样条曲线插值算法对数据进行同步和重采样处理；采用巴特沃斯滤波器对原始行车数据集的噪声进行滤波处理；将原始行车数据集中的车速为零且持续时间超过t秒的数据定义为缺失值，t≥2；采取删除缺失值所在时间段内的原始行车数据的方法处理缺失值。
14.由于数据采集试验中的传感器的延时不同造成采样起始时间点不统一，导致采集的车速和挡位等信号会出现错位，为了错位的信号起始时间点对齐，需要对采样时间起始点进行同步处理。此外，由于传感器采样频率的不同会出现同一时刻的数据不存在对应关系的问题，比如加速度传感器的采样频率是50hz，车速的采样频率是100hz，因此1秒内第10个数据对应的是第0.2秒的加速度和第0.1秒的车速。因此，需要选择一个基准频率对其他频率的数据进行重采样以保证采样频率的统一。由于100hz的数据最多，因此采用100hz作为基准频率进行重采样。本发明采用三次样条曲线插值算法对数据进行同步和重采样处理。
15.由于传感器采集精度和行驶环境中噪声的影响，原始数据集通常会有高频噪声，为了保证后续的数据分析精度，本发明采用巴特沃斯滤波器对原始数据集的噪声进行滤波处理。
16.由于采样设备故障或者是停车时间较长但采样设备一直工作，导致某一段时间的数据没有被记录，造成获得的数据集中存在许多的零值，这里将原始数据中的车速为零且持续时间超过两秒的数据定义为缺失值。数据集中的这些缺失值并不包含优秀驾驶员的换挡信息，只会增加数据处理的计算量，因此采取删除缺失值所在时间段内的数据的方法处理缺失值。
17.所述步骤s2进一步包括，对优秀驾驶员的行车数据进行预处理按如下步骤进行：
18.步骤s21：将采集的行车数据文件导出为excel文件，每个excel文件的大小不超过120mb，确定每个excel文件中每个信号的时间起始点，若时间起始点不一致，选取时间起始点最大的时间作为统一的时间起始点，以各信号的最小结束时间点作为统一的结束点；
19.步骤s22：确定每个excel文件中的起始时间点和结束时间点后，并以0.01s为间隔利用三次样条插值算法进行插值，从而获得采样频率为100hz的行驶数据，由此完成了数据预处理中的数据同步和重采样；
20.步骤s23：巴特沃斯滤波器的频率响应如下式所示：
[0021][0022]
公式(1)中，n为滤波器的阶数,ω代表圆频率，ω
p
为通带边缘频率,ωc为3db通带截止频率，ε代表归一化调节参数，满足：
[0023][0024]
其中，α
p
为通带最大衰减系数；将|h(jω)|2改写成拉普拉斯函数的形式为：
[0025][0026]
其中，传递函数h(s)的表达式为：
[0027][0028]
其中，sk代表极点，令p＝s/ωc，采用3db截止频率对上式进行归一化可以上式转化为传递函数h(p)：
[0029][0030]
其中，pk代表归一化极点；由通带边缘频率ω
p
、阻带截止频率ωs以及阻带最大衰减系数αs可以确定滤波器阶数：
[0031][0032]
确定滤波器的阶数后可以求得归一化极点，再通过去归一化得到h(s)，从而可以确定滤波器的传递函数。
[0033]
步骤s3中，对预处理过的行车数据进行数据清洗从而提取出目标工况下的行车数据包括：
[0034]
去除缺失值后，将两个相邻缺失值数据之间的有效数据作为一个数据段，通过判断每个数据段对应的工况以进行后续的数据清洗。
[0035]
以上坡工况为例介绍提出的基于数据挖掘的自动变速器挡位决策设计方法，数据段对应的工况为上坡工况，数据清洗中需要去除行驶数据中的弯道数据，颠簸道路数据、低附着路面以及下坡道路数据。
[0036]
首先，将两相邻缺失值数据之间的有效数据作为一个数据段，利用方向盘转角和道路阻力系数(反映道路坡度)判断每个数据段对应的车辆行驶工况以进行后续的数据清
洗；
[0037]
在弯道数据清洗过程中，首先计算每个数据段的方向盘转角绝对值，然后将方向盘转角绝对值大于35度且持续时间超过3秒的数据段视为弯道数据并去除；
[0038]
道路阻力系数的变化是由于车重、道路坡度以及滚动阻力的变化，统一将道路阻力系数大于滚动阻力系数的数据看作上坡工况，考虑到道路阻力系数的波动，将道路阻力系数f
