基于多源异构融合信号的电驱动系统状态监测方法技术方案

本发明专利技术涉及汽车状态监测技术领域，尤其涉及基于多源异构融合信号的电驱动系统状态监测方法。包括：构建多源异构信号通道混合矩阵；建立信号

【技术实现步骤摘要】
基于多源异构融合信号的电驱动系统状态监测方法


[0001]本专利技术涉及汽车状态监测
，尤其涉及基于多源异构融合信号的电驱动系统状态监测方法。

技术介绍

[0002]近年来，随着能源和环境问题的日益凸显，在环保部门倡导绿色环保的背景下，各种用途的电动汽车应运而生。电驱动系统作为电动汽车的“心脏”，为其提供动力输出，对整车的使用性能具有决定性影响，是不可或缺的核心零部件。而当电驱动系统运行时，在高温、高湿、振动的复杂工作环境下，极易出现故障，因此需要对电驱动系统的运行状态进行长期监测与诊断，否则只有在出现较为严重的故障时，驾乘人员才能发现异常，时效性差，导致其维修和维护成本较高，甚至严重时，将会引发较大的经济损失或人员伤亡，所以电驱动系统的状态监测尤为重要。
[0003]但现阶段的电动汽车电驱动系统工作状态监测方法，功能较基础且监测能力有限，大多都仅通过单一指标信号对电驱动系统工作状态进行评估，如通过加速度传感器监测振动特征、通过转速传感器监测转速特征等，难以全面的对电驱动系统的复杂工作状态进行评估，不能真实且准确地反映其工作状态，同时有的特征信号又难以获取，导致信息源具有不完整的缺陷。
[0004]因此，我们设计了一种基于多源异构融合信号的电驱动系统状态监测方法，通过融合多种不同来源和不同结构的信号，全面评估电驱动系统的工作状态，实现对其准确且全面的状态监测。

