一种主动式汽车传动系统故障模型数据库的建立方法技术方案

本发明专利技术公开了一种主动式汽车传动系统故障模型数据库的建立方法，从历史维修数据中收集待监测汽车传动系统的所有故障特征，筛选出与转速相关的故障特征，并对故障特征进行分类，得到待监测故障类型；按照上述待监测故障类型的分类，对于每一种待监测故障类型，选择具有该单一待监测故障类型的样机，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；将每种待监测故障类型与其对应的瞬时转速变化特征组成故障模型数据库。本发明专利技术方法建立了转速信号与故障类型、故障程度以及剩余寿命之间的关系，便于准确进行故障预报。

【技术实现步骤摘要】
一种主动式汽车传动系统故障模型数据库的建立方法
本专利技术涉及汽车检测
，特别的涉及一种主动式汽车传动系统故障模型数据库的建立方法。
技术介绍
早期的汽车故障诊断，主要是针对汽车出现影响其正常使用的问题(如发动机无法启动，或动力不足等问题)，通过对汽车发动机拆解、检查，从而确定问题来源。随着科技的发展，汽车的故障诊断早已发展到通过一系列精密传感器对汽车的实时运行状态进行监测，如通过温度传感器监测发动机温度、通过胎压传感器监测胎压、通过压力传感器等监测机油压力等，当汽车行驶过程中出现油温过高、进气泵油压力不足等问题，监测系统将会在汽车仪表盘上亮灯进行提示。但此类监测系统功能较基础，只能显示当前是否有故障状态发生，粗略判断汽车运行状态，无法对故障状态进行进一步识别。而且，现有的监测系统通常是在汽车故障问题较为严重时，才会被动地对驾驶人员进行提示。汽车传动系统是车辆形式的核心，汽车一旦出现传动系统相关的故障状态提示，通常会伴随较为严重的故障，维修成本较高。为此，专利技术人设计了一种能够在实车上主动监测汽车运行状态、并根据运行状态预判故障的随车运行状态监测和故障预报系统，在该系统中，对采集到的转速传感器信号进行处理，并与内置的故障模型数据库进行匹配，从而实现对故障的判断和预报，因此，如何建立完整的故障模型数据库成为亟待解决的问题。
技术实现思路
针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何建立用于随车运行状态监测和故障预判的主动式汽车传动系统故障模型数据库。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种主动式汽车传动系统故障模型数据库的建立方法，其特征在于，包括如下步骤：S1、从历史维修数据中收集待监测汽车传动系统的所有故障特征，再从中筛选出与转速相关的故障特征作为待监测故障特征，并对待监测故障特征进行分类，得到待监测故障类型；S2、按照上述待监测故障类型的分类，对于每一种待监测故障类型，选择具有该单一待监测故障类型的样机，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；S3、将每种待监测故障类型与其对应的瞬时转速变化特征组成故障模型数据库。进一步的，对于每一种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的样机，在试验台架上分别对每个样机按照测试工况进行试验，得到不同故障程度的样机在该待监测故障模式下的瞬时转速变化特征值；将每种待监测故障类型在不同故障程度下对应的瞬时转速变化特征值组成所述故障模型数据库。进一步的，将每种待监测故障类型在不同故障程度下对应的瞬时转速变化特征值导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下瞬时转速变化特征值与故障程度的参数模型。进一步的，对于每种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的样机，在试验台架上分别对每个样机进行疲劳寿命试验，得到该待监测故障模式下不同故障程度与剩余寿命的关系曲线。进一步的，将每种待监测故障类型下不同故障程度与剩余寿命的关系曲线导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下故障程度与剩余寿命的参数模型。进一步的，将同一待监测故障模式下的瞬时转速变化特征值与故障程度的参数模型和故障程度与剩余寿命的参数模型进行匹配，得到瞬时转速变化特征值、故障程度和对应的剩余寿命的综合参数模型；将不同待监测故障模式下的综合参数模型构建所述故障模型数据库。本专利技术具有以下益处：1、本专利技术通过转速信号提取瞬时转速变化特征建立故障类型与瞬时转速变化特征之间的关联，便于随车检测时能够通过转速信号直接预判可能存在的故障类型。2、本专利技术建立了同一故障类型下、不同故障程度在不同转速下所对应的瞬时转速变化特征值，从而可以根据预判的故障类型下，结合转速信号的转速和瞬时转速变化特征值预判故障程度。3、本专利技术同时建立了同一故障类型下，不同故障程度下的剩余寿命，从而可以根据预判的故障类型和故障程度，进一步预判剩余寿命。附图说明图1为故障模型数据库的建立方法流程图。图2为主动式动力传动系统状态监测系统的控制流程图。图3为主动式动力传动系统状态监测系统实现故障模式预测逻辑流程图。具体实施方式下面结合一种采用本专利技术的方法的实施例对本专利技术作进一步的详细说明。具体实施时：如图1～图3所示，一种主动式汽车传动系统随车运行状态监测和故障预报系统，在实现过程中，先构建故障模型数据库，再搭建随车运行状态监测和故障预报系统，并根据随车安装的转速传感器的转速信号在故障模型数据库中匹配对应的故障类型和剩余寿命，用于进行故障和剩余寿命的预报。为了便于说明，下面以动力传动系统中的新能源减速机为例，详细阐述故障模型数据库的构建方法：1、先从历史维修数据中收集新能源减速机的所有故障特征，再从中筛选出与转速相关的故障特征作为待监测故障特征，对待监测故障特征进行分类，得到待监测故障类型。比如：按照齿轮常见失效类型分为断齿、齿面点蚀、齿面磨损、齿面胶合等故障类型，这些故障类型均可从转速传感器检测的信号中体现出不同的信号波形。2、按照上述待监测故障类型的分类，对于每一种待监测故障类型，收集具有单一待监测故障类型的样机(动力传动系统)，或按照待监测故障类型将正常样机进行处理，得到对应的待监测故障类型的样机。3、将上述具有单一待监测故障类型的样机分别安装到新能源减速机试验台架上分别进行试验，试验工况按照样机在实车上的实际运行工况进行设定。如该新能源减速机应用于乘用车则可按WLTP工况对样机进行循环试验。4、试验过程中，采集样机上的转速传感器的转速信号，具体为转速脉冲信号，并对转速信号(转速脉冲信号)进行转速换算，得到瞬时转速变化曲线。5、分别对每一种待监测故障类型的瞬时转速变化曲线进行分析处理，提取该故障类型特有的瞬时转速变化特征。如断齿故障类型下对应故障齿啮合时会发生急剧的转速变化，在瞬时转速变化曲线上的表现出瞬时冲击等信号，因此，可将转速中的瞬时冲击信号作为断齿故障类型的瞬时转速变化特征，作为该待监测故障类型的故障指标。6、对不同的待监测故障类型的样机建立故障指标后，将同一待监测故障类型的样机按照不同故障程度进行排序，如从故障轻微到故障严重或从故障严重到故障轻微进行排序。7、对同一待监测故障类型下故障程度不同的样机分别进行故障指标检测台架试验，检测不同故障程度下各转速阶段的故障指标值，得到不同故障程度在不同转速下的故障指标值的初步对应关系模型。具体的，对某一故障程度的样机进行试验时，将样机按照常用测试工况，如WLTP工况，对其进行测试，得到随转速变化的故障指标值变化曲线，比如转速在500r/min、1000r/min、1500r/min下的故障指标值。本文档来自技高网...

