CN113468734A - 一种基于信号分析的纯电动汽车事故快速调查方法 - Google Patents
一种基于信号分析的纯电动汽车事故快速调查方法 Download PDFInfo
- Publication number
- CN113468734A CN113468734A CN202110702396.4A CN202110702396A CN113468734A CN 113468734 A CN113468734 A CN 113468734A CN 202110702396 A CN202110702396 A CN 202110702396A CN 113468734 A CN113468734 A CN 113468734A
- Authority
- CN
- China
- Prior art keywords
- faults
- pure electric
- electric vehicle
- accident
- main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000011835 investigation Methods 0.000 title claims abstract description 33
- 238000013178 mathematical model Methods 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims description 14
- 238000004088 simulation Methods 0.000 claims description 14
- 238000004804 winding Methods 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004907 flux Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于信号分析的纯电动汽车事故快速调查方法，包括以下步骤：1、建立纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系；2、搭建包含“三电系统”的纯电动汽车整车数学模型；3、结合所述模型模拟纯电动汽车人为失效，采集故障条件下的系统易测信号；4、对系统信号进行特征分析，揭示信号输出典型特征；5、建立所述信号典型特征与“三电系统”主要故障及纯电动汽车主要事故类型间的逻辑关系；6、搭建基于所述逻辑关系的纯电动汽车事故快速调查系统，最终输出引起纯电动汽车事故的“三电系统”故障点。本发明能够实现对“三电系统”主要故障引起的纯电动汽车事故进行快速调查，系统成本低、可靠性好。
Description
技术领域
本发明涉及一种基于信号分析的纯电动汽车事故快速调查方法及系统，属于车辆事故鉴定分析领域。
背景技术
随着纯电动汽车在市场上大力推广，相关研发日益深入，在不断完善纯电动汽车各方面性能的同时，也使得系统复杂程度增加，从而导致系统中传感器、执行机构以及控制单元等出现故障的可能性大大增加，这对纯电动汽车运行过程中的安全性及可靠性提出了更高要求。电机、电池以及电控作为纯电动汽车的三大关键部件，其典型故障与纯电动汽车失控、起火等事故类型间存在复杂的关联特性，如何提高因电机、电池以及电控系统故障而导致的纯电动汽车事故调查准确性已成为纯电动汽车领域研究的关键问题。
现有研究大多是从纯电动汽车“三电系统”本身故障分析的角度出发。美国德州仪器公司的研究人员开发了基于DSP的无传感器电机故障诊断工具，实现了对电动汽车动力系统故障的检测。法国波尔图工程高等学院的研究人员针对多电机驱动电动汽车的电控系统进行了故障诊断研究。北京理工大学的研究人员通过建立电池单体性能模型和散热模型，采用BP神经网络对电池单体故障进行诊断。电子科技大学的研究人员针对电机速度传感器故障提出了基于RBF人工神经网络的实时在线故障诊断方法，并验证了该诊断方法的可行性。
然而，目前研究主要针对纯电动汽车电池、电机以及电控“三电系统”分别进行故障诊断研究，对于明晰纯电动汽车不同失效类型与电机、电池以及电控系统故障间存在的内在关联特性尚无系统性描述方法。与此同时，关于如何有效判别“三电系统”具体故障点，解析不同故障类型的典型信号特征，从而通过对系统易测信号进行分析即可完成整车故障识别的研究，目前也较少报道。
发明内容
本发明的目的在于提出一种基于信号分析的纯电动汽车事故快速调查方法及系统。为达成上述目的，本发明所采用的技术方案为：
步骤1，掌握纯电动汽车主要事故类型及电池、电机与电控“三电系统”存在的主要故障，通过结合纯电动汽车运行机理，建立纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，所述关联关系可能包括一种纯电动汽车事故类型对应多个“三电系统”主要故障；
步骤2，基于硬件在环仿真平台搭建包含“三电系统”的纯电动汽车整车数学模型，实现系统仿真模拟；
步骤3，结合所述整车数学模型设置“三电系统”主要故障，模拟纯电动汽车人为失效，采集“三电系统”主要故障条件下的系统易测信号；
步骤4，对所采集的系统信号进行特征分析，揭示所述“三电系统”主要故障的典型信号输出特征，为后续故障判定奠定基础；
