CN115981297A - 一种汽车电路电控系统故障诊断装置 - Google Patents
一种汽车电路电控系统故障诊断装置 Download PDFInfo
- Publication number
- CN115981297A CN115981297A CN202310138365.XA CN202310138365A CN115981297A CN 115981297 A CN115981297 A CN 115981297A CN 202310138365 A CN202310138365 A CN 202310138365A CN 115981297 A CN115981297 A CN 115981297A
- Authority
- CN
- China
- Prior art keywords
- data
- unit
- control signal
- sample data
- current
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提出了一种汽车电路电控系统故障诊断装置,包括设置在汽车内部每个功率转换器的电源输入端的用于采集所述功率转换器的诊断数据的诊断数据采集单元和用于监测所述功率转换器的负载数据的负载数据采集单元、设置在每个所述功率转换器对应的功能模块的控制信号输入端的用于采集所述功能模块的控制信号数据的控制信号采集单元、用于根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的样本数据提取单元、用于构建故障类型识别模型的模型构建单元以及用于将所述诊断数据输入所述故障类型识别模型以执行故障类型识别的故障类型识别单元,能够对汽车电路电控系统进行高效诊断,具有诊断结果准确率高的特点。
Description
技术领域
本发明涉及汽车诊断技术领域,特别涉及一种汽车电路电控系统故障诊断装置。
背景技术
汽车是一个非常复杂电汽系统,由数量繁多的用于实现各自功能又相互具有一定关联关系的电路单元构成。由于汽车的使用环境特别是温度、湿度等环境条件复杂多变,或者由于使用人员的操作不当、私自改装用电设备、用电线路等原因,随着汽车的使用年限增加,汽车不可避免会出现由于线路接触不良、短路、漏电、元器件老化或击穿等原因导致的起动机不转、发动机不工作、转向灯不亮、电动后视镜无法调节、玻璃升降器不工作等各类发动机系统、灯光系统、舒适系统故障。传统的汽车电路故障诊断方法,一般是根据车机系统生成的故障码大致定位到故障可能发生的功能模块后,采用逐点排查的方式进行诊断,以定位发生熔断器熔断、线路漏电或接触不良或者元器件损坏的具体位置,诊断效率低下。同时,在实际的维修场景中经常发生车机系统误报故障码,或者维修人员无法根据故障码定位到实际发生故障的位置的情况,在无法定位到故障点时只能按照误报处理来消除故障码,留下安全隐患。
发明内容
本发明正是基于上述问题,提出了一种汽车电路电控系统故障诊断装置,能够对汽车电路电控系统进行高效诊断,具有诊断结果准确率高的特点。
有鉴于此,本发明提出了一种汽车电路电控系统故障诊断装置,包括设置在汽车内部每个功率转换器的电源输入端的用于采集所述功率转换器的诊断数据的诊断数据采集单元和用于监测所述功率转换器的负载数据的负载数据采集单元、设置在每个所述功率转换器对应的功能模块的控制信号输入端的用于采集所述功能模块的控制信号数据的控制信号采集单元、与所述诊断数据采集单元、所述负载数据采集单元和所述控制信号采集单元连接的用于根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的样本数据提取单元、与所述样本数据提取单元连接的用于构建故障类型识别模型的模型构建单元以及与所述诊断数据采集单元和所述模型构建单元连接的用于将所述诊断数据输入所述故障类型识别模型以执行故障类型识别的故障类型识别单元。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电流数据,所述样本数据提取单元包括时域特征提取单元,所述时域特征提取单元用于获取所述原边电流数据的极值点以根据所述极值点的变化提取所述原边电流数据在无控制信号状态下以及有控制信号状态下每个脉冲信号对应的电流时域特征,记录控制信号类型与电流时域特征的关联关系,所述电流时域特征包括最大电流波动幅度、电流波动振荡次数、电流脉冲持续时间以及电流等效振荡频率中的一个或多个。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述样本数据提取单元还包括异常数据提取单元,所述异常数据提取单元用于根据所述原边电流数据的时域特征从所述诊断数据中提取异常诊断数据,所述异常诊断数据为所述电流时域特征中的一个或多个偏离稳态电流阈值的原边电流数据,所述稳态电流阈值为预先配置的对应每种控制信号类型的电流时域特征阈值。