一种纯电动车辆动力系统的故障诊断方法

摘要

本发明基于MATLAB/Simulink软件建立纯电动车辆的仿真模型，模拟纯电动车辆的故障工况，进而获得纯电动车辆在故障工况下的传感器信号；运用模式识别的理论方法，建立以故障工况下的传感器信号为集合的模式空间，并对其提取特征指数，根据特征指数在不同故障下标准差系数的差异，选择标准差系数最大的特征指数为该传感器信号的特征，通过降维处理建立具有较低维数的电动车辆故障的特征空间；运用人工神经网络分类技术，使用MATLAB神经网络工具箱设计并建立BP神经网络，对特征空间进行判决和分类，从而完成对纯电动车辆故障工况的模式识别，实现纯电动车辆的故障诊断。

主权项

一种纯电动车辆动力系统的故障诊断方法，其特征在于包括如下步骤：1)收集并整理纯电动车辆常见的故障类型，具体见下表；2)根据纯电动车辆的系统结构，以MATLAB/Simulink软件为仿真平台，建立纯电动车辆的仿真模型，以纯电动车辆的电力驱动系统为核心，模拟纯电动车辆的故障工况，获得纯电动车辆在故障工况下的传感器信号如下表所示；3)将正常工况和故障工况下不同传感器的时域信号相减，得到不同传感器信号对应的故障残差，故障残差的定义如下式所示：r_fault＝S_fault(t)‑S_nom(t)其中，S_fault(t)表示故障工况下传感器的时域信号，S_nom(t)表示正常工况下的时域信号。对每个传感信号的故障残差，计算其特征指数，利用这些特征指数，描述该工况对应的故障类型。本发明所选用的特征指数如下表所示：对每个传感信号，计算不同工况下的特征指数，进一步统计特征指数的标准差系数，取标准差系数较大的特征指数为该信号的优先指数。本发明对每个传感器信号筛选标准差系数较大的3个特征指数，并按照其标准差系数从大到小的顺序评定优先级，具体如下表所示。选取上表中优先级为1的特征指数作为该信号的特征指数，即对应20个传感信号(S1、S2……S20)，选取优先级为1的20个特征指数(P12、P10……P10)来描述故障工况的特征，从而构成一个故障工况的样本。4)运用人工神经网络分类技术，设计并建立有效的BP神经网络，对特征空间进行判决和分类，建立电动车辆故障模式的类别空间，从而完成对纯电动车辆故障工况的模式识别，实现车辆的故障诊断过程。