驱动电机可靠性远程诊断和预测系统、方法及汽车与流程

1.本发明涉及车辆安全技术领域，提供了一种驱动电机可靠性远程诊断和预测系统、方法及汽车。


背景技术：

2.专利号：cn202111241240.7的发明专利，公开了一种基于gru网络定子电流分析的电机故障诊断方法，通过采集定子电流变量数据，无线传输并存储至云端数据库；对采集到的定子电流变量数据使用gru神经网络进行建模和训练，利用测试集数据进行最终的电流信号故障诊断，预设故障概率阈值，当故障概率大于预设故障概率阈值时，则发出告警并停止电机运行。
3.专利号：cn201811125406.7的发明专利，公开了一种基于云计算的电动汽车永磁同步电机故障诊断系统及其故障诊断方法，通过采集永磁同步电机的特征信息，然后将特征信息发送至电机控制器进行初步故障诊断，继续通过can网络将特征信息发送至整车控制器，通过4g网络将特征信息发送至云端可靠性诊断和预测系统进行智能诊断，且云端可靠性诊断和预测系统将故障状态下发到整车控制器，并向电机控制器发出相应的终极指令，同时将故障信息发送给显示屏，让驾驶员实时掌握车辆状态。
4.以上两个专利均利用电机内嵌传感器采集到的电机的各种特征信号，在云端进行故障诊断，根据故障种类和等级，向电机发出相关执行指令等，只有在电机故障后才能被诊断，没有涉及电机的性能衰减、老化状态的监控和预测，不能实现对电机的全生命周期下的安全监测和健康管理，因而影响驱动电机的使用寿命。


技术实现要素：

5.本发明提供了一种驱动电机可靠性远程诊断和预测系统，旨在改善上述问题。
6.本发明是这样实现的，一种驱动电机可靠性远程诊断和预测系统，其特征在于，所述系统包括：
7.设于驱动电机上的传感器，传感器与集成于电机控制器mcu上的随车快速诊断系统连接，随车快速诊断系统与整车控制器vcu通讯连接，并通过t-box与云端通讯连接；
8.驱动电机上的传感器用于监测驱动电机上各部件的状态参数，将各部件的状态参数输入随车快速诊断系统，随车快速诊断系统先基于状态参数对部件进行故障判定，在判定部件无故障后，则进行各部件的异常判定，若判定存在异常部件，则将异常部件的状态参数发送至云端，云端基于异常信号对对应部件的健康状态进行评估，并返回至整车控制器。
9.进一步的，影响驱动电机性能衰减的关键部件包括：电机控制器、绝缘绕组，轴承及永磁体。
10.进一步的，在电机控制器内设有用于检测电机控制器中功率部件温度、电机控制器电流及电机反电动势的温度传感器ⅰ、电电流传感器ⅰ及压传感器；
11.设于绝缘绕组上用于检测绝缘绕组电流及温度的电流传感器ⅱ及温度传感器ⅱ；
12.设于轴承上用于检测轴承温度、冲击脉冲信号的温度传感器ⅲ及冲击脉冲传感器，以及用于检测轴承加速度信号的加速度传感器，加速度传感器设于轴承座上。
13.进一步的，随车快速诊断系统中包括：电机控制器故障判定模型，温度传感器ⅰ、电流传感器ⅰ与电机控制器故障判定模型通讯连接；
14.采集到的电机控制器温度及电流发送至电机控制器故障判定模型，电机控制器故障判定模型检测电机控制器的电流是否超出故障电流阈值i2或温度超出故障温度阈值t2若检测结果为是，则判定电机控制器故障，若检测结果为否时，则检测电流是否超过老化电流阈值i1或者是温度是否超过老化温度阈值t1，若超过，则电机控制器异常，将电机控制器的电流及温度上传至云端。
15.进一步的，随车快速诊断系统中包括：绝缘绕组故障判定模型，电流传感器ⅱ、温度传感器ⅱ与绝缘绕组故障判定模型通讯连接；
16.采集到的绝缘绕组温度及电流发送至绝缘绕组故障判定模型，绝缘绕组故障判定模型检测绝缘绕组的电流是否超出故障电流阈值i4或温度超出故障温度阈值t4，若检测结果为是，则判定绝缘绕组故障，若检测结果为否，则检测电流是否超过老化电流阈值i3或者是温度是否超过老化温度阈值t3，若超过，则判定绝缘绕组异常，将绝缘绕组的电流及温度上传至云端。
17.进一步的，随车快速诊断系统中包括：轴承故障判定模型，温度传感器ⅲ、冲击脉冲传感器及加速度传感器与轴承故障判定模型通讯连接；