步骤5，建立所述典型信号特征与“三电系统”主要故障及纯电动汽车主要事故类型间的一般逻辑关系，所述逻辑关系主要由两部分所组成，分别是不同信号典型特征与“三电系统”主要故障间的对应关系以及前述纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，根据所述逻辑关系最终形成纯电动汽车事故快速调查方法的主要依据；
步骤6，搭建基于所述逻辑关系的纯电动汽车事故快速调查系统，所述系统主要由信号分析单元、事故录入单元以及故障对比单元等子模块组成，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
优选地，所述步骤1中纯电动汽车主要事故类型包括但不仅限于动力丢失、起火以及失控等三类；所述“三电系统”主要故障中，电池系统故障包括但不仅限于单体电池故障、电池管理系统故障以及线路或连接件故障，电机系统故障包括但不仅限于机械故障和电气故障两大类型，电控系统故障包括但不仅限于硬件故障、软件故障以及通信故障等类型。
优选地，引起所述纯电动汽车动力丢失的“三电系统”主要故障包括但不仅限于单体电池故障、电池管理系统故障、电机温度传感器故障、电机失磁故障、电机闸间短路故障、电机定子绕组故障、电机控制器故障以及电控系统故障等，引起所述纯电动汽车起火的“三电系统”主要故障包括但不仅限于单体电池内部短路、单体电池外部短路、电源线短路、电机闸间短路以及电机定子绕组故障等，引起所述纯电动汽车失控的“三电系统”主要故障包括但不仅限于电机系统CAN通信故障、电机系统IGBT故障、电机逆变器失效、电控系统通信故障、电控系统内部电路故障以及电控系统程序跑偏故障等。
优选地，所述步骤2中基于硬件在环仿真平台搭建的包含“三电系统”的纯电动汽车整车数学模型包括整车动力学模型、电机系统数学模型、电池系统数学模型以及整车电控系统模型。
优选地，所述整车电控系统模型采用硬件在环仿真平台中内嵌的整车控制模块进行实现，所述整车控制模块中不仅包括整车控制程序，同时该模块还能模拟整车电控系统的通信故障。
优选地，所诉步骤3中，所采集的系统易测信号包括但不仅限于整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号等。
优选地，所述事故快速调查系统的工作流程包括如下步骤：
步骤1，调取事故车辆上的信号储存单元，获取事故车在发生事故前后的相关信号数据，包括但不仅限于整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号等数据，将相关信号数据发送至系统信号分析单元；
步骤2，将已发生的纯电动汽车事故类型输入至事故快速调查系统中的事故录入单元，所述事故包括但不仅限于动力丢失、起火以及失控等三大类型；
步骤3，系统根据所录入的事故类型以及建立的纯电动汽车主要事故与“三电系统”主要故障间存在的内在关联关系，初步筛选出引起所述纯电动汽车事故的“三电系统”可能故障类型；
步骤4，针对每一种可能的“三电系统”故障类型，调取能够判别该故障的系统主要信号，通过对比分析信号特征，确认是否发生该故障，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
本发明技术方案通过建立包含“三电系统”的纯电动汽车整车数学模型，进而在此基础上完成“三电系统”主要故障条件下的系统信号特征提取，从而实现典型信号特征与“三电系统”主要故障及纯电动汽车主要事故类型间一般逻辑关系的建立，最终形成纯电动汽车事故快速调查方法及系统。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为一种基于信号分析的纯电动汽车事故快速调查方法及系统整体技术路线图；
图2为纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系图；
图3为基于硬件在环仿真平台的纯电动汽车整车模型架构图；
图4为不同电机失磁工况下的纯电动汽车车速对比图；
图5为不同电机失磁工况下的电机输出转矩对比图；
图6为纯电动汽车事故快速调查系统的工作流程图。
具体实施方式
下面结合技术方案和附图详细叙述本发明的具体实施方式。
本发明提供了一种基于信号分析的纯电动汽车事故快速调查方法及系统，其整体技术路线如图1所示，所述方法及系统的实现过程包括如下步骤：
步骤1，掌握纯电动汽车主要事故类型及电池、电机与电控“三电系统”存在的主要故障，通过结合纯电动汽车运行机理，建立纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，所述关联关系可能包括一种纯电动汽车事故类型对应多个“三电系统”主要故障。
所述纯电动汽车主要事故类型主要包括动力丢失、起火以及失控等三类。
所述“三电系统”主要故障中，电池系统故障主要包括单体电池故障、电池管理系统故障以及线路或连接件故障，电机系统故障主要包括机械故障和电气故障两大类型，电控系统故障主要包括硬件故障、软件故障以及通信故障等类型。
根据纯电动汽车运行机理，可以建立纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，如图2所示。
从图中可以看出，引起所述纯电动汽车动力丢失的“三电系统”主要故障主要包括单体电池故障、电池管理系统故障、电机温度传感器故障、电机失磁故障、电机闸间短路故障、电机定子绕组故障、电机控制器故障以及电控系统故障等，引起所述纯电动汽车起火的“三电系统”主要故障主要包括单体电池内部短路、单体电池外部短路、电源线短路、电机闸间短路以及电机定子绕组故障等，引起所述纯电动汽车失控的“三电系统”主要包括电机系统CAN通信故障、电机系统IGBT故障、电机逆变器失效、电控系统通信故障、电控系统内部电路故障以及电控系统程序跑偏故障等。
