CN116907565B - 一种基于数据分析的旋变传感器性能检测系统及方法 - Google Patents
一种基于数据分析的旋变传感器性能检测系统及方法 Download PDFInfo
- Publication number
- CN116907565B CN116907565B CN202311168200.3A CN202311168200A CN116907565B CN 116907565 B CN116907565 B CN 116907565B CN 202311168200 A CN202311168200 A CN 202311168200A CN 116907565 B CN116907565 B CN 116907565B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tested
- value
- winding
- sensor
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000007405 data analysis Methods 0.000 title claims abstract description 18
- 238000004804 winding Methods 0.000 claims abstract description 216
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000010355 oscillation Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及旋变传感器性能检测技术领域,具体为一种基于数据分析的旋变传感器性能检测系统及方法,所述系统包括关联用户车辆分析模块,所述关联用户车辆分析模块获取待测车辆每次保养时旋变传感器的状态特征;构建绕组变量随车辆运行时长变化的关系函数;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合。本发明考虑到车辆所属用户对车辆的使用情况及车辆运行过程中旋变传感器受温度及振动情况产生的影响,综合分析车辆所属用户使用车辆的情况对旋变传感器性能造成的影响,进而准确预测旋变传感器对应的剩余使用寿命,及时对车辆所属用户进行故障预警。
Description
技术领域
本发明涉及旋变传感器性能检测技术领域,具体为一种基于数据分析的旋变传感器性能检测系统及方法。
背景技术
随着新能源汽车的普及,驱动电机作为其重要组成部分也备受关注,其中,旋变传感器作为的驱动电机的关键部件之一,它是一种测量电机转速和方位的传感器,通过感应旋转磁场,产生相应的电信号,来实现对电机的监测和控制。旋变传感器损坏,会造成驱动电机无法启动,导致新能源车辆无法行走;进而如何分析检测旋变传感器的性能成为当前人们亟待解决的问题。
现有的基于数据分析的旋变传感器性能检测系统,仅仅通过监测旋变传感器中绕组线圈的阻值与绕组线圈的阻值允许范围进行比较来判断,未考虑到车辆所属用户对车辆的使用情况及车辆运行过程中旋变传感器受温度及振动情况产生的影响(由于旋变传感器主要部件为线圈,而旋变传感器运行过程中会使其线圈温度升高,在受外力振动影响的情况下,线圈内的线路更容易发生形变,使得线圈的阻值变大,甚至可能导致线圈出现断路情况),无法准确预测旋变传感器对应的剩余使用寿命,进而现有技术存在较大的缺陷。
发明内容
本发明的目的在于提供一种基于数据分析的旋变传感器性能检测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于数据分析的旋变传感器性能检测方法,所述方法包括以下步骤:
S1、获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
S2、获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
S3、结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
S4、根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端。
进一步的,所述车辆使用信息中旋变传感器在不同时间的温度值通过距离旋变传感器最近的温度传感器采集得到;
所述车辆使用信息中旋变传感器在不同时间的震荡状态值等于相应时间距离旋变传感器最近的振动传感器的监测结果;
所述S1中生成待测车辆的使用信息对旋变传感器的干扰特征的方法包括以下步骤:
S11、获取历史数据中待测车辆第i次保养与第i+1次保养期间的车辆使用信息,记为A(i,i+1),将A(i,i+1)中第j次运行车辆的时间区间记为Bj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的温度值记为Ttj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的震荡状态值记为Ztj(i,i+1),所述t∈Bj(i,i+1);
S12、得到待测车辆第i次保养与第i+1次保养期间第j次运行车辆的过程中,运行环境对旋变传感器产生的干扰影响值,记为Gj(i,i+1),
Gj(i,i+1)=∫t=t1 t=t2F{Ttj(i,i+1),Tb}×Ztj(i,i+1)dt,
其中,t1表示Bj(i,i+1)中的最小值,t2表示Bj(i,i+1)中的最大值,Tb为数据库中预置的温度参照值,
当Ttj(i,i+1)≥Tb时,则F{Ttj(i,i+1),Tb}=g×(Ttj(i,i+1)-Tb)+r,
当Ttj(i,i+1)<Tb时,则F{Ttj(i,i+1),Tb}=g1×(Tb-Ttj(i,i+1))+r,
其中,g表示第一干扰转换系数,g1表示第二干扰转换系数,r表示温度干扰阈值,且g、g1与r均为数据库中预置的常数;
S13、将历史数据中i为不同值且j为不同值时,得到的待测车辆对应运行环境对旋变传感器产生的各个干扰影响值逐个录入到一个空白集合中,得到干扰影响集合;并将所得干扰影响集合中对应干扰影响值最大的元素作为待测车辆的使用信息对旋变传感器的干扰特征。
本发明获取旋变传感器的干扰特征,是考虑到不同车辆每次运行车辆的过程中产生的干扰影响值存在差异,但每一个干扰影响值均在一定程度上反映了待测车辆所属用户运行车辆时对旋变传感器的性能造成的影响;获取旋变传感器的干扰特征为后续步骤中得到待测车辆的颠簸断路风险阻值变化量提供了数据支撑。
进一步的,所述S2中构建绕组变量随车辆运行时长变化的关系函数的方法包括以下步骤:
S201、获取待测车辆每次保养时旋变传感器的状态特征,将待测车辆第i次保养时旋变传感器的状态特征中的励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别记为D[i]1、D[i]2及D[i]3;
S202、构建待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量数据对,记为(STi,RBi),其中,STi表示待测车辆从最近一次更换旋变传感器至第i次保养期间,待测车辆的运行时长,RBi表示待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量值,RBi=max{D[i]1-DM1,D[i]2-DM2,D[i]2-DM2},max{}表示求最大值的函数运算,DM1、DM2、DM3分别表示待测车辆最近一次更换的旋变传感器分别对应的励磁绕组阻值初始值、正弦绕组阻值初始值及余弦绕组阻值初始阻值;
S203、以o为原点、以车辆运行时长为x轴,以绕组变量值为y轴构建平面直角坐标系,在平面直角坐标系内标记出S202中得到的i为不同值时分别对应的各个绕组变量数据对相应的坐标点,并按x轴坐标值从小到大的顺序将标记的各个相邻坐标点进行连接,得到绕组变量值随车辆运行时长的变化折线图,将所得绕组变量值随车辆运行时长的变化折线图对应的函数作为构建的绕组变量随车辆运行时长变化的关系函数,记为F(x),将x的取值范围记为[0,xm],xm表示待测车辆最近一次保养时车辆的运行总时长。
本发明采集保养时旋变传感器各个绕组的阻值,是考虑到旋变传感器在使用过程中,随着使用时间的增加,旋变传感器上会逐渐附着灰尘,进而影响检测的旋变传感器各个绕组的阻值,而每次保养时保养人员会对旋变传感器上的灰尘进行清理,进而此时监测到的绕组阻值更加准确,便于准确分析旋变传感器绕组变量随车辆运行时长变化的关系函数。
进一步的,所述S2中得到待测车辆的关联用户车辆集合的方法包括以下步骤:
S211、获取数据库中已完成旋变传感器更换的用户车辆,将第k个已完成旋变传感器更换的用户车辆在未更换旋变传感器时的绕组变量随车辆运行时长变化的关系函数,记为Fk(xk),将xk的取值范围记为[0,xkm],xkm表示第k个已完成旋变传感器更换的用户车辆在更换旋变传感器时对应的车辆运行总时长,所述车辆运行时长表示相应车辆为启动状态的时长;
S212、得到F(x)与Fk(xk)之间的偏差状态值,记为P[F(x),Fk(xk)],
P[F(x),Fk(xk)]={∫xL=0 xL=min{xm,xkm}|Fk(xL)-F(xL)|dxL}/min{xm,xkm},
其中,min{}表示求最小值的运算,Fk(xL)表示xk的值等于xL时Fk(xk)对应的结果,F(xL)表示x的值等于xL时F(x)对应的结果;
S213、当P[F(x),Fk(xk)]≤β且xkm>xm时,则将Fk(xk)对应的用户车辆作为待测车辆的关联用户车辆,反之,则判定Fk(xk)对应的用户车辆不为待测车辆的关联用户车辆,所述β为数据库中预置的偏差状态阈值;