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电压数据,所述异常数据提取单元具体用于将所述原边电压数据、所述控制信号数据以及所述负载数据未发生变化时,所述原边电流数据的时域特征中的一个或多个偏离稳态电流阈值的所述诊断数据确定为所述样本数据。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,所述功率转换器的原边电压数据发生异常变化的所述诊断数据确定为所述样本数据,所述原边电压数据发生异常变化具体包括所述功率转换器的原边电压数据偏离稳态电压阈值,所述稳态电压阈值为预先配置的所述功率转换器对应每种控制信号类型的原边电压阈值。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,当前功能模块的所述负载数据发生异常变化的所述诊断数据确定为所述样本数据,所述负载数据发生异常变化具体包括所述功率转换器的负载电路的阻抗偏离稳态阻抗阈值,所述稳态阻抗阈值为预先配置的所述功率转换器的负载电路对应每种控制信号类型的阻抗阈值。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述模型构建单元包括用于对所述样本数据进行预处理以得到标准样本数据集的样本数据预处理单元、用于将所述标准样本数据集划分为训练样本数据集和测试样本数据集的样本数据划分单元、用于将所述训练样本数据集输入到宽度神经网络学习算法中训练所述故障类型识别模型的模型训练单元以及用于将所述测试样本数据集输入到所述故障类型识别模型中进行测试的模型测试单元。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述样本数据预处理单元包括用于对所述样本数据进行频域变换得到频域变换数据的频域变换单元以及用于将所述频域变换数据进行归一化处理得到所述标准样本数据集的归一化处理单元。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述模型训练单元包括用于对所述宽度神经网络学习算法的网络参数进行初始化的网络初始化单元、用于使用随机生成的权值矩阵和偏置向量将所述训练样本数据集映射为映射特征数据集的特征映射单元、用于使用激活函数将所述映射特征数据集转换为增强特征数据集的增强特征转换单元以及用于将所述映射特征数据集和所述增强特征数据集输入到所述宽度神经网络学习算法中进行训练的特征输入单元,所述宽度神经网络学习算法的网络参数包括特征节点数、增强节点数和特征窗口数。
进一步的,在上述的汽车电路电控系统故障诊断装置中,所述模型测试单元包括用于将所述测试样本数据集输入训练好权值矩阵的故障类型识别模型中进行故障类型识别测试的测试样本输入单元、用于计算所述故障类型识别模型对所述测试样本数据集进行测试的准确率计算单元以及用于在所述故障类型识别模型的测试准确率大于预设的准确率阈值时保存所述权值矩阵的权值矩阵保存单元。
本发明提出了一种汽车电路电控系统故障诊断装置,包括设置在汽车内部每个功率转换器的电源输入端的用于采集所述功率转换器的诊断数据的诊断数据采集单元和用于监测所述功率转换器的负载数据的负载数据采集单元、设置在每个所述功率转换器对应的功能模块的控制信号输入端的用于采集所述功能模块的控制信号数据的控制信号采集单元、用于根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的样本数据提取单元、用于构建故障类型识别模型的模型构建单元以及用于将所述诊断数据输入所述故障类型识别模型以执行故障类型识别的故障类型识别单元,能够对汽车电路电控系统进行高效诊断,具有诊断结果准确率高的特点。
附图说明
图1是本发明一个实施例提供的一种汽车电路电控系统故障诊断装置的示意框图;
图2是本发明一个实施例提供的一种汽车电路电控系统故障诊断方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
在本发明的描述中,术语“多个”则指两个或两个以上,除非另有明确的限定,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本说明书的描述中,术语“一个实施例”、“一些实施方式”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
下面参照附图来描述根据本发明一些实施方式提供的一种汽车电路电控系统故障诊断装置和汽车电路电控系统故障诊断方法。