road
＞0.02并且持续时间大于5秒的数据看作是上坡工况，保留上坡工况下的数据，去除其他工况下的数据。
[0039]
步骤4中所述的构建行驶数据集并去除离群点按如下步骤进行：
[0040]
4-1：首先，选择目标工况下的换挡控制参数，在上坡工况下影响车辆换挡的因素主要有车速、加速踏板开度、加速度以及坡度，将上坡工况进一步划分为匀速上坡工况以及加速上坡工况，匀速上坡以车速、加速踏板开度以及道路阻力系数作为换挡参数，加速上坡工况下以车速、加速踏板开度以及加速度作为换挡参数；
[0041]
4-2：从预处理和数据清洗后得到的上坡工况数据中提取加速工况下由车速、加速度和加速踏板开度构成的每个挡位下的数据集；
[0042]
4-3：经过预处理和数据清洗后得到的数据集最外缘部分散乱分布的数据点是由于驾驶员的非正常操作造成的，利用一类支持向量机算法算法对数据集中的离群点进行检测处理。
[0043]
步骤s5中，利用alpha-shapes算法提取数据集中每个挡位数据的换挡边界点，每个挡位数据沿车速增大方向的车速最大侧边界点作为升挡的边界点，车速最小侧边界点作为降挡的边界点。
[0044]
显著效果:本发明提供了一种基于数据挖掘的自动变速器智能挡位决策设计方法，利用数据挖掘的方法从优秀驾驶员驾驶手动挡车辆获取的行车数据中构建优秀驾驶员的挡位决策策略并应用于同型号的自动挡车型中，从而改善自动变速车辆对驾驶员驾驶意图和行驶环境的适应性，实现驾驶员的期望挡位与车辆决策挡位的统一。
附图说明
[0045]
图1为本发明的优秀驾驶员行车数据采集路线示意图；
[0046]
图2为行车数据处理过程的流程图；
[0047]
图3为本发明的数据预处理流程图；
[0048]
图4为本发明的数据同步示意图；
[0049]
图5为本发明的数据重采样示意图；
[0050]
图6为本发明的数据清洗流程图；
[0051]
图7为本发明的离群点处理示意图；
[0052]
图8为本发明的换挡边界点提取示意图；
[0053]
图9为本发明的换挡边界点拟合换挡规则曲面示意图；
[0054]
图10为本发明的方法流程图。
具体实施方式
[0055]
下面结合附图和具体实施例对本发明作进一步详细说明。
[0056]
如图1-图10所示，一种基于数据挖掘的自动变速器智能挡位决策设计方法，本发明的目的是针对现有挡位决策方法对驾驶员驾驶意图和行驶环境适应性较差的问题，利用数据挖掘的方法从优秀驾驶员驾驶手动挡车辆获取的行车数据中构建优秀驾驶员的挡位决策策略并应用于同型号的自动挡车型中，从而改善自动变速车辆对驾驶员驾驶意图和行驶环境的适应性，实现驾驶员的期望挡位与车辆决策挡位的统一。本发明不仅适用于公路车辆所搭载的自动变速器，同时也适用于工程车辆搭载的自动变速器。
[0057]
为达到上述目的，本发明提出了如下的技术方案：
[0058]
1)采集优秀驾驶员驾驶手动挡车辆在各种道路环境下的海量行车数据，采集的行驶工况主要包括市区道路、城郊道路、山路以及城市快速路；
[0059]
2)对采集的行驶数据进行预处理，包括数据同步、数据重采样、数据滤波以及缺失值处理；
[0060]
3)对预处理过的行车数据进行数据清洗，提取出目标工况下的行车数据，构建挡位决策分工况进行，通过划分各类行驶工况并分别构建挡位决策策略从而获得完整的优秀驾驶员挡位决策策略；
[0061]
4)选取目标工况下的三个换挡特征，构建行驶数据集，利用一类支持向量机算法检测数据集中的离群点并去除数据集中的离群点；
[0062]
5)利用alpha-shapes算法提取数据集中每个挡位数据的换挡边界点；
[0063]
6)利用移动最小二乘法算法对提取的边界点进行拟合得到换挡规则曲面。
[0064]
步骤1)中所述的优秀驾驶员驾驶手动挡车辆的行车数据采集按如下步骤进行：
[0065]
1-1)首先选择驾驶手动挡车辆的驾龄超过十年的驾驶员作为优秀驾驶员，进行数据采集实验前要求驾驶员先熟悉实验车辆的换挡操作，保证后续的数据采集过程中能够按照驾驶员平时的换挡习惯进行换挡，从而获取到更加真实的优秀驾驶员的行车数据；