将数据库中待测车辆的所有关联用户车辆构成的集合记为待测车辆的关联用户车辆集合。
本发明考虑到待测车辆中旋变传感器的绕组变量与车辆运行时长之间的关系函数不存在明显的函数变化模型趋势(不存在明显的规律性);进而通过对应关系函数与待测车辆对应的关系函数相似的用户车辆的旋变传感器的绕组变量随车辆运行时长的关系函数,来间接且准确的预测待测车辆中旋变传感器性能(绕组变量)与车辆运行时长之间的关系。
进一步的,所述S3中得到待测车辆的颠簸断路风险阻值变化量的方法包括以下步骤:
S301、获取待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,所述旋变传感器的各个绕组分别对应的阻值波动区间为数据库中预置的旋变传感器正常工作的各个绕组分别对应的阻值范围;
S302、得到待测车辆的颠簸断路风险阻值变化量,记为min{a1,a2};
a1表示当前时间对应励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值最大的绕组中,所得绕组对应的阻值波动区间中最大值与相应绕组的初始阻值的差值;
a2表示断路影响阻值,a2=b-h×c,其中,b表示历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组相同的最大绕组阻值n,减去待测车辆中旋变传感器相应绕组初始值之间的差值,本发明默认绕组短路或断路的旋变传感器无法运行,h表示颠簸干扰阻值系数,c表示待测车辆的使用信息对旋变传感器的干扰特征;
所述h的值等于各个历史实验数据对分别对应的颠簸影响系数的平均值,每个实验数据对对应一个颠簸影响系数;
将任意一个实验数据对记为(Ec,N),不同实验数据对中的Ec值不同,Ec表示实验数据对中车辆使用信息对旋变传感器的干扰特征;将历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组记为W;N表示受干扰特征Ec影响后,车辆旋变传感器中绕组种类为W的绕组对应线圈出现断路的实验中,受干扰特征Ec影响前绕组种类为W的绕组对应的阻值的平均值,且N<n;
所述(Ec,N)对应的颠簸影响系数等于(n-N)/Ec。
本发明获取断路影响阻值的过程中,考虑到旋变传感器中绕组线圈的阻值受温度及振动情况综合影响的情况,温度越高,绕组线圈中线路的质地越软,受振动影响的情况下,线路更容易发生形变(拉伸),进而使得绕组线圈的阻值越大,本发明中h是对干扰特征(干扰影响值)对绕组阻值的影响系数(颠簸影响系数);获取颠簸断路风险阻值变化量,是为了后续步骤中准确预测旋变传感器剩余使用寿命,为进行故障预警提供数据支撑。
进一步的,所述S3中将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数的过程中,待测车辆的颠簸断路风险阻值变化量代入的关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数内,每个关系函数在y轴坐标值的取值范围大于等于待测车辆的颠簸断路风险阻值变化量。
进一步的,所述S4中得到当前时间待测车辆中旋变传感器的故障风险影响值的方法包括以下步骤:
S41、获取历史数据中待测车辆中旋变传感器的使用总时长SYT及待测车辆中旋变传感器的有效运行寿命YYT;
S42、得到当前时间待测车辆中旋变传感器的故障风险影响值,记为GFY,
所述GFY=(YYT-SYT)/PYT,其中,PYT表示待测车辆在相邻两次保养期间运行车辆总时长的平均值。
一种基于数据分析的旋变传感器性能检测系统,所述系统包括以下模块:
干扰特征提取模块,所述干扰特征提取模块获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
关联用户车辆分析模块,所述关联用户车辆分析模块获取待测车辆每次保养时旋变传感器的状态特征;构建绕组变量随车辆运行时长变化的关系函数;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
旋变寿命预测模块,所述旋变寿命预测模块结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
故障风险预警模块,所述故障风险预警模块根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端,所述无线通信网络包括4G、5G及WiFi中的任意一种。
进一步的,所述关联用户车辆分析模块包括状态特征提取单元、绕组变量函数分析单元及关联用户车辆集合生成单元;
所述状态特征提取单元获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;
所述绕组变量函数分析单元构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;