如图1所示,本发明的第一方面提出了一种汽车电路电控系统故障诊断装置,包括设置在汽车内部每个功率转换器的电源输入端的用于采集所述功率转换器的诊断数据的诊断数据采集单元和用于监测所述功率转换器的负载数据的负载数据采集单元、设置在每个所述功率转换器对应的功能模块的控制信号输入端的用于采集所述功能模块的控制信号数据的控制信号采集单元、与所述诊断数据采集单元、所述负载数据采集单元和所述控制信号采集单元连接的用于根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的样本数据提取单元、与所述样本数据提取单元连接的用于构建故障类型识别模型的模型构建单元以及与所述诊断数据采集单元和所述模型构建单元连接的用于将所述诊断数据输入所述故障类型识别模型以执行故障类型识别的故障类型识别单元。
在上述的汽车电路电控系统故障诊断装置中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电流数据,所述样本数据提取单元包括时域特征提取单元,所述时域特征提取单元用于获取所述原边电流数据的极值点以根据所述极值点的变化提取所述原边电流数据在无控制信号状态下以及有控制信号状态下每个脉冲信号对应的电流时域特征,记录控制信号类型与电流时域特征的关联关系,所述电流时域特征包括最大电流波动幅度、电流波动振荡次数、电流脉冲持续时间以及电流等效振荡频率中的一个或多个。
在上述的汽车电路电控系统故障诊断装置中,所述样本数据提取单元还包括异常数据提取单元,所述异常数据提取单元用于根据所述原边电流数据的时域特征从所述诊断数据中提取异常诊断数据,所述异常诊断数据为所述电流时域特征中的一个或多个偏离稳态电流阈值的原边电流数据,所述稳态电流阈值为预先配置的对应每种控制信号类型的电流时域特征阈值。
在上述的汽车电路电控系统故障诊断装置中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电压数据,所述异常数据提取单元具体用于将所述原边电压数据、所述控制信号数据以及所述负载数据未发生变化时,所述原边电流数据的时域特征中的一个或多个偏离稳态电流阈值的所述诊断数据确定为所述样本数据。
在上述的汽车电路电控系统故障诊断装置中,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,所述功率转换器的原边电压数据发生异常变化的所述诊断数据确定为所述样本数据,所述原边电压数据发生异常变化具体包括所述功率转换器的原边电压数据偏离稳态电压阈值,所述稳态电压阈值为预先配置的所述功率转换器对应每种控制信号类型的原边电压阈值。
在上述的汽车电路电控系统故障诊断装置中,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,当前功能模块的所述负载数据发生异常变化的所述诊断数据确定为所述样本数据,所述负载数据发生异常变化具体包括所述功率转换器的负载电路的阻抗偏离稳态阻抗阈值,所述稳态阻抗阈值为预先配置的所述功率转换器的负载电路对应每种控制信号类型的阻抗阈值。
在上述的汽车电路电控系统故障诊断装置中,所述模型构建单元包括用于对所述样本数据进行预处理以得到标准样本数据集的样本数据预处理单元、用于将所述标准样本数据集划分为训练样本数据集和测试样本数据集的样本数据划分单元、用于将所述训练样本数据集输入到宽度神经网络学习算法中训练所述故障类型识别模型的模型训练单元以及用于将所述测试样本数据集输入到所述故障类型识别模型中进行测试的模型测试单元。
在上述的汽车电路电控系统故障诊断装置中,所述样本数据预处理单元包括用于对所述样本数据进行频域变换得到频域变换数据的频域变换单元以及用于将所述频域变换数据进行归一化处理得到所述标准样本数据集的归一化处理单元。
在上述的汽车电路电控系统故障诊断装置中,所述模型训练单元包括用于对所述宽度神经网络学习算法的网络参数进行初始化的网络初始化单元、用于使用随机生成的权值矩阵和偏置向量将所述训练样本数据集映射为映射特征数据集的特征映射单元、用于使用激活函数将所述映射特征数据集转换为增强特征数据集的增强特征转换单元以及用于将所述映射特征数据集和所述增强特征数据集输入到所述宽度神经网络学习算法中进行训练的特征输入单元,所述宽度神经网络学习算法的网络参数包括特征节点数、增强节点数和特征窗口数。
在上述的汽车电路电控系统故障诊断装置中,所述模型测试单元包括用于将所述测试样本数据集输入训练好权值矩阵的故障类型识别模型中进行故障类型识别测试的测试样本输入单元、用于计算所述故障类型识别模型对所述测试样本数据集进行测试的准确率计算单元以及用于在所述故障类型识别模型的测试准确率大于预设的准确率阈值时保存所述权值矩阵的权值矩阵保存单元。
如图2所示,本发明的第二方面提出了一种汽车电路电控系统故障诊断方法,包括:
采集功率转换器的诊断数据;
监测所述功率转换器的负载数据;
采集每个所述功率转换器对应的功能模块的控制信号数据;
根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据;
构建故障类型识别模型;
将所述诊断数据输入所述故障类型识别模型以执行故障类型识别。
