System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及电动汽车领域,具体而言,涉及一种车用功率模块的冷却异常识别方法。
技术介绍
1、车用功率模块通常集成于新能源汽车中的逆变器上,作用于电驱控制模块中,可将直流输入转变为交流输出,用于驱动电机运行工作。车用功率模块的工作环境为高电压高电流,并以高频率开关管的变换来满足驱动电机的转速和转矩输出要求,以对其可以实现精准控制和保护。结合车用功率模块自身特性,当逆变器上的车用功率模块出现冷却异常的情况时,可能会导致车用功率模块过热,影响车用功率模块的寿命,增大车用功率模块的功率损耗,以及降低车用功率模块的可靠性等问题,同时,连带着逆变器的功率也受到限制,整车性能如加速性也大大降低,严重时可能会损坏电机和逆变器,进而出现不可预估的后果。
2、现有技术中,对于车用功率模块出现冷却异常的情况,多数车用功率模块的冷却异常识别方法依赖于人工专家的经验或精准台架实验数据的输入的单一特征维度的迭代处理,进而解决上述车用功率模块出现冷却异常的情况的问题。
3、但这样的冷却异常识别方法,由于缺乏大批量车次的不同工况条件下的特征维度数据,导致该车用功率模块的冷却异常识别方法易受到异常数据值的影响,进而导致车用功率模块的抗干扰能力差以及稳定性差;且依赖于人工专家的经验或精准台架实验数据的输入,导致该车用功率模块的冷却异常识别方法的自适应性差以及可信度低。
技术实现思路
1、有鉴于上述现有技术中的不足,本申请的目的在于提供一种车用功率模块的冷却异常识别方法,可以覆盖监控大批量车的功率
2、为了实现上述目的,本申请实施例采用的技术方案如下:
3、第一方面,本申请实施例提供了一种车用功率模块的冷却异常识别方法,所述冷却异常识别方法包括:
4、获取多个车辆的埋点数据,每个车辆的埋点数据包括:所述每个车辆的电驱信号以及所述每个车辆的驾驶状态信号;
5、根据所述每个车辆的电驱信号和所述每个车辆的驾驶状态信号,确定所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,其中,所述实际温度参数用于表征所述每个车辆的电驱系统中功率模块的实际温度;
6、获取所述每个车辆的电驱拟合曲线特性表,所述电驱拟合曲线特性表用于表征所述每个车辆的电驱工况参数和温度参数的关系曲线;
7、根据所述每个车辆的预设电驱工况参数,采用所述每个车辆的电驱拟合曲线特性表进行温度参数的拟合,得到所述每个车辆的参考温度参数;
8、根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,其中,所述每个车辆的冷却异常风险参数用于表征所述每个车辆中的功率模块存在异常冷却的风险。
9、可选地,所述根据所述每个车辆的电驱信号和所述每个车辆的驾驶状态信号,确定所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,包括:
10、从所述每个车辆的电驱信号中提取所述每个车辆在多个时间点的电驱特征参数,所述电驱特征参数包括:实际电驱工况参数以及所述实际温度参数;
11、从所述每个车辆的驾驶状态信号中提取所述每个车辆在所述多个时间点的驾驶特征参数;
12、根据所述多个时间点的电驱特征参数以及所述多个时间点的驾驶特征参数,生成所述每个车辆的数据特征时间序列。
13、可选地,所述驾驶特征参数至少包括:驾驶启停标识;
14、所述方法还包括:
15、根据所述驾驶特征参数中的驾驶启停标识,对所述每个车辆的数据特征时间序列进行拼接,得到所述每个车辆在至少一个驾驶循环工况下的数据片段;
16、所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,包括:
17、根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的每个驾驶循环工况下的数据片段,对所述每个车辆中的功率模块在所述每个驾驶循环工况下的冷却异常识别,得到所述每个车辆在所述每个驾驶循环工况下的冷却异常风险参数。
18、可选地,所述每个车辆的预设电驱工况参数为:所述每个车辆的预设电驱工况参数区间;
19、所述根据所述每个车辆的预设电驱工况参数,采用所述每个车辆的电驱拟合曲线特性表进行温度参数的拟合,得到所述每个车辆的参考温度参数,包括:
