[發明專利]電動汽車診斷方法和診斷裝置

有效

• 申請號: 201410072649.4
• 申請日: 2014-02-28
• 公開（公告）號: CN103838229B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 杜常清;李晃;朱一多;顏伏伍;趙奕凡
• 申請（專利權）人: 武漢理工大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 湖北武漢永嘉專利代理有限公司42102
• 代理人: 胡琳萍

1.一種電動汽車的診斷方法，其特征在于，所述診斷方法包括以下步驟：

通過網絡獲取表示所述電動汽車運行狀態的狀態數據流；

根據所述狀態數據流提取電動汽車各運行狀態下的敏感特征；

根據所述敏感特征對電動汽車各運行狀態進行特征評估；

根據所述特征評估的結果建立包括正常模式和多個故障模式的模式庫；

通過所述網絡接收表示所述電動汽車的實時運行狀態的數據流；

分別計算模式庫中的多個模式和表示所述實時運行狀態的數據流之間的多個相似度；

比較所述多個相似度；

如果所述比較結果表示所述實時運行狀態與所述模式庫中的正常模式匹配，則產生表示所述電動汽車沒有故障的正常信號；以及

如果所述比較結果表示所述實時運行狀態與所述模式庫中的故障模式匹配，則產生表示所述電動汽車出現故障的故障信號。

2.根據權利要求1所述的電動汽車的診斷方法，其特征在于，所述提取模式特征的步驟還包括：

利用小波包分解和經驗模態分解方法分解所述狀態數據；

對所述狀態數據和所述分解后的數據分別提取時域無量綱指標，以形成聯合特征；以及

從所述聯合特征中選擇出所述模式敏感特征。

3.根據權利要求1所述的電動汽車的診斷方法，其特征在于，所述比較所述多個相似度的步驟還包括：

根據加權矩陣限定接收預定頻率范圍內的狀態數據，并丟棄所述預定頻率范圍以外的狀態數據。

4.根據權利要求1所述的電動汽車的診斷方法，其特征在于，所述特征評估的步驟包括：

根據特征間的距離大小評估特征敏感度，其中，同一模式類的類內特征距離最小，不同模式內的類間特征距離最大，此外，敏感特征是滿足同一模式類的類內特征距離最小且不同模式內的類間特征距離最大的特征。

5.根據權利要求4所述的電動汽車的診斷方法，其特征在于，所述特征評估的步驟還包括：

將所述特征敏感度的值輸入基函數神經網絡，以測試和訓練故障模式，建立所述模式庫。

6.根據權利要求1所述的電動汽車的診斷方法，其特征在于，所述建立模式庫的步驟還包括：

濾波所述原始數據，以去除包括異常數據和冗余數據的噪聲數據。

7.一種電動汽車的診斷裝置，其特征在于，包括：

接收模塊，用于通過網絡獲取表示所述電動汽車運行狀態的原始數據并接收表示所述電動汽車的實時運行狀態的數據流；

提取模塊，用于根據所述原始數據提取電動汽車各運行狀態下的敏感特征；

模式庫模塊，用于根據所述敏感特征對電動汽車的各運行狀態進行特征評估，并根據所述評估的結果建立包括正常模式和多個故障模式的模式庫；

計算模塊，用于分別計算模式庫中的多個模式和所述實時運行狀態之間的多個相似度；以及

比較模塊，用于比較所述多個相似度，其中，如果所述比較結果表示所述實時運行狀態與所述模式庫中的正常模式相匹配，則產生表示所述電動汽車沒有故障的正常信號；如果所述比較結果表示所述實時運行狀態與所述模式庫中的一個故障模式相匹配，則產生表示所述電動汽車出現故障的故障信號。

8.根據權利要求7所述的電動汽車的診斷裝置，其特征在于，所述模式庫模塊包括：

類聚模塊，用于根據特征間的距離大小評估特征敏感度，其中，同一模式類的類內特征距離最小，不同模式內的類間特征距離最大，此外，敏感特征是滿足同一模式類的類內特征距離最小且不同模式內的類間特征距離最大的特征。

9.根據權利要求8所述的電動汽車的診斷裝置，其特征在于，所述類聚模塊將所述特征敏感度的值輸入基函數神經網絡，以測試和訓練故障模式，建立所述模式庫。

10.根據權利要求7所述的電動汽車的診斷裝置，其特征在于，所述網絡包括無線網絡。