【技术保护点】
1.一种主动式汽车传动系统故障模型数据库的建立方法，其特征在于，包括如下步骤：/nS1、从历史维修数据中收集待监测汽车传动系统的所有故障特征，再从中筛选出与转速相关的故障特征作为待监测故障特征，并对待监测故障特征进行分类，得到待监测故障类型；/nS2、按照上述待监测故障类型的分类，对于每一种待监测故障类型，选择具有该单一待监测故障类型的样机，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；/nS3、将每种待监测故障类型与其对应的瞬时转速变化特征组成故障模型数据库。/n

【技术特征摘要】
1.一种主动式汽车传动系统故障模型数据库的建立方法，其特征在于，包括如下步骤：
S1、从历史维修数据中收集待监测汽车传动系统的所有故障特征，再从中筛选出与转速相关的故障特征作为待监测故障特征，并对待监测故障特征进行分类，得到待监测故障类型；
S2、按照上述待监测故障类型的分类，对于每一种待监测故障类型，选择具有该单一待监测故障类型的样机，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；
S3、将每种待监测故障类型与其对应的瞬时转速变化特征组成故障模型数据库。


2.如权利要求1所述的主动式汽车传动系统故障模型数据库的建立方法，其特征在于，对于每一种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的样机，在试验台架上分别对每个样机按照测试工况进行试验，得到不同故障程度的样机在该待监测故障模式下的瞬时转速变化特征值；
将每种待监测故障类型在不同故障程度下对应的瞬时转速变化特征值组成所述故障模型数据库。


3.如权利要求2所述的主动式汽车传动系统故障模...

【专利技术属性】
技术研发人员：郭栋，黎洪林，石晓辉，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50