在上述的汽车电路电控系统故障诊断方法中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电流数据,根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的步骤具体包括:
获取所述原边电流数据的极值点;
根据所述极值点的变化提取所述原边电流数据在无控制信号状态下以及有控制信号状态下每个脉冲信号对应的电流时域特征,所述电流时域特征包括最大电流波动幅度、电流波动振荡次数、电流脉冲持续时间以及电流等效振荡频率中的一个或多个;
记录控制信号类型与电流时域特征的关联关系。
在上述的汽车电路电控系统故障诊断方法中,根据所述极值点的变化提取所述原边电流数据在无控制信号状态下以及有控制信号状态下每个脉冲信号对应的电流时域特征的步骤具体包括:
使用所述原边电流数据的极值点构建每个脉冲信号对应的极值序列Ak,i,所述极值序列包括间隔排列的峰值和谷值,其中i=(1,2,…nk),nk为第k个脉冲信号对应的电流波动振荡次数;
计算每个脉冲信号对应的电流脉冲持续时间tk=tk,end-tk,start,其中tk,start为第k个脉冲信号的起始时间,tk,end为第k个脉冲信号的结束时间;
获取每两个谷值之间的时间差Δtj=tj,valley-tj+1,valley,其中j=(1,2,…mk-1),mk为第k个脉冲信号对应的极值序列中所述谷值的数量;
构建每个脉冲信号对应的电流时域特征向量Fk(Ak,max,nk,tk,fk)。
在上述的汽车电路电控系统故障诊断方法中,根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的步骤还包括:
根据所述原边电流数据的时域特征从所述诊断数据中提取异常诊断数据,所述异常诊断数据为所述电流时域特征中的一个或多个偏离稳态电流阈值的原边电流数据,所述稳态电流阈值为预先配置的对应每种控制信号类型的电流时域特征阈值。
具体的,所述控制信号类型包括有控制信号、无控制信号,所述有控制信号包括短时控制信号和持续控制信号。其中,用户打开或者关闭某个用电设备的开关的操作所发出的控制信号为所述短时控制信号,例如用户打开或关闭空调、灯光或者雨刷的操作。用户持续控制某个用电设备的操作所发出的控制信号为所述持续控制信号,例如用户长按开、关窗按键等操作。在所述短时控制信号或者所述持续控制信号下,由所述短时控制信号或者所述持续控制信号导致的所述功率转换器的原边电流从第一稳态变化到第二稳态期间的原边电流数据为所述短时控制信号对应的原边电流数据,所述第一稳态是指在用户触发所述短时控制信号之前的电流变化状态,所述第二稳态是指在用户触发所述短时控制信号导致所述原边电流数据发生变化后电流幅值不再发生变化或发生规律的周期性变化的状态。
在上述的汽车电路电控系统故障诊断方法中,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电压数据,根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的步骤还包括:
将所述原边电压数据、所述控制信号数据以及所述负载数据未发生变化时,所述原边电流数据的时域特征中的一个或多个偏离稳态电流阈值的所述诊断数据确定为所述样本数据。
在上述的汽车电路电控系统故障诊断方法中,根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的步骤还包括:
将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,所述功率转换器的原边电压数据发生异常变化的所述诊断数据确定为所述样本数据,所述原边电压数据发生异常变化具体包括所述功率转换器的原边电压数据偏离稳态电压阈值,所述稳态电压阈值为预先配置的所述功率转换器对应每种控制信号类型的原边电压阈值。
在上述的汽车电路电控系统故障诊断方法中,根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的步骤还包括:
将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,当前功能模块的所述负载数据发生异常变化的所述诊断数据确定为所述样本数据,所述负载数据发生异常变化具体包括所述功率转换器的负载电路的阻抗偏离稳态阻抗阈值,所述稳态阻抗阈值为预先配置的所述功率转换器的负载电路对应每种控制信号类型的阻抗阈值。
在上述的汽车电路电控系统故障诊断方法中,构建故障类型识别模型的步骤具体包括:
对所述样本数据进行预处理以得到标准样本数据集;
将所述标准样本数据集划分为训练样本数据集和测试样本数据集;
将所述训练样本数据集输入到宽度神经网络学习算法中训练所述故障类型识别模型;
将所述测试样本数据集输入到所述故障类型识别模型中进行测试。
在上述的汽车电路电控系统故障诊断方法中,对所述样本数据进行预处理以得到标准样本数据集的步骤具体包括:
对所述样本数据进行频域变换得到频域变换数据;