18.采集到的轴承温度、冲击脉冲及轴承的加速度发送至轴承故障判定模型，轴承故障判定模型先检测绝缘绕组的温度是否超出故障温度阈值t6、冲击脉冲是否超出故障冲击脉阈值m2或加速度是否超出故障加速度阈值a2时，若检测结果为是，则判定轴承故障，若检测结果为否，则检测轴承温度是否超过老化温度阈值t5、轴承加速度是否超出老化加速度阈值a1或轴承的冲击脉冲是否超出老化冲击脉冲阈值m1，若超过，则判定轴承异常，将轴承的温度、冲击脉冲信号及加速度信息上传至云台。
19.进一步的，随车快速诊断系统中包括：永磁体故障判定模型，电压传感器、温度传感器ⅱ与永磁体故障判定模型通讯连接；
20.将电机的反电动势及绝缘绕组的温度输入永磁体故障判定模型，永磁体故障判定模型先检测绝缘绕组的电流是否超出故障电流阈值i8或电机反电动势是否超出故障反电动势阈值v2，则检测结果为是，则判定永磁体故障，若检测结果为否，则检测电机的反电动势是否超过老化反电动势阈值v1或者是绝缘绕组温度是否超过老化温度阈值t7，若超过，则判定永磁体异常，将电机的反电动势及绝缘绕组的温度上传至云台。
21.进一步的，云端上集成有健康状态预估系统，该健康状态预估系统包括：
22.基于深度学习模型构建电机控制器健康状态预估模型、绝缘绕组健康状态预估模型、轴承健康状态预估模型及永磁体健康状态预估模；
23.将电机控制器异常时的电机控制器温度及电流输入电机控制器健康状态预估模型，电机控制器健康状态预估模型输出电机控制器当前的健康状态值；
24.将绝缘绕组异常时的绝缘绕组温度及电流输入电机控制器健康状态预估模型，电机控制器健康状态预估模型输出绝缘绕组的健康状态值；
25.将轴承异常时的轴承温度、冲击脉冲及轴承的加速度输入轴承健康状态预估模
型，轴承健康状态预估模型输出轴承的健康状态值；
26.将永磁体异常时的电机的反电动势及绝缘绕组的温度输入永磁体健康状态预估模型，永磁体健康状态预估模型输出永磁体的健康状态值。
27.本发明是这样实现的，一种驱动电机可靠性远程诊断和预测方法，所述方法包括如下步骤：
28.监测驱动电机运行时的状态参数；
29.基于状态参数判定驱动电机上的相关部件是否故障，若判定结果为是，则针对不同故障进行相应的故障处理，若判定结果为否，则检测对应部件是否异常；
30.若判定存在异常的相关部件，则将异常部件的状态参数输入云端，云端对异常部件进行健康状态的评估，将评估结果返回至整车控制器ecu或者是通过4g/5g网络发送到移动终端。
31.本发明是这样实现的，一种汽车，所述汽车上集成有上述驱动电机可靠性远程诊断和预测系统。
32.本发明提供的驱动电机可靠性远程诊断和预测系统具有如下有益技术效果具体如下：
33.(1)对驱动电机性能衰减状态和健康状态进行评估与监测，制定科学有效的健康管理策略，减少电机性能衰减程度，提升用户用车体验；
34.(2)对驱动电机的健康状态进行评估以及对故障的诊断和预测，实现全生命周期的安全监测，对于较为严重故障，可由整车控制器判断故障等级，并发送控制指令到电机控制器，最后由执行器执行相应的操作，从而达到保障用户人身安全和保护车辆重要零部件目的，提升用户用车安全。
附图说明
35.图1为本发明实施例提供的驱动电机可靠性远程诊断和预测系统结构示意图；
36.图2为本发明实施例提供的驱动电机可靠性远程诊断和预测方法流程图。
具体实施方式
37.下面对照附图，通过对最优实施例的描述，对本发明的具体实施方式作进一步详细的说明。
38.图1为本发明实施例提供的驱动电机可靠性远程诊断和预测系统结构示意图，为了便于说明，仅示出与本发明实施例相关的部分，该系统包括：
39.设于驱动电机上的传感器，传感器与集成于电机控制器mcu上的随车快速诊断系统连接，随车快速诊断系统与整车控制器ecu通讯连接，通过t-box与云端通讯连接；
40.驱动电机上的传感器用于监测驱动电机上各部件的状态参数，将各部件的状态参数输入随车快速诊断系统，随车快速诊断系统先基于状态参数对部件进行故障判定，在判定存故障部件时，整车控制器针对不同故障进行相应的故障处理，在判定部件无故障后，则进行各部件的异常判定，若判定存在异常部件，则将异常部件的状态参数发送至云端，云端基于异常信号对对应部件的健康状态进行评估，并返回至整车控制器，部件状态包括，正常状态，故障状态，以及位于正常状态与故障状态之间的异常状态。