[0066]
1-2)选择合适的数据采集行车路线，行车路线中需要包括市区道路、城郊道路、山路以及城市快速路这四种主要的行车工况。
[0067]
1-3)数据采集过程中，每个驾驶员在选定的行车路线上行驶三圈，避免因不熟悉路线造成的误操作。
[0068]
步骤2)中所述的对优秀驾驶员的行车数据进行预处理按如下步骤进行：
[0069]
2-1)将采集的行车数据文件导出为excel文件，每个excel文件的大小不超过120mb(文件太大会导致一般的计算机处理数据比较困难)，确定每个excel文件中每个信号的时间起始点，若时间起始点不一致，选取时间起始点最大的时间作为统一的时间起始点，以各信号的最小结束时间点作为统一的结束点；
[0070]
2-2)确定每个excel文件中的起始时间点和结束时间点后，并以0.01s为间隔利用三次样条插值算法进行插值，从而获得采样频率为100hz的行驶数据，由此完成了数据预处理中的数据同步和重采样；
[0071]
2-3)经过数据同步和重采样后的行驶数据中还包含了高频的噪声成分，需要针对每一种包含噪声的信号分别设计滤波器进行滤波，本发明采用具有最大平坦响应的巴特沃斯滤波器进行滤波。设计的巴特沃斯滤波器的频率响应如下式所示：
[0072][0073]
式中，n为滤波器的阶数,ω代表圆频率，ω
p
为通带边缘频率,ωc为3db通带截止频率，ε代表归一化调节参数，满足：
[0074][0075]
其中，α
p
为通带最大衰减系数。将|h(jω)|2改写成拉普拉斯函数的形式为：
[0076][0077]
其中，传递函数h(s)的表达式为：
[0078][0079]
其中，sk代表极点，令p＝s/ωc，采用3db截止频率对上式进行归一化可以上式转化为：
[0080][0081]
其中，pk代表归一化极点。由通带边缘频率ω
p
、阻带截止频率ωs以及阻带最大衰减系数αs可以确定滤波器阶数：
[0082][0083]
确定滤波器的阶数后可以求得归一化极点，再通过去归一化得到h(s)，从而可以确定滤波器的传递函数。
[0084]
步骤3)中所述的对优秀驾驶员的行车数据进行数据清洗按如下步骤进行：
[0085]
3-1)首先，将两相邻缺失值数据之间的有效数据作为一个数据段，利用方向盘转角和道路阻力系数等参数判断每个数据段对应的车辆行驶工况以进行后续的数据清洗；
[0086]
3-2)在弯道数据清洗过程中，首先计算每个数据段的方向盘转角绝对值，然后将方向盘转角绝对值大于35度且持续时间超过3秒的数据段视为弯道数据并去除；
[0087]
3-3)道路阻力系数的变化可能是由于车重、道路坡度以及滚动阻力的变化，统一将道路阻力系数大于滚动阻力系数的数据看作上坡工况，考虑到道路阻力系数的波动，将道路阻力系数f
road
＞0.02并且持续时间大于5秒的数据看作是上坡工况，保留上坡工况下的数据，去除其他工况下的数据，道路阻力系数表达式如下式所示：
[0088][0089]
其中，f
t
＝teigi0η
t
/r为驱动力，fw＝cdav2/21.15为空气阻力，fj＝δm
ass
dv/dt为加
速阻力，m
ass
代表车辆的质量，g代表重力加速度，ig代表各挡位的传动比，i0代表主减传动比，r代表车轮半径，η
t
代表传动效率，cd代表空气阻力系数，a代表车辆迎风面积，δ代表旋转质量换算系数，te代表发动机转矩，v代表车速。
[0090]
步骤4)中所述的构建行驶数据集并去除离群点按如下步骤进行：
[0091]
4-1)首先，选择目标工况下的换挡控制参数，以上坡工况为例，在上坡工况下影响车辆换挡的因素主要有车速、加速踏板开度、加速度以及坡度，本发明将上坡工况进一步划分为匀速上坡以及加速上坡工况，匀速上坡以车速、加速踏板开度以及道路阻力系数(反映坡度)作为换挡参数，加速上坡工况下以车速、加速踏板开度以及加速度作为换挡参数；下坡工况可与上坡选一样的参数，道路阻力系数为负值。
[0092]