将所述频域变换数据进行归一化处理得到所述标准样本数据集。
在上述的汽车电路电控系统故障诊断方法中,将所述训练样本数据集输入到宽度神经网络学习算法中训练所述故障类型识别模型的步骤具体包括:
对所述宽度神经网络学习算法的网络参数进行初始化,所述宽度神经网络学习算法的网络参数包括特征节点数、增强节点数和特征窗口数;
使用随机生成的权值矩阵和偏置向量将所述训练样本数据集映射为映射特征数据集;
使用激活函数将所述映射特征数据集转换为增强特征数据集;
将所述映射特征数据集和所述增强特征数据集输入到所述宽度神经网络学习算法中进行训练。
在上述的汽车电路电控系统故障诊断方法中,将所述测试样本数据集输入到所述故障类型识别模型中进行测试的步骤具体包括:
将所述测试样本数据集输入训练好权值矩阵的故障类型识别模型中进行故障类型识别测试;
计算所述故障类型识别模型对所述测试样本数据集进行测试的准确率;
在所述故障类型识别模型的测试准确率大于预设的准确率阈值时保存所述权值矩阵。
应当说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
依照本发明的实施例如上文所述,这些实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施例。显然,根据以上描述,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种汽车电路电控系统故障诊断装置,其特征在于,包括设置在汽车内部每个功率转换器的电源输入端的用于采集所述功率转换器的诊断数据的诊断数据采集单元和用于监测所述功率转换器的负载数据的负载数据采集单元、设置在每个所述功率转换器对应的功能模块的控制信号输入端的用于采集所述功能模块的控制信号数据的控制信号采集单元、与所述诊断数据采集单元、所述负载数据采集单元和所述控制信号采集单元连接的用于根据所述负载数据、所述控制信号数据从所述诊断数据中提取样本数据的样本数据提取单元、与所述样本数据提取单元连接的用于构建故障类型识别模型的模型构建单元以及与所述诊断数据采集单元和所述模型构建单元连接的用于将所述诊断数据输入所述故障类型识别模型以执行故障类型识别的故障类型识别单元。
2.根据权利要求1所述的汽车电路电控系统故障诊断装置,其特征在于,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电流数据,所述样本数据提取单元包括时域特征提取单元,所述时域特征提取单元用于获取所述原边电流数据的极值点以根据所述极值点的变化提取所述原边电流数据在无控制信号状态下以及有控制信号状态下每个脉冲信号对应的电流时域特征,记录控制信号类型与电流时域特征的关联关系,所述电流时域特征包括最大电流波动幅度、电流波动振荡次数、电流脉冲持续时间以及电流等效振荡频率中的一个或多个。
3.根据权利要求2所述的汽车电路电控系统故障诊断装置,其特征在于,所述样本数据提取单元还包括异常数据提取单元,所述异常数据提取单元用于根据所述原边电流数据的时域特征从所述诊断数据中提取异常诊断数据,所述异常诊断数据为所述电流时域特征中的一个或多个偏离稳态电流阈值的原边电流数据,所述稳态电流阈值为预先配置的对应每种控制信号类型的电流时域特征阈值。
4.根据权利要求3所述的汽车电路电控系统故障诊断装置,其特征在于,所述诊断数据包括所述诊断数据采集单元实时采集的所述功率转换器的原边电压数据,所述异常数据提取单元具体用于将所述原边电压数据、所述控制信号数据以及所述负载数据未发生变化时,所述原边电流数据的时域特征中的一个或多个偏离稳态电流阈值的所述诊断数据确定为所述样本数据。
5.根据权利要求4所述的汽车电路电控系统故障诊断装置,其特征在于,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,所述功率转换器的原边电压数据发生异常变化的所述诊断数据确定为所述样本数据,所述原边电压数据发生异常变化具体包括所述功率转换器的原边电压数据偏离稳态电压阈值,所述稳态电压阈值为预先配置的所述功率转换器对应每种控制信号类型的原边电压阈值。
6.根据权利要求3所述的汽车电路电控系统故障诊断装置,其特征在于,所述异常数据提取单元还用于将在当前功能模块和关联功能模块的所述控制信号数据未发生变化时,当前功能模块的所述负载数据发生异常变化的所述诊断数据确定为所述样本数据,所述负载数据发生异常变化具体包括所述功率转换器的负载电路的阻抗偏离稳态阻抗阈值,所述稳态阻抗阈值为预先配置的所述功率转换器的负载电路对应每种控制信号类型的阻抗阈值。
7.根据权利要求1-6任一项所述的汽车电路电控系统故障诊断装置,其特征在于,所述模型构建单元包括用于对所述样本数据进行预处理以得到标准样本数据集的样本数据预处理单元、用于将所述标准样本数据集划分为训练样本数据集和测试样本数据集的样本数据划分单元、用于将所述训练样本数据集输入到宽度神经网络学习算法中训练所述故障类型识别模型的模型训练单元以及用于将所述测试样本数据集输入到所述故障类型识别模型中进行测试的模型测试单元。