技术实现思路

[0005]本专利技术的目的是为解决电动汽车电驱动系统工作环境复杂，单一指标信号只能提供电驱动系统某一方面的特征信息，无法全面且准确的评估其工作状态。基于此，本专利技术提供一种基于多源异构融合信号的电驱动系统状态监测方法，建立电驱动系统不同故障信号特征关联模型，构建多源异构信号通道混合矩阵，以满足各信号同时空、等相位的融合要求，获取多种不同来源和不同结构的电驱动系统状态信号，以DS证据理论算法对其进行融合，互相补充缺失信息，实现多源异构信号的关联，通过不同信号互补叠加，提高信号的准确性，得到更能反映电驱动系统状态信息的分析信号，弥补单个信息源不完整的缺陷，对其工作状态进行全面且更清晰准确的评估。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：基于多源异构融合信号的电驱动系统状态监测方法，包括以下步骤：S1、构建多源异构信号通道混合矩阵：从电驱动系统历史维修数据中收集所有故障特征，对其进行分类，得到各种故障类型；基于各故障类型分析出与电驱动系统工作状态相关的特征信号，并获取不同来源
与不同结构的状态信号；通过状态信号的时序性、结构、属性的不同进行分类，得到待获取监测状态信号类型；根据待获取监测状态信号类型，构建多源异构信号通道混合矩阵，以满足不同采集信号等时空、同相位的要求，方便后续信号的采集与融合；S2、通过整车试验，建立信号
‑
故障特征关联模型；S4、对待测车辆进行多源异构信号采集，获取待测状态信号；并将待测状态信号通过多源异构信号通道混合矩阵获取多源异构信号；S5、对采集的多源异构信号进行预处理操作，以取出非关键影响属性、保留住属性，得到预处理信号；S6、将得到的预处理信号采用D
‑
S证据理论算法对其进行多源异构数据融合，得到多源异构融合信号；S7、对多源异构融合信号进行指标提取，并与信号
‑
故障特征关联模型进行匹配，获取更全面和精更确的电驱动系统状态特征信号，并根据电驱动系统状态特征信号进行监测。
[0007]进一步地，其中，S1中，所述故障类型，至少包括以下故障类型中的一类：驱动电机过压、驱动电机过热、超速故障。
[0008]进一步地，所述状态信号至少包括以下中的至少一种：温度信号、转速信号、扭矩信号、驱动电机电压信号。
[0009]进一步地，S2包括以下步骤：在整车试验时，在车辆的电驱动系统上安装信号获取装置；按一定的试验工况进行试验，通过多源异构信号通道混合矩阵进行信号采集，获取电驱动系统工作状态下不同来源与不同结构的状态信号；对获取的状态信号进行处理分析，且处理分析方法至少包括：时域统计、频域分析；得到不同故障所对应的信号特征，构建出信号
‑
故障特征关联模型。
[0010]进一步地，S5中，所述预处理操作至少包括：信号分选、误差补偿、冗余处理。
[0011]进一步地，S6中，所述多源异构信号融合的具体步骤包括：从预处理信号中提取各信号的特征，将每个特征属性证据利用Pignistic概率公式转为基本概率，并获得各证据特征间的相似度、信任度和虚假度；将求解得到的信任度和虚假度完成排序，并对高冲突证据加权平均；根据D
‑
S证据理论合成规则完成各特征属性的融合，将融合结果进行测试训练，对于故障识别准确率低于90%以上的可完成后续故障测试模型建模，对于不达标准的则继续进一步抽取新特征属性，扩大特征集，完成数据融合。
[0012]本专利技术至少具备以下有益效果：（1）本专利技术通过构建多源异构信号通道混合矩阵，对采集信号的时序结构、属性等进行分类，便于多源异构信号的采集，满足多源信号融合等相位、同时空的要求。
[0013]（2）本专利技术通过对电驱动系统的多源异构信号进行融合，利用多信号的互补性，增加数据的置信度、提高可靠性，可对电驱动系统工作状态进行更全面的评估，得出更清晰准确的结论。
[0014]（3）本专利技术构建了电驱动系统故障信号关联模型，便于状态监测时通过多源异构融合信号提取故障特征信号，对电驱动系统工作状态作全面准确的评估。
附图说明
[0015]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为多源异构信号通道混合矩阵构建流程示意图；图2为电驱动系统状态监测信号
‑
故障特征关联模型建立流程图；图3为基于多源异构融合信号的电驱动系统状态监测方法原理示意图。
具体实施方式
[0017]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0018]具体实施时：如图1～图3所示，本专利技术是提供了一种基于多源异构融合信号的电驱动系统状态监测方法。
[0019]在实现过程中，首先通过电驱动系统历史故障维修建立故障信号
‑
故障关联模型，然后确认需测的不同来源和不同结构的信号类型，然后基于此构建多源异构信号通道混合矩阵，以保证信号在等时空、同相位条件下进行采集，之后进行信号采集，并对数据进行相应的预处理，通过DS证据理论算法对预处理后的多源异构信号进行信号融合，得到多源异构融合信号，最后对多源异构融合信号进行指标提取，并与信号
‑
故障模型进行匹配，获取得到高准确性、低不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多源异构融合信号的电驱动系统状态监测方法，其特征在于，包括以下步骤：S1、构建多源异构信号通道混合矩阵：从电驱动系统历史维修数据中收集所有故障特征，对其进行分类，得到各种故障类型；基于各故障类型分析出与电驱动系统工作状态相关的特征信号，并获取不同来源与不同结构的状态信号；通过状态信号的时序性、结构、属性的不同进行分类，得到待获取监测状态信号类型；根据待获取监测状态信号类型，构建多源异构信号通道混合矩阵，以满足不同采集信号等时空、同相位的要求，方便后续信号的采集与融合；S2、通过整车试验，建立信号
‑
故障特征关联模型；S4、对待测车辆进行多源异构信号采集，获取待测状态信号；并将待测状态信号通过多源异构信号通道混合矩阵获取多源异构信号；S5、对采集的多源异构信号进行预处理操作，以取出非关键影响属性、保留住属性，得到预处理信号；S6、将得到的预处理信号采用D
‑
S证据理论算法对其进行多源异构数据融合，得到多源异构融合信号；S7、对多源异构融合信号进行指标提取，并与信号
‑
故障特征关联模型进行匹配，获取更全面和精更确的电驱动系统状态特征信号，并根据电驱动系统状态特征信号进行监测。2.根据权利要求1所述的基于多源异构融合信号的电驱动系统状态监测方法，其特征在于，其中，S1中，所述故障类型，至少包括以下故障类型中的一类：驱动电机过压、驱动电机过热、超速故障。3.根据权利要求1所述的基于多源异构融合...

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