4-2)从预处理和数据清洗后得到的上坡工况数据中提取加速工况下由车速、加速度和加速踏板开度构成的每个挡位下的数据集；
[0093]
4-3)经过预处理和数据清洗后得到的数据集最外缘部分散乱分布的数据点是由于驾驶员的非正常操作造成的，利用一类支持向量机算法(one class svm，ocsvm)算法对数据集中的离群点进行检测处理。ocsvm算法具有优秀的离群点处理效果，故选择ocsvm算法对数据集中的离群点进行检测处理。ocsvm算法是一种无监督学习算法，其基本思想是在数据集中计算一个半径最小的超球面将所有测试样本都包含在这个超球体内部。设该超球体中心为o，对应的超球体半径为r，需要保证该超球体半径尽量小并包含尽可能多的样本点。设训练样本集为t＝{xi|i＝1,2,
…
,m,xi∈rm}，构造一个惩罚系数为c的松弛变量ζi，将优化问题表达为：
[0094][0095]
s.t.||φ(xi)-o||2≤r+ζi,ζi≥0,i＝1,2,
…
,m
[0096]
其中，m代表训练样本点的个数，代表原始m维空间到某个高维特征空间的非线性映射。采用拉格朗日乘数法并引入核函数可以得到上式的对偶形式为：
[0097][0098][0099]
其中，α
i，j
代表拉格朗日乘子，k(xi,xj)代表核函数，对除训练样本外其他需要判断是否为离群点的新样本z可以构造如下决策函数：
[0100][0101]
其中，核函数选择为高斯径向基核函数，通过决策函数可以判断测试数据点是否在超球体内，如果g(z)》r2则测试数据点判断为离群点。
[0102]
步骤6)中利用移动最小二乘法对步骤5)中提取的换挡边界点进行拟合从而获得换挡规则曲面。移动最小二乘法改进了最小二乘法，在曲面拟合中能够克服传统最小二乘法中的分块拟合与平滑化的困难。移动最小二乘法是由基函数p(x)和一个系数向量a(x)构成拟合函数f(x)逼近函数，如下式所示：
[0103][0104]
其中，fh(x)是拟合函数f(x)的逼近函数。x{x,y}代表有界域ω在空间r2中的点，α(x)＝[a1(x),a2(x),λ,am(x)]
t
为待定系数。p(x)＝[p1(x),p2(x),λ,pm(x)]
t
为基函数，本发明的基函数选择二维空间中的完备二次基函数：
[0105]
p(x)＝(1,x,y,x2,xy,y2)
t
[0106]
为了得到精确的局部近似值，令残差的离散加权范式为：
[0107][0108]
其中，n是求解区域内的节点数，w(x-xi)是节点的权函数，xi代表节点(i＝1,2,﹍,n)，yi＝f(xi)。将式(14)改写为矩阵形式：
[0109]
j＝[pa-f]
t
w[pa-f]
[0110]
其中，
[0111][0112][0113]
a＝a-1
(x)b(x)f(x)
[0114]
a(x)＝p
t
w(x)p
[0115]
b(x)＝p
t
w(x)
[0116]
其中，l代表基函数的项数，此处l＝6。
[0117]
由此可以得到逼近函数为：
[0118]fh
(x)＝p
t
(x)a-1
(x)b(x)f(x)
[0119]
权函数的选择对于移动最小二乘法的选择非常重要，权函数是非负的，且随着拟合点与节点的距离||x-xi||的增加减小。权函数还应该具有紧支性，在支持域内大于0，在支持域外全为0。本发明选择三次样条权函数作为拟合的权函数，令s＝x-xi，则三次样条权函数为：
[0120][0121]
利用移动最小二乘法拟合换挡边界点，从而获得优秀驾驶员操纵车辆在上坡工况
下的换挡策略。
[0122]
以下结合附图对本发明作进一步说明。
[0123]
一种基于数据挖掘的挡位决策方法中需要采集优秀驾驶员驾驶手动挡车辆在各种道路环境下的海量行车数据，采集的行驶工况主要包括市区道路、城郊道路、山路以及城市快速路，数据采集的行驶路线如图1所示，利用与处理后的数据集构建挡位决策的流程如图2所示；
[0124]
采集得到的行驶数据需要进行数据预处理，数据预处理的流程如图3所示，包括数据同步、数据重采样，缺失值处理以及数据滤波处理，其中数据同步的示意图如图4，数据重采样的示意图如图5所示(以加速度信号为例)。