8.根据权利要求7所述的汽车电路电控系统故障诊断装置,其特征在于,所述样本数据预处理单元包括用于对所述样本数据进行频域变换得到频域变换数据的频域变换单元以及用于将所述频域变换数据进行归一化处理得到所述标准样本数据集的归一化处理单元。
9.根据权利要求8所述的汽车电路电控系统故障诊断装置,其特征在于,所述模型训练单元包括用于对所述宽度神经网络学习算法的网络参数进行初始化的网络初始化单元、用于使用随机生成的权值矩阵和偏置向量将所述训练样本数据集映射为映射特征数据集的特征映射单元、用于使用激活函数将所述映射特征数据集转换为增强特征数据集的增强特征转换单元以及用于将所述映射特征数据集和所述增强特征数据集输入到所述宽度神经网络学习算法中进行训练的特征输入单元,所述宽度神经网络学习算法的网络参数包括特征节点数、增强节点数和特征窗口数。
10.根据权利要求9所述的汽车电路电控系统故障诊断装置,其特征在于,所述模型测试单元包括用于将所述测试样本数据集输入训练好权值矩阵的故障类型识别模型中进行故障类型识别测试的测试样本输入单元、用于计算所述故障类型识别模型对所述测试样本数据集进行测试的准确率计算单元以及用于在所述故障类型识别模型的测试准确率大于预设的准确率阈值时保存所述权值矩阵的权值矩阵保存单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310138365.XA CN115981297B (zh) | 2023-02-09 | 2023-02-09 | 一种汽车电路电控系统故障诊断装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310138365.XA CN115981297B (zh) | 2023-02-09 | 2023-02-09 | 一种汽车电路电控系统故障诊断装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115981297A true CN115981297A (zh) | 2023-04-18 |
CN115981297B CN115981297B (zh) | 2023-06-30 |
Family
ID=85960031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310138365.XA Active CN115981297B (zh) | 2023-02-09 | 2023-02-09 | 一种汽车电路电控系统故障诊断装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115981297B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116691715B (zh) * | 2023-08-02 | 2023-09-29 | 深圳联友科技有限公司 | 基于车联网大数据的车辆启动困难识别方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4924398A (en) * | 1986-09-25 | 1990-05-08 | Mitsubishi Denki Kabushiki Kaisha | Fault diagnosis system for automotive electronic devices |
JP2012039835A (ja) * | 2010-08-11 | 2012-02-23 | Fuji Electric Co Ltd | 電力変換器の制御装置 |
CN112785016A (zh) * | 2021-02-20 | 2021-05-11 | 南京领行科技股份有限公司 | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 |
CN115019129A (zh) * | 2022-06-07 | 2022-09-06 | 宁波力斗智能技术有限公司 | 基于时序成像与图像融合的双有源桥变换器故障诊断方法及系统 |
-
2023
- 2023-02-09 CN CN202310138365.XA patent/CN115981297B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4924398A (en) * | 1986-09-25 | 1990-05-08 | Mitsubishi Denki Kabushiki Kaisha | Fault diagnosis system for automotive electronic devices |
