[發明專利]一種基于鍵合圖模型的電動代步車故障診斷和估計方法

有效

• 申請號: 201810083969.8
• 申請日: 2018-01-29
• 公開（公告）號: CN108437798B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 郁明;孫路路;姜蒼華;王海;夏浩;李夢昕;肖晨雨
• 申請（專利權）人: 合肥工業大學
• 主分類號: B60L3/00
• 分類號: B60L3/00;G06F30/15;G06F30/20
• 代理公司: 合肥和瑞知識產權代理事務所(普通合伙) 34118
• 代理人: 王挺

本發明涉及一種電動代步車故障診斷方法，特別涉及一種基于鍵合圖模型的電動代步車故障診斷和估計方法。本發明首先對電動代步車建模，得到電動代步車的鍵合圖模型，根據電動代步車的鍵合圖模型解析出冗余關系，根據解析冗余關系生成殘差，得到故障特征矩陣，改變電動代步車的鍵合圖模型的參數值的大小，判斷殘差的大小是否超出了設定閾值，如果超出設定閾值，則電動代步車系統發生故障，將相干向量和故障特征矩陣對比得到可能的故障集合，利用無跡卡爾曼濾波方法對故障集合中的元素與系統原狀態變量進行聯合估計，得出電動代步車系統的實際故障。本發明能夠通過故障辨識將故障參數精確到具體的數值，能夠及時、準確地診斷并隔離出故障源。

技術領域

本發明涉及一種電動代步車故障診斷方法，特別涉及一種基于鍵合圖模型的電動代步車故障診斷和估計方法。

背景技術

近年來，隨著交通工具的發展和人們環保意識的提高，電動車作為一種輕便、清潔的代步工具，廣受歡迎和喜愛。如何對電動代步車進行故障診斷，方便人們出行以及減少交通事故成為許多人關心的問題。

目前，故障診斷的方法有定性的方法和定量的方法，其中，定量的方法分為基于數據驅動的方法和基于模型的方法，基于數據驅動的方法需要充足和完備的數據，從而進行后驗分析，要求十分嚴苛，而且故障診斷不及時，故障源判斷不準確。

發明內容

本發明為了克服上述現有技術的不足，提供了一種基于鍵合圖模型的電動代步車故障診斷和估計方法，本發明能夠快速準確地判斷出故障源所在位置。

為實現上述目的，本發明采用了以下技術措施：

一種基于鍵合圖模型的電動代步車故障診斷和估計方法，包括以下步驟：

S1、對電動代步車系統建模，得到電動代步車系統的鍵合圖模型；

S2、根據電動代步車系統的鍵合圖模型得到解析冗余關系，根據解析冗余關系生成殘差，得到故障特征矩陣；

S3、改變電動代步車系統的鍵合圖模型的參數值的大小，判斷殘差的大小是否超出了設定閾值，如果超出設定閾值，則電動代步車系統發生故障，如果未超出設定閾值，則電動代步車系統正常；

S4、根據殘差的大小是否超出了設定閾值得出相干向量，將相干向量與故障特征矩陣進行對比，得出電動代步車系統可能發生故障的集合；

S5、在電動代步車系統中選擇狀態變量和觀測變量建立狀態空間方程；

S6、將所述電動代步車系統可能發生故障的集合中的元素添加至電動代步車系統的狀態空間方程的狀態變量中，得到新的電動代步車系統的狀態變量，利用無跡卡爾曼濾波方法對新的電動代步車系統的狀態變量進行聯合估計，得出電動代步車系統的實際故障。

優選的，所述電動代步車的鍵合圖模型包括驅動鍵合圖模型、電機鍵合圖模型、后輪鍵合圖模型、車身鍵合圖模型、前輪鍵合圖模型；所述電動代步車的鍵合圖模型的功率流的方向依次由驅動鍵合圖模型、電機鍵合圖模型、后輪鍵合圖模型、車身鍵合圖模型指向前輪鍵合圖模型。

優選的，所述驅動鍵合圖模型，其包括U_in電壓源，系數為k₁的第一TF轉換器；所述U_in電壓源經過第一TF轉換器轉換為電流，所述電流進入電機鍵合圖模型；

電機鍵合圖模型，其包括電機電氣部分的電阻R₁，系數為k₂的第一回轉器GY，電機的轉動慣量J₁，電機機械部分的摩擦R₂，系數為k₃的第二轉換器TF；所述電流進入電機鍵合圖模型后，電流經過系數為k₂的第一回轉器GY轉換為電機的轉矩，所述電機的轉矩經過系數為k₃的第二轉換器TF轉換為后輪的角速度，所述后輪的角速度進入后輪鍵合圖模型；