所述关联用户车辆集合生成单元分析绕组变量函数分析单元中所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合。
与现有技术相比,本发明所达到的有益效果是:本发明考虑到车辆所属用户对车辆的使用情况及车辆运行过程中旋变传感器受温度及振动情况产生的影响,综合分析车辆所属用户使用车辆的情况对旋变传感器性能造成的影响,进而准确预测旋变传感器对应的剩余使用寿命,及时对车辆所属用户进行故障预警,降低车辆行驶过程中因旋变传感器故障造成的安全风险,保障用户的驾驶安全,实现对旋变传感器性能的有效监管。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于数据分析的旋变传感器性能检测系统的结构示意图;
图2是本发明一种基于数据分析的旋变传感器性能检测系统的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种基于数据分析的旋变传感器性能检测方法,所述方法包括以下步骤:
S1、获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
所述车辆使用信息中旋变传感器在不同时间的温度值通过距离旋变传感器最近的温度传感器采集得到;
所述车辆使用信息中旋变传感器在不同时间的震荡状态值等于相应时间距离旋变传感器最近的振动传感器的监测结果;
所述S1中生成待测车辆的使用信息对旋变传感器的干扰特征的方法包括以下步骤:
S11、获取历史数据中待测车辆第i次保养与第i+1次保养期间的车辆使用信息,记为A(i,i+1),将A(i,i+1)中第j次运行车辆的时间区间记为Bj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的温度值记为Ttj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的震荡状态值记为Ztj(i,i+1),所述t∈Bj(i,i+1);
S12、得到待测车辆第i次保养与第i+1次保养期间第j次运行车辆的过程中,运行环境对旋变传感器产生的干扰影响值,记为Gj(i,i+1),
Gj(i,i+1)=∫t=t1 t=t2F{Ttj(i,i+1),Tb}×Ztj(i,i+1)dt,
其中,t1表示Bj(i,i+1)中的最小值,t2表示Bj(i,i+1)中的最大值,Tb为数据库中预置的温度参照值,
当Ttj(i,i+1)≥Tb时,则F{Ttj(i,i+1),Tb}=g×(Ttj(i,i+1)-Tb)+r,
当Ttj(i,i+1)<Tb时,则F{Ttj(i,i+1),Tb}=g1×(Tb-Ttj(i,i+1))+r,
其中,g表示第一干扰转换系数,g1表示第二干扰转换系数,r表示温度干扰阈值,且g、g1与r均为数据库中预置的常数;
S13、将历史数据中i为不同值且j为不同值时,得到的待测车辆对应运行环境对旋变传感器产生的各个干扰影响值逐个录入到一个空白集合中,得到干扰影响集合;并将所得干扰影响集合中对应干扰影响值最大的元素作为待测车辆的使用信息对旋变传感器的干扰特征。
S2、获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
所述S2中构建绕组变量随车辆运行时长变化的关系函数的方法包括以下步骤:
S201、获取待测车辆每次保养时旋变传感器的状态特征,将待测车辆第i次保养时旋变传感器的状态特征中的励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别记为D[i]1、D[i]2及D[i]3;
S202、构建待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量数据对,记为(STi,RBi),其中,STi表示待测车辆从最近一次更换旋变传感器至第i次保养期间,待测车辆的运行时长,RBi表示待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量值,RBi=max{D[i]1-DM1,D[i]2-DM2,D[i]2-DM2},max{}表示求最大值的函数运算,DM1、DM2、DM3分别表示待测车辆最近一次更换的旋变传感器分别对应的励磁绕组阻值初始值、正弦绕组阻值初始值及余弦绕组阻值初始阻值;
S203、以o为原点、以车辆运行时长为x轴,以绕组变量值为y轴构建平面直角坐标系,在平面直角坐标系内标记出S202中得到的i为不同值时分别对应的各个绕组变量数据对相应的坐标点,并按x轴坐标值从小到大的顺序将标记的各个相邻坐标点进行连接,得到绕组变量值随车辆运行时长的变化折线图,将所得绕组变量值随车辆运行时长的变化折线图对应的函数作为构建的绕组变量随车辆运行时长变化的关系函数,记为F(x),将x的取值范围记为[0,xm],xm表示待测车辆最近一次保养时车辆的运行总时长。