[0125]
采集得到的行车数据经过数据预处理后通过一系列的数据清洗从而提取出目标工况下的行车数据，数据清洗的流程如图6所示，包括数据段划分、弯道数据清洗以及坡道数据提取。
[0126]
获得目标工况下的优秀驾驶员行车数据后，根据工况的特点选择合适的挡位决策参数，本发明以上坡工况介绍提出的基于数据挖掘的智能挡位决策方法，在上坡工况下，影响换挡的参数主要有车速、加速踏板开度、加速度以及道路阻力系数(反映道路的坡度)。将上坡工况进一步划分为加速上坡工况以及匀速上坡工况，其中加速上坡工况下的挡位决策参数选择为车速、加速踏板开度以及加速度，匀速上坡工况下的挡位决策参数选择为车速、加速踏板开度以及道路阻力系数。
[0127]
利用挡位决策参数可以从数据清洗后得到的目标工况数据中构建出图7所示的数据集，数据集最外缘部分散乱分布的数据点是由于驾驶员的非正常操作造成的，利用一类支持向量机算法对数据集中的离群点进行检测处理，离群点处理后处理后的数据集如图7所示。
[0128]
将每个挡位下数据集沿速度增加的方向的左右侧分别作为降挡与升挡的边界，由此需要提取出各挡位数据的边界点，本发明采用alpha-shapes算法提取各挡位数据集的边界点，提取出的边界点如图8所示。
[0129]
利用移动最小二乘法拟合提取出的换挡边界点可以得到各挡位的升挡规则曲面以及降挡规则曲面，拟合得到的升挡规则曲面如图9所示。
[0130]
最后，需要注意的是：以上列举的仅是本发明的具体实施例子，当然本领域的技术人员可以对本发明进行改动和变型，倘若这些修改和变型属于本发明权利要求及其等同技术的范围之内，均应认为是本发明的保护范围。
技术特征：1.一种基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于，包括如下步骤：步骤s1：采集优秀驾驶员驾驶手动挡车辆在各种道路环境下的行车数据；步骤s2：对采集的行车数据进行预处理，包括数据同步、数据重采样、数据滤波以及缺失值处理；步骤s3：对预处理过的行车数据进行数据清洗，提取出目标工况下的行车数据，构建挡位决策分工况进行，通过划分各类行驶工况并分别构建挡位决策策略从而获得完整的优秀驾驶员挡位决策策略；步骤s4：选取目标工况下的三个换挡特征，构建行驶数据集，利用一类支持向量机算法检测数据集中的离群点并去除数据集中的离群点；步骤s5：利用alpha-shapes算法提取数据集中每个挡位数据的换挡边界点；步骤s6：利用移动最小二乘法对提取的换挡边界点进行拟合得到每个挡位的换挡规则曲面。2.根据权利要求1所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：所述步骤s2中，数据重采样包括选择基准频率，通过基准频率对其他频率的数据进行重采样以保证采样频率的统一；采用三次样条曲线插值算法对数据进行同步和重采样处理；采用巴特沃斯滤波器对原始行车数据集的噪声进行滤波处理；将原始行车数据集中的车速为零且持续时间超过t秒的数据定义为缺失值，t≥2；采取删除缺失值所在时间段内的原始行车数据的方法处理缺失值。3.根据权利要求2所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：所述步骤s2中对优秀驾驶员的行车数据进行预处理按如下步骤进行：步骤s21：将采集的行车数据文件导出为excel文件，每个excel文件的大小不超过120mb，确定每个excel文件中每个信号的时间起始点，若时间起始点不一致，选取时间起始点最大的时间作为统一的时间起始点，以各信号的最小结束时间点作为统一的结束点；步骤s22：确定每个excel文件中的起始时间点和结束时间点后，并以0.01s为间隔利用三次样条插值算法进行插值，从而获得采样频率为100hz的行驶数据，由此完成了数据预处理中的数据同步和重采样；步骤s23：巴特沃斯滤波器的频率响应如下式所示：公式(1)中，n为滤波器的阶数,ω代表圆频率，ω
p
为通带边缘频率,ω
c