41.在本发明实施例中，影响驱动电机性能衰减的关键部件包括：电机控制器、绝缘绕组，轴承及永磁体。针对上述键部件布置了如下传感器：
42.用于检测电机控制器中功率部件温度、电机控制器电流及电机反电动势的温度传感器ⅰ、电电流传感器ⅰ及压传感器；用于检测绝缘绕组电流及温度的电流传感器ⅱ及温度传感器ⅱ；用于检测轴承温度、冲击脉冲信号的温度传感器ⅲ及冲击脉冲传感器，以及用于检测轴承加速度信号的加速度传感器，设于轴承座上；
43.随车快速诊断系统中包括：电机控制器故障判定模型、绝缘绕组故障判定模型、轴承故障判定模型及永磁体故障判定模型，其工作方法具体如下：
44.(1)电机控制器故障判定模型
45.温度传感器ⅰ、电流传感器ⅰ与电机控制器故障判定模型通讯连接，采集到的电机控制器温度及电流发送至电机控制器故障判定模型，电机控制器故障判定模型先基于电机控制器电流及温度判定电机控制器是否故障，即在电机控制器的电流超出故障电流阈值i2或温度超出故障温度阈值t2时，则判定电机控制器故障，若电机控制器的温度和电流均未超出对应的故障阈值时，则检测电机控制器的温度和电流是否异常，即电流是否超过老化电流阈值i1或者是温度是否超过老化温度阈值t1，若超过，则电机控制器异常，将电机控制器的电流及温度上传至云端，
46.电机控制器故障判定模型内上设置有电机控制器温度的老化温度阈值t1及故障温度阈值t2，老化电流阈值i1及故障电流阈值i2，其中，老化温度阈值t1、老化电流阈值i1是通过台架试验测得的电机控制器老化曲线中老化速度突变点(前期老化速度慢，在老化到一定程度后，老化速度会突然变大，这个点成为老化速度突变点)对应为温度值、电流值，故障温度阈值t2、故障电流阈值i2是通过台架试验测得的电机控制器故障时的最小温度、最小电流值。
47.(2)绝缘绕组故障判定模型
48.电流传感器ⅱ、温度传感器ⅱ与绝缘绕组故障判定模型通讯连接，采集到的绝缘绕组温度及电流发送至绝缘绕组故障判定模型，绝缘绕组故障判定模型先基于绝缘绕组电流及温度判定绝缘绕组是否故障，即在绝缘绕组的电流超出故障电流阈值i4或温度超出故障温度阈值t4时，则判定绝缘绕组故障，若绝缘绕组的温度和电流均未超出对应的故障阈值时，则检测绝缘绕组的温度和电流是否异常，即电流是否超过老化电流阈值i3或者是温度是否超过老化温度阈值t3，若超过，则判定绝绕组异常，将绝缘绕组的电流及温度上传至云端；
49.绝缘绕组故障判定模型内上设置有绝缘绕组的老化温度阈值t3及故障温度阈值t4，老化电流阈值i3及故障电流阈值i4，其中，老化温度阈值t3、老化电流阈值i3是通过台架试验测得的绝缘绕组老化曲线中老化速度突变点对应为温度值、电流值，故障温度阈值t4、故障电流阈值i4是通过台架试验测得的绝缘绕组故障时的最小温度值、最小电流值。
50.(3)轴承故障判定模型
51.温度传感器ⅲ、冲击脉冲传感器及加速度传感器与轴承故障判定模型通讯连接，采集到的轴承温度、冲击脉冲及轴承的加速度发送至轴承故障判定模型，轴承故障判定模型先基于轴承温度、冲击脉冲及轴承的加速度判定轴承是否故障，即在绝缘绕组的温度超出故障温度阈值t6、冲击脉冲超出故障冲击脉阈值m2或加速度超出故障加速度阈值a2时，
则判定轴承故障，若轴承的温度、电冲击脉冲及加速度均未超出对应的故障阈值时，则检测轴承的温度、冲击脉冲及加速度是否异常，即温度是否超过老化温度阈值t5、加速度是否超出老化加速度阈值a1或冲击脉冲是否超出老化冲击脉冲阈值m1，若超过，则判定轴承异常，将轴承的温度、冲击脉冲信号及加速度信息上传至云端；
52.轴承故障判定模型内上设置有轴承的老化温度阈值t5及故障温度阈值t6，老化加速度阈值a1及故障加速度阈值a2，老化冲击脉冲阈值m1及故障冲击脉阈值m2；其中，老化温度阈值t5、老化加速度阈值a1、老化冲击脉冲阈值m1是通过台架试验测得的轴承老化曲线中老化速度突变点对应为温度值、加速度值，冲击脉冲阈值；故障温度阈值t6、故障加速度阈值a2、故障冲击脉阈值m2是通过台架试验测得的轴承故障时的最小温度值、最小加速度值及最小冲击脉冲。
53.(4)永磁体故障判定模型