步骤2，基于硬件在环仿真平台搭建包含“三电系统”的纯电动汽车整车数学模型，实现系统仿真模拟；
所述包含“三电系统”的纯电动汽车整车数学模型包括整车动力学模型、电机系统数学模型、电池系统数学模型以及整车电控系统模型。
所述整车动力学模型的构建公式如下：
式中，m为纯电动汽车质量，Im为电机转子转动惯量，ig为变速器传动比，r为车轮半径，Iw为车轮转动惯量，u为纯电动汽车行驶车速，T为电机电磁转矩，η为电机转矩输出效率，G为车辆重力，f为车辆滚动阻力系数，CD为空气阻力系数，A为迎风面积，ρ为空气密度，α为道路坡度角。
所述电机系统数学模型的构建公式如下：
式中，ωe为转子角速度，ωm为电机角速度，P为磁极对数，id和iq分别为电机d轴和q轴电流，vd和vq分别为d轴和q轴电压，vA、νB、vC为定子的相电压，R为定子绕组的电阻，Ld和Lq分别为d轴和q轴的电感，Te为电磁转矩，λpm为永久磁链常数，θ为dq定子相对于转子a轴的电气角。
所述电池系统数学模型的构建步骤如下：
电池模型采用数据表模型，该模型的搭建思路是通过电池开路电压和内部电阻查找电池输出电压，所述查找表是电池荷电状态及电池温度的非线性函数表达式，具体如下：
式中，Em为电池开路电压，Rint为电池内部电阻，SOC为电池荷电状态，T为电池温度。
在此基础上，为计算电池输出电压，有下列公式：
式中，VT为单体电池电压，Ibatt为单体电池电流，Iin为电池总电流，Np为并联电池数，Cp为电池容量，Vout为输出电压，Ns为串联电池数，Ld为电池电量。
所述整车电控系统模型采用硬件在环仿真平台中内嵌的整车控制模块进行实现，所述整车控制模块中不仅包括整车控制程序，同时该模块还能模拟整车电控系统的通信故障。所述电控系统通信故障可借助硬件在环仿真平台故障注入板卡进行直接实现。
所述基于硬件在环仿真平台的电控系统故障测试框架如图3所示，由NI板卡、BOB分线箱、电控系统、上位机以及整车模型组成。测试流程包括，首先，将所建立的整车模型利用Matlab RTW编译为C代码，而后将C代码编译为Model_name.dl1，在NI Veristand中，直接添加*.dl1文件；第二，在上位机Veristand中添加NI故障注入模块，右键单击CustomDevice，选择系统安装的FIU模块PXI-2510，在弹出对话框中填写FIU设备名称(名称与在MAX显示的一致)，关闭并且保存System Explorer，部署到RT Target中；第三，打开Workspace，选择编辑模式，将Workspace Controls中的FIU Control控件(Channel、FaultBus)拖拽到编辑区中；第四，右键单击控件，在弹出的Select Desired Channel中选择需要控制的故障通道，单击OK确认。通过上述流程，即可模拟电控系统通信故障时的纯电动汽车运行状态。
步骤3，结合所述整车数学模型设置“三电系统”主要故障，模拟纯电动汽车人为失效，采集“三电系统”主要故障条件下的系统易测信号；
所采集的系统易测信号主要包括整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号等。
步骤4，对所采集的系统信号进行特征分析，揭示所述“三电系统”主要故障的典型信号输出特征，为后续故障判定奠定基础；
电机失磁故障与纯电动汽车动力丢失密切相关，以设置电机失磁故障为例，由于磁链常数表示永磁体运行状态，通过改变永久磁链常数λpm即可模拟电机不同失磁情况。
图4和图5所示分别为正常工况，电机25％失磁工况以及电机87.5％失磁工况下的纯电动汽车车速及电机输出转矩对比图。从图中可以看出，在较低失磁状态下，电机可以正常运行，纯电动汽车行驶过程受影响较小，然而，随着失磁程度的增加，电机转矩急剧下降，纯电动客车加速性能受限，开始表现出“动力丢失”的现象。与此同时，根据图5，当失磁程度较高时，电机输出转矩幅值明显受限，可视为其典型特征。
步骤5，建立所述典型信号特征与“三电系统”主要故障及纯电动汽车主要事故类型间的一般逻辑关系，所述逻辑关系主要由两部分组成，分别是不同系统信号典型特征与“三电系统”主要故障间的对应关系以及前述纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，根据所述逻辑关系最终形成纯电动汽车事故快速调查方法的主要依据；
以实施例为例，根据图4和图5所示的信号，可以分析出电机转矩急剧下降且幅值明显受限的信号特征可以作为判别电机发生较高程度失磁故障的主要依据，在此基础上，进一步根据电机失磁故障将会导致纯电动汽车动力丢失的客观事实，因此，可以根据所述电机输出信号特征判别出引起当前纯电动汽车动力丢失的故障点在于电机较高程度的失磁。
步骤6，搭建基于所述逻辑关系的纯电动汽车事故快速调查系统，所述系统主要由信号分析单元、事故录入单元以及故障对比单元等子模块组成，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
所述事故快速调查系统的工作流程如图6所示，主要包括如下步骤：
步骤1，调取事故车辆上的信号储存单元，获取事故车在发生事故前后的相关信号数据，包括但不仅限于整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号等数据，将相关信号数据发送至系统信号分析单元；