本实施例中车辆旋变传感器的励磁绕组参考电压为打开点火开关ON档测量插件端应有3至3.5V的交流电压;
正弦绕组阻值:拔下插件测量传感器端子应有60Ω电阻±10Ω,即正弦绕组的阻值波动区间为[50,70]Ω,且正弦绕组阻值的初始阻值大于等于50Ω且小于等于70Ω;
余弦绕组阻值:拔下插件测量传感器端子应有60Ω电阻±10Ω,即余弦绕组的阻值波动区间为[50,70]Ω,且余弦绕组阻值的初始阻值大于等于50Ω且小于等于70Ω;
励磁绕组阻值:拔下插件测量传感器端子应有30Ω电阻±10Ω,即励磁绕组的阻值波动区间为[20,40]Ω,且励磁绕组阻值的初始阻值大于等于20Ω且小于等于40Ω。
所述S2中得到待测车辆的关联用户车辆集合的方法包括以下步骤:
S211、获取数据库中已完成旋变传感器更换的用户车辆,将第k个已完成旋变传感器更换的用户车辆在未更换旋变传感器时的绕组变量随车辆运行时长变化的关系函数,记为Fk(xk),将xk的取值范围记为[0,xkm],xkm表示第k个已完成旋变传感器更换的用户车辆在更换旋变传感器时对应的车辆运行总时长,所述车辆运行时长表示相应车辆为启动状态的时长;
S212、得到F(x)与Fk(xk)之间的偏差状态值,记为P[F(x),Fk(xk)],
P[F(x),Fk(xk)]={∫xL=0 xL=min{xm,xkm}|Fk(xL)-F(xL)|dxL}/min{xm,xkm},
其中,min{}表示求最小值的运算,Fk(xL)表示xk的值等于xL时Fk(xk)对应的结果,F(xL)表示x的值等于xL时F(x)对应的结果;
S213、当P[F(x),Fk(xk)]≤β且xkm>xm时,则将Fk(xk)对应的用户车辆作为待测车辆的关联用户车辆,反之,则判定Fk(xk)对应的用户车辆不为待测车辆的关联用户车辆,所述β为数据库中预置的偏差状态阈值;
将数据库中待测车辆的所有关联用户车辆构成的集合记为待测车辆的关联用户车辆集合。
S3、结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
所述S3中得到待测车辆的颠簸断路风险阻值变化量的方法包括以下步骤:
S301、获取待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,所述旋变传感器的各个绕组分别对应的阻值波动区间为数据库中预置的旋变传感器正常工作的各个绕组分别对应的阻值范围;
S302、得到待测车辆的颠簸断路风险阻值变化量,记为min{a1,a2};
a1表示当前时间对应励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值最大的绕组中,所得绕组对应的阻值波动区间中最大值与相应绕组的初始阻值的差值;
a2表示断路影响阻值,a2=b-h×c,其中,b表示历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组相同的最大绕组阻值n,减去待测车辆中旋变传感器相应绕组初始值之间的差值,本发明默认绕组短路或断路的旋变传感器无法运行,h表示颠簸干扰阻值系数,c表示待测车辆的使用信息对旋变传感器的干扰特征;
所述h的值等于各个历史实验数据对分别对应的颠簸影响系数的平均值,每个实验数据对对应一个颠簸影响系数;
将任意一个实验数据对记为(Ec,N),不同实验数据对中的Ec值不同,Ec表示实验数据对中车辆使用信息对旋变传感器的干扰特征;将历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组记为W;N表示受干扰特征Ec影响后,车辆旋变传感器中绕组种类为W的绕组对应线圈出现断路的实验中,受干扰特征Ec影响前绕组种类为W的绕组对应的阻值的平均值,且N<n;
所述(Ec,N)对应的颠簸影响系数等于(n-N)/Ec。
所述S3中将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数的过程中,待测车辆的颠簸断路风险阻值变化量代入的关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数内,每个关系函数在y轴坐标值的取值范围大于等于待测车辆的颠簸断路风险阻值变化量。
S4、根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端;
所述S4中得到当前时间待测车辆中旋变传感器的故障风险影响值的方法包括以下步骤:
S41、获取历史数据中待测车辆中旋变传感器的使用总时长SYT及待测车辆中旋变传感器的有效运行寿命YYT;
S42、得到当前时间待测车辆中旋变传感器的故障风险影响值,记为GFY,
所述GFY=(YYT-SYT)/PYT,其中,PYT表示待测车辆在相邻两次保养期间运行车辆总时长的平均值。