54.电压传感器、温度传感器ⅱ与永磁体故障判定模型通讯连接，将电机的反电动势及绝缘绕组的温度输入永磁体故障判定模型，永磁体故障判定模型先基于电机的反电动势及绝缘绕组的温度判定永磁体是否故障，即在绝缘绕组的电流超出故障电流阈值i8或电机反电动势超出故障反电动势阈值v2时，则判定永磁体故障，若电机的反电动势及绝缘绕组的温度均未超出对应的故障阈值时，则检测电机的反电动势及绝缘绕组的温度是否异常，即反电动势是否超过老化反电动势阈值v1或者是温度是否超过老化温度阈值t7，若超过，则判定永磁体异常，将电机的反电动势及绝缘绕组的温度上传至云端；
55.永磁体故障判定模型内上设置有绝缘绕组的老化温度阈值t7及故障温度阈值t8，老化反电动势阈值v1及故障反电动势阈值v2，其中，老化温度阈值t7、老化反电动势阈值v1是通过台架试验测得的永磁体老化曲线中老化速度突变点对应为绝缘绕组温度值、电机反电动势值，故障温度阈值t8、故障反电动势阈值v2是通过台架试验测得的永磁体故障时绝缘绕组的最小温度值、电机的最小反电动势。
56.在基于上述电机控制器故障判定模型、绝缘绕组故障判定模型、轴承故障判定模型及永磁体故障判定模型检测出存在驱动电机故障时，故障处理包括：电机动力、限制电机扭矩和功率。
57.在本发明实施例中，云端上集成有电机控制器健康状态预估模型、绝缘绕组健康状态预估模型、轴承健康状态预估模型及永磁体健康状态预估模型，上述四个健康状态预估模型均是采用深度学习模型来构建，前期通过样本进行训练，在训练到对应模型的准确识别度达到要求后，即完成了对应模型的训练，将训练好的电机控制器健康状态预估模型、绝缘绕组健康状态预估模型、轴承健康状态预估模型及永磁体健康状态预估模型集成在云端，实现电机控制器、绝缘绕组、轴承及永磁体的健康状态预估，其上述部件的健康状态预估方法具体如下：
58.(1)电机控制器健康状态预估模型
59.将电机控制器异常时的电机控制器温度及电流输入电机控制器健康状态预估模型，电机控制器健康状态预估模型输出电机控制器当前的健康状态值。
60.(2)绝缘绕组健康状态预估模型
61.将绝缘绕组异常时的绝缘绕组温度及电流输入电机控制器健康状态预估模型，电机控制器健康状态预估模型输出绝缘绕组的健康状态值。
62.(3)轴承健康状态预估模型
63.将轴承异常时的轴承温度、冲击脉冲及轴承的加速度输入轴承健康状态预估模型，轴承健康状态预估模型输出轴承的健康状态值。
64.(4)永磁体健康状态预估模型
65.将永磁体异常时的电机的反电动势及绝缘绕组的温度输入永磁体健康状态预估模型，永磁体健康状态预估模型输出永磁体的健康状态值。
66.健康状态与老化状态反向相关，老化状态越高，健康状态越差，健康状态采用数值0～1进行表示，0表示处于故障状态，1表示出产时正常器件。
67.将电机控制器、绝缘绕组、轴承及永磁体的健康状态通过t-box返回至整车控制器vcu，整车控制器vcu通过车载显示单元进行显示或提醒，或者是通过4g/5g网络发送到移动终端。
68.图2为本发明实施例提供的驱动电机可靠性远程诊断和预测方法流程图，该方法具体包括如下步骤：
69.基于驱动电机上的传感器监测驱动电机运行时的状态参数；
70.基于状态参数判定驱动电机上的相关部件是否故障，若判定结果为是，则针对不同故障进行相应的故障处理，若判定结果为否，则检测对应部件是否异常；
71.若判定存在异常的相关部件，则将异常部件的状态参数输入云端，云端对异常部件进行健康状态的评估，将评估结果返回至整车控制器vcu，或者是通过4g/5g网络发送到移动终端。
72.本发明还提供了一种汽车，汽车上集成有上述驱动电机的健康状态远程诊断系统。
73.本发明提供的驱动电机可靠性远程诊断和预测系统具有如下有益技术效果具体如下：
74.(1)对驱动电机性能衰减状态和健康状态进行评估与监测，制定科学有效的健康管理策略，减少电机性能衰减程度，提升用户用车体验；
75.(2)对驱动电机的健康状态进行评估以及对故障的诊断和预测，实现全生命周期的安全监测，对于较为严重故障，可由整车控制器判断故障等级，并发送控制指令到电机控制器，最后由执行器执行相应的操作，从而达到保障用户人身安全和保护车辆重要零部件目的，提升用户用车安全。
76.本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。