20、对所述每个车辆的预设电驱工况参数区间进行分段,得到所述每个车辆的多个电驱工况子区间;
21、根据所述多个电驱工况子区间,采用所述每个车辆的电驱拟合曲线特性表分别在所述多个电驱工况子区间下进行温度参数的拟合,得到所述每个车辆在所述多个电驱工况子区间的参考温度参数;
22、所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,包括:
23、根据所述每个车辆的实际电驱工况参数,从所述每个电驱工况子区间下的参考温度参数中确定所述实际电驱工况参数所在的目标工况参数子区间的目标参考温度参数;
24、根据所述目标参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数。
25、可选地,所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,包括:
26、根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数,从所述每个车辆的数据特征时间序列中确定所述每个车辆的异常数据点;
27、确定异常点数据在所述每个车辆的数据特征时间序列中的异常数据占比;
28、根据所述异常数据占比,确定所述每个车辆的冷却异常风险参数。
29、可选地,所述每个车辆的参考温度参数包括:所述每个车辆的参考温度范围中的各参考温度参数;
30、所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数,从所述每个车辆的数据特征时间序列中确定所述每个车辆的异常数据点,包括:
31、分别确定所述每个车辆的实际温度参数和所述每个车辆的参考温度范围内各参考温度参数的温度参数差值,得到所述每个车辆的多个温度偏差值;
32、确定所述每个车辆的多个温度偏差值中的绝对值最大的目标温度偏差值;
33、若所述目标温度偏差值大于预设温度偏差阈值,将所述每个车辆的数据特征时本文档来自技高网...
【技术保护点】
1.一种车用功率模块的冷却异常识别方法,其特征在于,所述冷却异常识别方法包括:
2.根据权利要求1所述的车用功率模块的冷却异常识别方法,其特征在于,所述根据所述每个车辆的电驱信号和所述每个车辆的驾驶状态信号,确定所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,包括:
3.根据权利要求2所述的车用功率模块的冷却异常识别方法,其特征在于,所述驾驶特征参数至少包括:驾驶启停标识;
4.根据权利要求2所述的车用功率模块的冷却异常识别方法,其特征在于,所述每个车辆的预设电驱工况参数为:所述每个车辆的预设电驱工况参数区间;
5.根据权利要求1所述的车用功率模块的冷却异常识别方法,其特征在于,所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,包括:
6.根据权利要求5所述的车用功率模块的冷却异常识别方法,其特征在于,所述每个车辆的参考温度参数包括:所述每个车辆的参考温度范围中的各参考温度参数;<
...【技术特征摘要】
1.一种车用功率模块的冷却异常识别方法,其特征在于,所述冷却异常识别方法包括:
2.根据权利要求1所述的车用功率模块的冷却异常识别方法,其特征在于,所述根据所述每个车辆的电驱信号和所述每个车辆的驾驶状态信号,确定所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,包括:
3.根据权利要求2所述的车用功率模块的冷却异常识别方法,其特征在于,所述驾驶特征参数至少包括:驾驶启停标识;
4.根据权利要求2所述的车用功率模块的冷却异常识别方法,其特征在于,所述每个车辆的预设电驱工况参数为:所述每个车辆的预设电驱工况参数区间;
5.根据权利要求1所述的车用功率模块的冷却异常识别方法,其特征在于,所述根据所述每个车辆的参考温度参数、所述每个车辆的实际温度参数以及所述每个车辆的数据特征时间序列,对所述每个车辆中的功率模块进行冷却异常识别,得到所述每个车辆的冷却异常风险参数,包括:
6.根...
【专利技术属性】
技术研发人员:彭淦,王晓旭,杨亮,方美娜,李凌舟,陈晓娇,
申请(专利权)人:中国第一汽车股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。