如图2所示,一种基于数据分析的旋变传感器性能检测系统,所述系统包括以下模块:
干扰特征提取模块,所述干扰特征提取模块获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
关联用户车辆分析模块,所述关联用户车辆分析模块获取待测车辆每次保养时旋变传感器的状态特征;构建绕组变量随车辆运行时长变化的关系函数;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
旋变寿命预测模块,所述旋变寿命预测模块结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
故障风险预警模块,所述故障风险预警模块根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端,所述无线通信网络包括4G、5G及WiFi中的任意一种。
所述关联用户车辆分析模块包括状态特征提取单元、绕组变量函数分析单元及关联用户车辆集合生成单元;
所述状态特征提取单元获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;
所述绕组变量函数分析单元构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;
所述关联用户车辆集合生成单元分析绕组变量函数分析单元中所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合。
需要说明的是,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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于数据分析的旋变传感器性能检测方法,其特征在于,所述方法包括以下步骤:
S1、获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
S2、获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
S3、结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
S4、根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端;
所述车辆使用信息中旋变传感器在不同时间的震荡状态值等于相应时间距离旋变传感器最近的振动传感器的监测结果;
所述S1中生成待测车辆的使用信息对旋变传感器的干扰特征的方法包括以下步骤:
S11、获取历史数据中待测车辆第i次保养与第i+1次保养期间的车辆使用信息,记为A(i,i+1),将A(i,i+1)中第j次运行车辆的时间区间记为Bj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的温度值记为Ttj(i,i+1),将Bj(i,i+1)中时间t对应的旋变传感器的震荡状态值记为Ztj(i,i+1),所述t∈Bj(i,i+1);
S12、得到待测车辆第i次保养与第i+1次保养期间第j次运行车辆的过程中,运行环境对旋变传感器产生的干扰影响值,记为Gj(i,i+1),
Gj(i,i+1)=∫t=t1 t=t2F{Ttj(i,i+1),Tb}×Ztj(i,i+1)dt,
其中,t1表示Bj(i,i+1)中的最小值,t2表示Bj(i,i+1)中的最大值,Tb为数据库中预置的温度参照值,
当Ttj(i,i+1)≥Tb时,则F{Ttj(i,i+1),Tb}=g×(Ttj(i,i+1)-Tb)+r,
当Ttj(i,i+1)<Tb时,则F{Ttj(i,i+1),Tb}=g1×(Tb-Ttj(i,i+1))+r,
其中,g表示第一干扰转换系数,g1表示第二干扰转换系数,r表示温度干扰阈值,且g、g1与r均为数据库中预置的常数;
S13、将历史数据中i为不同值且j为不同值时,得到的待测车辆对应运行环境对旋变传感器产生的各个干扰影响值逐个录入到一个空白集合中,得到干扰影响集合;并将所得干扰影响集合中对应干扰影响值最大的元素作为待测车辆的使用信息对旋变传感器的干扰特征;
所述S2中构建绕组变量随车辆运行时长变化的关系函数的方法包括以下步骤:
S201、获取待测车辆每次保养时旋变传感器的状态特征,将待测车辆第i次保养时旋变传感器的状态特征中的励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别记为D[i]1、D[i]2及D[i]3;
