[發明專利]一種電動機監測方法及裝置

有效

• 申請號: 201710525691.0
• 申請日: 2017-06-30
• 公開（公告）號: CN107356871B
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 劉峰;劉杰;張春;張寧;李紅輝;張杰
• 申請（專利權）人: 北京交通大學
• 主分類號: G01R31/34
• 分類號: G01R31/34;G01R31/00;B60L3/00
• 代理公司: 11477 北京尚倫律師事務所
• 代理人: 張俊國

本公開是關于一種電動機監測方法及裝置。該方法包括：監測電動車輛的速度數據與電動機輸入或輸出的電能數據；根據所述速度數據選擇相應的預先訓練的深度神經網絡模型；根據所述深度神經網絡模型分析所述速度數據與所述電能數據是否匹配；當所述速度數據與所述電能數據不匹配時，確定所述電動發送機的工作狀態異常。該技術方案，對于電動機工作的不同狀態(輸出電能狀態和輸入電能狀態)，采用不同深度神經網絡模型對電動機的工作狀態進行監測。這樣，對電動機工作狀態的監測更加準確，并且能夠及時發現電動機的異常狀態，提高電動車輛行駛效率及安全性。

技術領域

本公開涉及電動車輛技術領域，尤其涉及一種電動機監測方法及裝置。

背景技術

目前，隨著科技的發展及環境污染問題的日益嚴重，環保節能的電動車輛的發展愈加重要，并且已經開始逐漸普及。例如，我國的高速鐵路列車就采用電力作為能源行駛，并且，電動汽車也在逐步取代燃油汽車，成為城市交通的主要交通工具之一。

因此，電動車輛的安全有效行駛作為重要問題，日益被大眾所關注，而電動車輛的電動機的監測，更成為了重中之重。

發明內容

本公開實施例提供一種電動機監測方法及裝置。所述技術方案如下：

根據本公開實施例的第一方面，提供一種電動機監測方法，包括：

監測電動車輛的速度數據與電動機輸入或輸出的電能數據；

根據所述速度數據選擇相應的預先訓練的深度神經網絡模型；

根據所述深度神經網絡模型分析所述速度數據與所述電能數據是否匹配；

當所述速度數據與所述電能數據不匹配時，確定所述電動機的工作狀態異常。

可選的，所述速度數據包括所述電動車輛的行駛速度數據及加速度數據；所述深度神經網絡模型包括所述行駛速度數據、加速度數據與所述電能數據的對應關系。

可選的，所述電能數據包括所述電動機輸出的第一電能數據，所述深度神經網絡模型包括第一模型，所述第一模型包括所述行駛速度數據、加速度數據與所述第一電能數據的對應關系；

監測電動車輛的速度數據與電動機輸入或輸出的電能數據，包括：

監測所述電動車輛的行駛速度數據和加速度數據，及所述電動機輸出的第一電能數據；

根據所述速度數據選擇相應的預先訓練的深度神經網絡模型，包括：

當根據所述行駛速度數據和加速度數據確定所述電動車輛勻速行駛或加速行駛時，獲取所述第一模型；

根據所述深度神經網絡模型分析所述速度數據與所述電能數據是否匹配，包括：

根據所述第一模型，分析所述行駛速度數據和加速度數據與所述第一電能數據是否匹配。

可選的，所述電能數據包括所述電動機輸入的第二電能數據；所述深度神經網絡模型包括第二模型，所述第二模型包括所述行駛速度數據、加速度數據與所述第二電能數據的對應關系；

監測電動車輛的速度數據與電動機輸入或輸出的電能數據，包括：

監測所述電動車輛的行駛速度數據和加速度數據，及所述電動機輸入的第二電能數據；

根據所述速度數據選擇相應的預先訓練的深度神經網絡模型，包括：

當根據所述行駛速度數據和加速度數據確定所述電動車輛減速行駛時，獲取所述第二模型；

根據所述深度神經網絡模型分析所述速度數據與所述電能數據是否匹配，包括：

根據所述第二模型，分析所述行駛速度數據和加速度數據與所述第二電能數據是否匹配。