一种电驱动装置故障诊断方法及系统、计算机设备及介质与流程

本发明涉及车辆，特别是涉及一种电驱动装置故障诊断方法及系统、计算机设备及介质。

背景技术：

1、新能源车辆在整个生命周期内，其电驱动装置总成内部会因为各种原因产生微损伤，如齿轮的齿面微裂纹、轴承的滚子点蚀、保持架微裂纹等。如果能早期诊断出该潜在故障，则可以避免微损伤劣化到产品功能失效，从而提升产品和服务质量。

2、但是，目前对电驱动装置的故障诊断多基于加速度传感器采集到的振动信号进行传统频谱分析，其在整车上应用的成本较高且可实现性较差。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种电驱动装置故障诊断方法及系统、计算机设备及介质，用于解决现有技术中对电驱动装置进行故障诊断时成本较高且可实现性较差的问题。

2、为实现上述目的及其他相关目的，本发明提供一种电驱动装置故障诊断方法，包括以下步骤：

3、获取历史时刻中电驱动装置在正常运行状态下的工况数据；

4、利用所述电驱动装置在正常运行状态下的工况数据进行深度学习训练，生成电驱动装置故障诊断模型；

5、将所述电驱动装置在当前时刻下的工况数据作为待诊断工况数据，并将所述待诊断工况数据输入至所述电驱动装置故障诊断模型中，识别所述电驱动装置在当前时刻的运行状态；

6、若所述电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围外，则标记所述电驱动装置在当前时刻的运行状态为存在故障；

7、若所述电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围内，则标记所述电驱动装置在当前时刻的运行状态为健康。

8、于本发明的一实施例中，若所述工况数据包括爆震传感器信号、油温或水温、定子温度和旋变信号，则利用所述电驱动装置在正常运行状态下的工况数据进行深度学习训练，生成电驱动装置故障诊断模型的过程包括：

9、基于所述旋变信号确定出电机速度；

10、对所述电机速度和所述爆震传感器信号进行阶次切片分析，并基于阶次切片分析结果和电机扭矩确定出阶次矩阵；

11、将所述油温或水温、所述定子温度、所述阶次矩阵和所述爆震传感器信号输入至作为深度学习网络的输入层中，作为所述输入层的全部或部分训练参数；

12、从所述输入层中选择一个或多个训练参数，输入至所述深度学习网络的隐藏层中进行训练，直至训练生成电驱动装置故障诊断模型；

13、通过所述深度学习网络的输出层将所生成的电驱动装置故障诊断模型进行输出。

14、于本发明的一实施例中，将所述待诊断工况数据输入至所述电驱动装置故障诊断模型中，识别所述电驱动装置在当前时刻的运行状态的过程包括：

15、将所述电驱动装置故障诊断模型存储在云端服务器中，以及，将所述电驱动装置在当前时刻的工况数据上传至所述云端服务器中；

16、通过所述云端服务器对当前时刻的工况数据进行计算和诊断，识别所述电驱动装置在当前时刻的运行状态，并将识别结果发送至预先或实时确定的目标车辆。

17、于本发明的一实施例中，将所述待诊断工况数据输入至所述电驱动装置故障诊断模型中，识别所述电驱动装置在当前时刻的运行状态的过程包括：

18、将所述电驱动装置故障诊断模型存储在预先或实时确定的目标车辆中，以及，在获取到所述电驱动装置在当前时刻的工况数据后，通过所述目标车辆在本地对当前时刻的工况数据进行计算和诊断，识别所述电驱动装置在当前时刻的运行状态，并将识别结果发送至云端服务器中进行显示。

19、于本发明的一实施例中，若标记所述电驱动装置在当前时刻的运行状态为存在故障，则所述方法还包括：

20、向目标人员反馈所述电驱动装置的故障信息，其中，所述目标人员包括以下至少之一：驾驶所述目标车辆的人员、管理所述目标车辆的人员；

21、以及，向所述目标人员反馈车辆检测维修信息，其中，所述车辆检测维修信息包括：预设的一个或多个车辆检测维修点；

22、在所述目标人员根据所述车辆检测维修信息选择车辆检测维修点后，提取出所述目标车辆在当前时刻的地理位置信息，作为起始位置信息；并将所述目标人员选择的车辆检测维修点所对应的地理位置信息，作为目的地位置信息；以及，基于所述起始位置信息和所述目的地位置信息，生成至少一条行驶路径，并将生成的所有行驶路径向所述目标人员进行反馈；

23、若所述目标人员未选择车辆检测维修点，则结束故障诊断。

24、于本发明的一实施例中，在获取历史时刻中电驱动装置在正常运行状态下的爆震传感器信号前，或者，在所述电驱动装置在当前时刻下的爆震传感器信号前，所述方法还包括：

25、将爆震传感器安装在所述电驱动装置的外部或表面，并利用所述爆震传感器采集所述电驱动装置在预设频率范围内的振动信号，作为所述爆震传感器信号。

26、本发明还提供一种电驱动装置，所述电驱动装置应用于上述中任意一项所述的电驱动装置故障诊断方法。

27、本发明还提供一种电驱动装置故障诊断系统，所述系统包括有：

28、数据采集模块，用于获取历史时刻中电驱动装置在正常运行状态下的工况数据；

29、深度学习训练模块，用于利用所述电驱动装置在正常运行状态下的工况数据进行深度学习训练，生成电驱动装置故障诊断模型；

30、故障诊断模块，用于将所述电驱动装置在当前时刻下的工况数据作为待诊断工况数据，并将所述待诊断工况数据输入至所述电驱动装置故障诊断模型中，识别所述电驱动装置在当前时刻的运行状态；其中，若所述电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围外，则标记所述电驱动装置在当前时刻的运行状态为存在故障；若所述电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围内，则标记所述电驱动装置在当前时刻的运行状态为健康。

31、本发明还提供一种计算机设备，包括：

32、处理器；

33、存储有指令的计算机可读介质，当所述处理器执行所述指令时，使得所述设备执行如上述中任一所述的电驱动装置故障诊断方法。

34、本发明还提供一种计算机可读介质，其上存储有指令，所述指令由处理器加载并执行如上述中任一所述的电驱动装置故障诊断方法。

35、如上所述，本发明提供一种电驱动装置故障诊断方法及系统、计算机设备及介质，具有以下有益效果：首先获取历史时刻中电驱动装置在正常运行状态下的工况数据，然后利用电驱动装置在正常运行状态下的工况数据进行深度学习训练，生成电驱动装置故障诊断模型；再将电驱动装置在当前时刻下的工况数据作为待诊断工况数据，并将待诊断工况数据输入至电驱动装置故障诊断模型中，识别电驱动装置在当前时刻的运行状态；若电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围外，则标记电驱动装置在当前时刻的运行状态为存在故障；若电驱动装置在当前时刻的工况数据与正常运行状态下的工况数据的数据差值位于预设范围内，则标记电驱动装置在当前时刻的运行状态为健康。由此可知，本发明通过获取电驱动装置在正常运行状态下的工况数据进行深度学习训练，得到故障诊断模型，然后将实时采集的工况数据输入到故障诊断模型中进行识别比对，从而可以对电驱动装置进行实时故障诊断。而且由于工况数据是多维数据，所以本发明通过多维数据的深度学习，得到的故障诊断模型的鲁棒性高。同时，本发明通过将爆震传感器安装到电驱动装置上采集爆震传感器信号，不仅成本低，而且工程应用实现上也更便捷。此外，本发明可以将故障诊断模型部署在云服务器端或车辆本地端，从而方便进行工况数据收集和利用。