S202、构建待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量数据对,记为(STi,RBi),其中,STi表示待测车辆从最近一次更换旋变传感器至第i次保养期间,待测车辆的运行时长,RBi表示待测车辆第i次保养时旋变传感器的状态特征对应的绕组变量值,RBi=max{D[i]1-DM1,D[i]2-DM2,D[i]2-DM2},max{}表示求最大值的函数运算,DM1、DM2、DM3分别表示待测车辆最近一次更换的旋变传感器分别对应的励磁绕组阻值初始值、正弦绕组阻值初始值及余弦绕组阻值初始阻值;
S203、以o为原点、以车辆运行时长为x轴,以绕组变量值为y轴构建平面直角坐标系,在平面直角坐标系内标记出S202中得到的i为不同值时分别对应的各个绕组变量数据对相应的坐标点,并按x轴坐标值从小到大的顺序将标记的各个相邻坐标点进行连接,得到绕组变量值随车辆运行时长的变化折线图,将所得绕组变量值随车辆运行时长的变化折线图对应的函数作为构建的绕组变量随车辆运行时长变化的关系函数,记为F(x),将x的取值范围记为[0,xm],xm表示待测车辆最近一次保养时车辆的运行总时长;
所述S2中得到待测车辆的关联用户车辆集合的方法包括以下步骤:
S211、获取数据库中已完成旋变传感器更换的用户车辆,将第k个已完成旋变传感器更换的用户车辆在未更换旋变传感器时的绕组变量随车辆运行时长变化的关系函数,记为Fk(xk),将xk的取值范围记为[0,xkm],xkm表示第k个已完成旋变传感器更换的用户车辆在更换旋变传感器时对应的车辆运行总时长,所述车辆运行时长表示相应车辆为启动状态的时长;
S212、得到F(x)与Fk(xk)之间的偏差状态值,记为P[F(x),Fk(xk)],
P[F(x),Fk(xk)]={∫xL=0 xL=min{xm,xkm}Fk(xL)-F(xL)dxL}/min{xm,xkm},
其中,min{}表示求最小值的运算,Fk(xL)表示xk的值等于xL时Fk(xk)对应的结果,F(xL)表示x的值等于xL时F(x)对应的结果;
S213、当P[F(x),Fk(xk)]≤β且xkm>xm时,则将Fk(xk)对应的用户车辆作为待测车辆的关联用户车辆,反之,则判定Fk(xk)对应的用户车辆不为待测车辆的关联用户车辆,所述β为数据库中预置的偏差状态阈值;
将数据库中待测车辆的所有关联用户车辆构成的集合记为待测车辆的关联用户车辆集合;
所述S3中得到待测车辆的颠簸断路风险阻值变化量的方法包括以下步骤:
S301、获取待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,所述旋变传感器的各个绕组分别对应的阻值波动区间为数据库中预置的旋变传感器正常工作的各个绕组分别对应的阻值范围;
S302、得到待测车辆的颠簸断路风险阻值变化量,记为min{a1,a2};
a1表示当前时间对应励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值最大的绕组中,所得绕组对应的阻值波动区间中最大值与相应绕组的初始阻值的差值;
a2表示断路影响阻值,a2=b-h×c,其中,b表示历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组相同的最大绕组阻值n,减去待测车辆中旋变传感器相应绕组初始值之间的差值,h表示颠簸干扰阻值系数,c表示待测车辆的使用信息对旋变传感器的干扰特征;
所述h的值等于各个历史实验数据对分别对应的颠簸影响系数的平均值,每个实验数据对对应一个颠簸影响系数;
将任意一个实验数据对记为(Ec,N),不同实验数据对中的Ec值不同,Ec表示实验数据对中车辆使用信息对旋变传感器的干扰特征;将历史数据中车辆更换旋变传感器前的旋变传感器运行时与a1对应绕组记为W;N表示受干扰特征Ec影响后,车辆旋变传感器中绕组种类为W的绕组对应线圈出现断路的实验中,受干扰特征Ec影响前绕组种类为W的绕组对应的阻值的平均值,且N<n;
所述(Ec,N)对应的颠簸影响系数等于(n-N)/Ec;
所述S4中得到当前时间待测车辆中旋变传感器的故障风险影响值的方法包括以下步骤:
S41、获取历史数据中待测车辆中旋变传感器的使用总时长SYT及待测车辆中旋变传感器的有效运行寿命YYT;
S42、得到当前时间待测车辆中旋变传感器的故障风险影响值,记为GFY,
所述GFY=(YYT-SYT)/PYT,其中,PYT表示待测车辆在相邻两次保养期间运行车辆总时长的平均值。
2.根据权利要求1所述的一种基于数据分析的旋变传感器性能检测方法,其特征在于:所述车辆使用信息中旋变传感器在不同时间的温度值通过距离旋变传感器最近的温度传感器采集得到。
3.根据权利要求1所述的一种基于数据分析的旋变传感器性能检测方法,其特征在于:所述S3中将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数的过程中,待测车辆的颠簸断路风险阻值变化量代入的关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数内,每个关系函数在y轴坐标值的取值范围大于等于待测车辆的颠簸断路风险阻值变化量。
