数据驱动助力新(xīn)能(néng)源汽車(chē)電(diàn)机故障诊断
时间:2021-01-04 09:34来源:北京理(lǐ)工新(xīn)源 作者:秩名
電(diàn)机是纯電(diàn)动汽車(chē)的核心动力传输部件，其性能(néng)和稳定性直接影响着整車(chē)的能(néng)耗、安全性和稳定性。当電(diàn)机出现故障时，会影响汽車(chē)的动力输出，严重时会导致交通事故发生，甚至人员伤亡。因此，及时发现電(diàn)机异常状态，在故障发生初期对電(diàn)机进行检修和维护，可(kě)有(yǒu)效延長(cháng)電(diàn)机使用(yòng)寿命、减少事故发生率、提高整車(chē)的安全性。
根据汽車(chē)行业标准QC/T 893-2011，電(diàn)动汽車(chē)行业广泛使用(yòng)的永磁同步電(diàn)机发生故障的类型主要有(yǒu)以下几类：
電(diàn)机内部轴承故障或定子、转子间气隙动、静态及混合偏心故障；
主要為(wèi)定子绕组故障，表现為(wèi)绕组短路、开路以及接地故障，该故障的发生会造成定子線(xiàn)圈烧毁而无法工作；
主要表现為(wèi)永磁體(tǐ)局部或均匀退磁，该故障的发生直接影响電(diàn)磁扭矩的产生，降低转矩的输出；
主要為(wèi)電(diàn)机转速、位置以及電(diàn)流传感器故障，当传感器故障发生时，代表着传感器功能(néng)失效，使驱动電(diàn)机系统不能(néng)工作。
目前，電(diàn)机的故障诊断方法主要采用(yòng)基于電(diàn)机物(wù)理(lǐ)模型和专家知识等方法，这些方法依赖于精确的数學(xué)模型和专家知识库，具有(yǒu)适用(yòng)场景少、鲁棒性低、泛化性差等不足。近年来，随着大数据、云计算和物(wù)联网技术的发展，新(xīn)能(néng)源汽車(chē)的运行、缺陷召回和事故鉴定等海量的数据被获取和存储。我们可(kě)以整合多(duō)源的海量原始数据，挖掘出与電(diàn)机故障相关的有(yǒu)效信息，诊断并预测在不同工况、不同环境、不同驾驶行為(wèi)下電(diàn)机故障。因获取的数据更加贴近现实使用(yòng)工况，以现实数据為(wèi)驱动的電(diàn)机故障诊断更加有(yǒu)意义，适用(yòng)性更强，同时摆脱了对電(diàn)机模型和专家知识库的依赖。
北理(lǐ)新(xīn)源拥有(yǒu)先进的研究平台和丰富的数据资源，依托北京理(lǐ)工大學(xué)電(diàn)动車(chē)辆國(guó)家工程实验室，建设全球最大的新(xīn)能(néng)源汽車(chē)监测与管理(lǐ)平台，為(wèi)研究新(xīn)能(néng)源汽車(chē)故障诊断技术提供数据支撑和平台支撑。当前，北理(lǐ)新(xīn)源融合缺陷召回、事故鉴定等多(duō)源数据，借助机器學(xué)习、深度學(xué)习、信息融合和多(duō)元统计分(fēn)析法等技术深度挖掘電(diàn)机故障表征體(tǐ)系，建立驱动電(diàn)机系统运行安全特征分(fēn)析模型，研究驱动電(diàn)机線(xiàn)上诊断和风险预警技术。未来几年，北理(lǐ)新(xīn)源期望协助攻克多(duō)维数据融合的运行安全隐患辨识与智能(néng)检验等科(kē)學(xué)问题，推动实现新(xīn)能(néng)源汽車(chē)安全风险“早预测、早发现、早消除”，降低新(xīn)能(néng)源汽車(chē)安全隐患和交通事故率。
图2 北理(lǐ)新(xīn)源基于数据驱动的電(diàn)机故障诊断方案