步骤2，将已发生的纯电动汽车事故类型输入至事故快速调查系统中的事故录入单元，所述事故包括但不仅限于动力丢失、起火以及失控等三大类型；
步骤3，系统根据所录入的事故类型以及建立的纯电动汽车主要事故与“三电系统”主要故障间存在的内在关联关系，初步筛选出引起所述纯电动汽车事故的“三电系统”可能故障类型；
步骤4，针对每一种可能的“三电系统”故障类型，调取能够判别该故障的系统主要信号，通过对比分析信号特征，确认是否发生该故障，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
综上，本发明提出了一种基于信号分析的纯电动汽车事故快速调查方法及系统，通过建立包含“三电系统”的纯电动汽车整车数学模型，进而在此基础上完成“三电系统”主要故障条件下的系统信号特征提取，从而实现典型信号特征与“三电系统”主要故障及纯电动汽车主要事故类型间一般逻辑关系的建立，最终形成纯电动汽车事故快速调查方法及系统。本发明能够实现对电池、电机以及电控“三电系统”主要故障引起的纯电动汽车事故进行快速调查，系统成本低、可靠性好，能够为相关事故鉴定机构提供重要的技术支持。
上述对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围。
Claims (7)
1.一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所述方法的实现过程包括如下步骤：
步骤1，掌握纯电动汽车主要事故类型及电池、电机与电控“三电系统”存在的主要故障，通过结合纯电动汽车运行机理，建立纯电动汽车主要事故类型与“三电系统”主要故障间存在的内在关联关系，所述关联关系包括一种纯电动汽车事故类型对应多个“三电系统”主要故障；
步骤2，基于硬件在环仿真平台搭建包含“三电系统”的纯电动汽车整车数学模型，实现系统仿真模拟；
步骤3，结合所述整车数学模型设置“三电系统”主要故障，模拟纯电动汽车人为失效，采集“三电系统”主要故障条件下的系统易测信号；
步骤4，对所采集的系统信号进行特征分析，揭示所述“三电系统”主要故障的典型信号输出特征，为后续故障判定奠定基础；
步骤5，建立所述典型信号特征与“三电系统”主要故障及纯电动汽车主要事故类型间的一般逻辑关系，根据所述逻辑关系最终形成纯电动汽车事故快速调查方法的主要依据；
步骤6，搭建基于所述逻辑关系的纯电动汽车事故快速调查系统，所述系统主要由信号分析单元、事故录入单元以及故障对比单元等子模块组成，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
2.根据权利要求1所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所述步骤1中纯电动汽车主要事故类型包括动力丢失、起火以及失控三类；所述“三电系统”主要故障中，电池系统故障包括单体电池故障、电池管理系统故障以及线路或连接件故障，电机系统故障包括机械故障和电气故障两大类型，电控系统故障包括硬件故障、软件故障以及通信故障类型。
3.根据权利要求2所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，引起纯电动汽车动力丢失的“三电系统”主要故障包括单体电池故障、电池管理系统故障、电机温度传感器故障、电机失磁故障、电机闸间短路故障、电机定子绕组故障、电机控制器故障以及电控系统故障，引起纯电动汽车起火的“三电系统”主要故障包括单体电池内部短路、单体电池外部短路、电源线短路、电机闸间短路以及电机定子绕组故障，引起纯电动汽车失控的“三电系统”主要故障包括电机系统CAN通信故障、电机系统IGBT故障、电机逆变器失效、电控系统通信故障、电控系统内部电路故障以及电控系统程序跑偏故障。
4.根据权利要求1所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所述步骤2中基于硬件在环仿真平台搭建的包含“三电系统”的纯电动汽车整车数学模型包括整车动力学模型、电机系统数学模型、电池系统数学模型以及整车电控系统模型。
5.根据权利要求4所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所述整车电控系统模型采用硬件在环仿真平台中内嵌的整车控制模块进行实现，所述整车控制模块中不仅包括整车控制程序，同时该模块还能模拟整车电控系统的通信故障。
6.根据权利要求1所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所诉步骤3中，所采集的系统易测信号包括整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号。
7.根据权利要求1所述的一种基于信号分析的纯电动汽车事故快速调查方法，其特征在于，所述事故快速调查系统的工作流程包括如下步骤：
步骤1，调取事故车辆上的信号储存单元，获取事故车在发生事故前后的相关信号数据，包括整车纵向速度信号、电机输出转矩信号、电机电流信号、电机电压信号、电池电压信号、电池电流信号以及电池温度信号数据，将相关信号数据发送至系统信号分析单元；
步骤2，将已发生的纯电动汽车事故类型输入至事故快速调查系统中的事故录入单元，所述事故包括动力丢失、起火以及失控三大类型；
步骤3，系统根据所录入的事故类型以及建立的纯电动汽车主要事故与“三电系统”主要故障间存在的内在关联关系，初步筛选出引起所述纯电动汽车事故的“三电系统”可能故障类型；