JP2012039835A (ja) * | 2010-08-11 | 2012-02-23 | Fuji Electric Co Ltd | 電力変換器の制御装置 |
CN112785016A (zh) * | 2021-02-20 | 2021-05-11 | 南京领行科技股份有限公司 | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 |
CN115019129A (zh) * | 2022-06-07 | 2022-09-06 | 宁波力斗智能技术有限公司 | 基于时序成像与图像融合的双有源桥变换器故障诊断方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116691715B (zh) * | 2023-08-02 | 2023-09-29 | 深圳联友科技有限公司 | 基于车联网大数据的车辆启动困难识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115981297B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9983244B2 (en) | Power transformation system with characterization | |
US6331762B1 (en) | Energy management system for automotive vehicle | |
CN113167834A (zh) | 重型电机健全性分析平台及使用其的分析方法 | |
DE112006002329B4 (de) | Diagnosevorrichtung für elektrische Anlagen von Kraftfahrzeugen | |
JP6890527B2 (ja) | 動作に関する予測推論のモデルを求めるシステム及び方法、およびこれらのための非一時的コンピューター可読記憶媒体 | |
CN115981297A (zh) | 一种汽车电路电控系统故障诊断装置 | |
US20120072029A1 (en) | Intelligent system and method for detecting and diagnosing faults in heating, ventilating and air conditioning (hvac) equipment | |
US20110267067A1 (en) | Electronic battery tester | |
WO1998004910A1 (en) | Method and apparatus for auditing a battery test | |
CN113111591B (zh) | 基于模块化配电终端内部故障自动诊断方法、装置及设备 | |
JP6842212B1 (ja) | 電池性能評価方法および電池性能評価装置 | |
US20240027535A1 (en) | Battery state determination method and battery state determination device | |
JP3624546B2 (ja) | 予防保全方法及び装置 | |
CN114660399B (zh) | 一种环网柜设备状态监测及故障诊断方法 | |
CN111189645A (zh) | 用于以减少的处理时间执行诊断过程的方法和系统 | |
CN114329337A (zh) | 一种电动汽车绝缘电阻预测方法、系统及存储介质 | |
KR101505975B1 (ko) | 엔진 고장 진단 방법 및 고장 진단 시스템 | |
CN117630672A (zh) | 借助变换器模型预测诊断技术设备的设备电池的方法和设备 | |
CN110857034B (zh) | 电动汽车的电池工作温度控制装置及方法 | |
AU2020227791B2 (en) | Method for monitoring points of a railway track installation | |
CN115355942A (zh) | 适用于kyn开关柜的健康管理方法 | |
CN115169405A (zh) | 基于支持向量机的酒店客房设备故障诊断方法及系统 | |
CN111209954B (zh) | 一种基于半马尔科夫过程的电力设备可靠性评估方法 | |
CN114006471A (zh) | 变电站直流系统监测方法和系统 | |
Petrone et al. | Diagnostics and prognostics for the wind-hydrogen plant |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |