[發明專利]基于工況數據的新能源汽車電控系統故障預測方法

有效

• 申請號: 201911025232.1
• 申請日: 2019-10-25
• 公開（公告）號: CN110865628B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 李志恒;趙君豪;張凱;于海洋
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G05B23/02
• 分類號: G05B23/02;G06N3/04;G06N3/08
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

1.一種基于工況數據的新能源汽車電控系統故障預測方法，其特征在于，其具體的實施步驟包括：

a.從新能源汽車工況數據庫中提取與電控系統相關的數據，數據包括三類，第一類為控制器輸出偏差及儀表的指示偏差，第二類為控制器通信數據，第三類為控制器響應數據，每一條數據都對應著一個故障標簽，數據都為矩陣格式，作為BP神經網絡模型訓練的訓練集；

b.確定BP神經網絡預測模型的拓撲結構：總共包含四層——輸入層、隱藏層、softmax層、輸出層，其輸入層的節點數為a中所述數據的種類，總共為18個節點數；隱含層節點數3個；softmax層對應一種將回歸結果轉化為概率的方法，將前部分的矩陣運算結果轉化為三種故障的概率；輸出層節點數3個；

將步驟a中的訓練集輸入到神經網絡模型進行訓練，具體的算法為隨機梯度下降法，其訓練過程為：

a1、初始化模型參數，包括21個節點的權重和偏置，初始化方法為隨機生成參數；

a2、通過矩陣運算，將訓練數據與參數進行矩陣相乘相加，得到回歸結果后經過softmax層轉化為故障的概率，完成一次迭代；將該次迭代的訓練結果與真實值對比得到誤差，將誤差對神經網絡各層的參數求偏導數并沿著偏導數的負方向更新參數，通過不斷的迭代進行參數修正，來使得模型的計算結果不斷地靠近真實值，當最終的誤差小于一定閾值或者迭代達到一定次數，則得到最終的模型參數，完成預測模型的建立；

d.利用訓練好的神經網絡，在進行實時的新能源汽車電控系統檢測時，將采集到的控制器顯示偏差、儀表顯示偏差、控制器通信數據、控制器響應偏差輸入神經網絡的輸入層，輸出層會輸出對應的電控系統故障類別，實現了電控系統的故障預測。

2.如權利要求1所述的新能源汽車電控系統故障預測方法，其特征在于，步驟a中的三類數據包括：

第一類數據，控制器輸出偏差及儀表指示偏差包括：剩余續駛里程顯示值誤差、轉鼓行駛路程誤差、電機轉速顯示誤差、車速顯示誤差、電量顯示誤差、溫度顯示誤差；

第二類數據，控制器通信數據用于概括車輛各通信系統之間是否正常通信，包括：CAN網絡通信系統、整車控制器ECU、電池管理系統BMS、電機控制器之間的通信功能，正常通信為1，不正常通信為0；

第三類數據，控制器響應偏差包括：加速踏板輸入數據與電機輸出轉速偏差、制動踏板輸入數據與制動系統制動力偏差。

3.如權利要求2所述的新能源汽車電控系統故障預測方法，其特征在于通過輸入電控系統故障數據進行神經網絡模型的訓練，其權利要求2中所述的三類數據對應輸入到神經網絡模型輸入層的一個節點，通過迭代訓練得到預測模型的參數。