步骤4，针对每一种可能的“三电系统”故障类型，调取能够判别该故障的系统主要信号，通过对比分析信号特征，确认是否发生该故障，最终输出引起纯电动汽车事故的“三电系统”具体故障点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110702396.4A CN113468734A (zh) | 2021-06-23 | 2021-06-23 | 一种基于信号分析的纯电动汽车事故快速调查方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110702396.4A CN113468734A (zh) | 2021-06-23 | 2021-06-23 | 一种基于信号分析的纯电动汽车事故快速调查方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113468734A true CN113468734A (zh) | 2021-10-01 |
Family
ID=77872562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110702396.4A Pending CN113468734A (zh) | 2021-06-23 | 2021-06-23 | 一种基于信号分析的纯电动汽车事故快速调查方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113468734A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114400941A (zh) * | 2021-12-22 | 2022-04-26 | 中车永济电机有限公司 | 大功率永磁直驱电力机车用永磁同步电机失磁故障检测及保护方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104176060A (zh) * | 2014-07-25 | 2014-12-03 | 湖南大学 | 一种电动汽车整车故障分级处理方法 |
| KR101898204B1 (ko) * | 2017-08-09 | 2018-10-31 | 현대오트론 주식회사 | 범용 칩을 통한 차량 시동모터의 로우 사이드 릴레이의 고장 여부 진단 시스템 및 진단 방법 |
| CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
| US10319039B1 (en) * | 2014-05-20 | 2019-06-11 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
-
2021
- 2021-06-23 CN CN202110702396.4A patent/CN113468734A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10319039B1 (en) * | 2014-05-20 | 2019-06-11 | State Farm Mutual Automobile Insurance Company | Accident fault determination for autonomous vehicles |
| CN104176060A (zh) * | 2014-07-25 | 2014-12-03 | 湖南大学 | 一种电动汽车整车故障分级处理方法 |
| KR101898204B1 (ko) * | 2017-08-09 | 2018-10-31 | 현대오트론 주식회사 | 범용 칩을 통한 차량 시동모터의 로우 사이드 릴레이의 고장 여부 진단 시스템 및 진단 방법 |
| CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
Non-Patent Citations (2)
| Title |
|---|
| MENGYUAN ZENG等: "An experimental investigation of resonance sources and vibration trans- mission for a pure electric bus", PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS，PART D: JOURNAL OF AUTOMOBILE ENGINEERING * |
| 王权: "电动汽车电机驱动系统传感器故障诊断及容错研究", 知网 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114400941A (zh) * | 2021-12-22 | 2022-04-26 | 中车永济电机有限公司 | 大功率永磁直驱电力机车用永磁同步电机失磁故障检测及保护方法 |
| CN114400941B (zh) * | 2021-12-22 | 2023-08-01 | 中车永济电机有限公司 | 大功率永磁直驱电力机车用永磁同步电机失磁故障检测及保护方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102169167B (zh) | 一种电池组soc计算精度的检测装置及其方法 | |