为3db通带截止频率，ε代表归一化调节参数，满足：其中，α
p
为通带最大衰减系数；将|h(jω)|2改写成拉普拉斯函数的形式为：
其中，传递函数h(s)的表达式为：其中，s
k
代表极点，令p＝s/ω
c
，采用3db截止频率对上式进行归一化可以上式转化为传递函数h(p)：其中，p
k
代表归一化极点；由通带边缘频率ω
p
、阻带截止频率ω
s
以及阻带最大衰减系数α
s
可以确定滤波器阶数：确定滤波器的阶数后求得归一化极点，再通过去归一化得到h(s)，从而可以确定滤波器的传递函数。4.根据权利要求1所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：步骤s3中，对预处理过的行车数据进行数据清洗从而提取出目标工况下的行车数据包括：去除缺失值后，将两个相邻缺失值数据之间的有效数据作为一个数据段，通过判断每个数据段对应的工况以进行后续的数据清洗。5.根据权利要求4所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：数据段对应的工况为上坡工况，数据清洗中需要去除行驶数据中的弯道数据，颠簸道路数据、低附着路面以及下坡道路数据。6.根据权利要求5所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：首先，将两相邻缺失值数据之间的有效数据作为一个数据段，利用方向盘转角和道路阻力系数判断每个数据段对应的车辆行驶工况以进行后续的数据清洗；在弯道数据清洗过程中，首先计算每个数据段的方向盘转角绝对值，然后将方向盘转角绝对值大于35度且持续时间超过3秒的数据段视为弯道数据并去除；道路阻力系数的变化是由于车重、道路坡度以及滚动阻力的变化，统一将道路阻力系数大于滚动阻力系数的数据看作上坡工况，考虑到道路阻力系数的波动，将道路阻力系数f
road
＞0.02并且持续时间大于5秒的数据看作是上坡工况，保留上坡工况下的数据，去除其他工况下的数据。7.根据权利要求1所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征
在于：步骤4中所述的构建行驶数据集并去除离群点按如下步骤进行：4-1：首先，选择目标工况下的换挡控制参数，在上坡工况下影响车辆换挡的因素有车速、加速踏板开度、加速度以及坡度，将上坡工况进一步划分为匀速上坡工况以及加速上坡工况，匀速上坡工况以车速、加速踏板开度以及道路阻力系数作为换挡参数，加速上坡工况以车速、加速踏板开度以及加速度作为换挡参数；4-2：从预处理和数据清洗后得到的上坡工况数据中提取加速工况下由车速、加速度和加速踏板开度构成的每个挡位下的数据集；4-3：利用一类支持向量机算法算法对数据集中的离群点进行检测处理。8.根据权利要求1所述的基于数据挖掘的自动变速器智能挡位决策设计方法，其特征在于：步骤s5中，利用alpha-shapes算法提取数据集中每个挡位数据的换挡边界点，每个挡位数据沿车速增大方向的车速最大侧边界点作为升挡的边界点，车速最小侧边界点作为降挡的边界点。
技术总结本发明公开了一种基于数据挖掘的自动变速器智能挡位决策设计方法，包括：采集优秀驾驶员驾驶手动挡车辆在各种道路环境下的行车数据；对采集的行驶数据进行预处理；对预处理过的行车数据进行数据清洗，通过划分各类行驶工况并分别构建挡位决策策略从而获得优秀驾驶员挡位决策策略；选取目标工况下的三个换挡特征，构建行驶数据集，利用一类支持向量机算法检测数据集中的离群点并去除离群点；利用Alpha-shapes算法提取数据集中每个挡位数据的换挡边界点；利用移动最小二乘法对提取的换挡边界点进行拟合得到换挡规则曲面。本发明从优秀驾驶员驾驶手动挡车辆的行车数据中构建挡位决策应用于自动挡车，改善自动挡车对驾驶员驾驶意图和行驶环境的适应性。员驾驶意图和行驶环境的适应性。员驾驶意图和行驶环境的适应性。
技术研发人员：孙冬野 程坤 陈冲 秦大同 王康
受保护的技术使用者：重庆大学
技术研发日：2022.07.26
技术公布日：2022/11/1