| CN103091109B (zh) | 用于风力发电机动态特性测试的风轮机模拟器的控制方法 | |
| Van Sterkenburg et al. | Analysis of regenerative braking efficiency—A case study of two electric vehicles operating in the Rotterdam area | |
| CN102331314A (zh) | 通过简单的外部测量对单格电池核心温度的动态估算 | |
| CN103969579A (zh) | 永磁同步电机定子不对称故障诊断方法及系统 | |
| Bui et al. | An advanced hardware-in-the-loop battery simulation platform for the experimental testing of battery management system | |
| CN113468734A (zh) | 一种基于信号分析的纯电动汽车事故快速调查方法 | |
| Jeschke et al. | HiL simulation of electric vehicles in different usage scenarios | |
| Zhu et al. | Hardware-in-the-loop simulation of pure electric vehicle control system | |
| CN113177291B (zh) | 一种基于云数据平台的电动车功效分析方法与系统 | |
| CN110162007A (zh) | 一种车辆故障的检测系统和检测方法 | |
| Ibrahim et al. | Conceptual modelling of an EV-permanent magnet synchronous motor digital twin | |
| CN114115199A (zh) | 新能源环卫车辆的监测及故障诊断系统 | |
| Jian et al. | Comparison of SOC estimation performance with different training functions using neural network | |
| Hui et al. | Design of a versatile test bench for hybrid electric vehicles | |
| Wu | Hardware-in-loop verification of battery management system | |
| Wu et al. | Hybrid electric vehicle powertrain controller development using hardware in the loop simulation | |
| CN105365579B (zh) | 一种动力系统及其安全测试方法与装置、以及电动汽车 | |
| Ciornei et al. | Real-Time simulation of a complete electric vehicle based on NI VeriStand integration platform | |
| CN116431969A (zh) | 一种基于gpr-rc模型的电机温度估算方法及装置 | |
| Zha et al. | Emulating electric vehicle's mechanical inertia using an electric dynamometer | |
| Lakatos et al. | Operation and applicability issues of powertrain models in electric vehicle development | |
| CN114184875A (zh) | 一种整车的测试系统、方法以及测试台架 | |
| German et al. | Full Power Constraints HiL Setup for Battery Module Testing in Electric Vehicles | |
| Wu et al. | A deep reinforcement learning based car following model for electric vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240526 Address after: No. 88, Wenchang East Road, Jiangdu District, Yangzhou City, Jiangsu Province, 225202 Applicant after: Yangzhou (Jiangdu) New Energy Automobile Industry Research Institute of Jiangsu University Country or region after: China Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Applicant before: JIANGSU University Country or region before: China |