4.一种基于数据分析的旋变传感器性能检测系统,所述系统应用权利要求1-3中任意一项所述的一种基于数据分析的旋变传感器性能检测方法实现,其特征在于,所述系统包括以下模块:
干扰特征提取模块,所述干扰特征提取模块获取待测车辆在历史数据中相邻两次保养期间的车辆使用信息,生成待测车辆的使用信息对旋变传感器的干扰特征,所述车辆使用信息包括车辆运行的次数、车辆每次运行过程中旋变传感器在不同时间的温度值及震荡状态值;
关联用户车辆分析模块,所述关联用户车辆分析模块获取待测车辆每次保养时旋变传感器的状态特征;构建绕组变量随车辆运行时长变化的关系函数;分析所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合;
旋变寿命预测模块,所述旋变寿命预测模块结合待测车辆的使用信息对旋变传感器的干扰特征及旋变传感器的各个绕组分别对应的阻值波动区间,得到待测车辆的颠簸断路风险阻值变化量;将待测车辆的颠簸断路风险阻值变化量分别代入待测车辆的关联用户车辆集合中各个关联用户车辆对应的绕组变量随车辆运行时长变化的关系函数,将所得结果中各个运行时长的平均值记为待测车辆中旋变传感器的有效运行寿命;
故障风险预警模块,所述故障风险预警模块根据历史数据中待测车辆中旋变传感器的使用总时长及待测车辆中旋变传感器的有效运行寿命,得到当前时间待测车辆中旋变传感器的故障风险影响值;并在所得故障风险影响值小于风险阈值的情况下,生成旋变传感器更换预警提示信息,并将生成的旋变传感器更换预警提示信息通过无线通信网络发送给待测车辆所属用户对应的移动端,所述无线通信网络包括4G、5G及WiFi中的任意一种。
5.根据权利要求4所述的一种基于数据分析的旋变传感器性能检测系统,其特征在于:所述关联用户车辆分析模块包括状态特征提取单元、绕组变量函数分析单元及关联用户车辆集合生成单元;
所述状态特征提取单元获取待测车辆每次保养时旋变传感器的状态特征,所述状态特征包括励磁绕组阻值、正弦绕组阻值及余弦绕组阻值;
所述绕组变量函数分析单元构建绕组变量随车辆运行时长变化的关系函数,其中,绕组变量等于励磁绕组阻值、正弦绕组阻值及余弦绕组阻值分别与对应的初始阻值差值的最大值,数据库中旋变传感器励磁绕组阻值、正弦绕组阻值及余弦绕组阻值不同;所述关联用户车辆集合生成单元分析绕组变量函数分析单元中所得关系函数与数据库中已完成旋变传感器更换的用户车辆对应的关系函数之间的偏差情况,得到待测车辆的关联用户车辆集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311168200.3A CN116907565B (zh) | 2023-09-12 | 2023-09-12 | 一种基于数据分析的旋变传感器性能检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311168200.3A CN116907565B (zh) | 2023-09-12 | 2023-09-12 | 一种基于数据分析的旋变传感器性能检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116907565A CN116907565A (zh) | 2023-10-20 |
CN116907565B true CN116907565B (zh) | 2023-11-28 |
Family
ID=88351418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311168200.3A Active CN116907565B (zh) | 2023-09-12 | 2023-09-12 | 一种基于数据分析的旋变传感器性能检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116907565B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103460B1 (en) * | 1994-05-09 | 2006-09-05 | Automotive Technologies International, Inc. | System and method for vehicle diagnostics |
JP2010022112A (ja) * | 2008-07-09 | 2010-01-28 | Mitsubishi Electric Corp | ブラシレスモータの温度検出装置 |
CN114186338A (zh) * | 2021-11-30 | 2022-03-15 | 重庆长安汽车股份有限公司 | 一种汽车主动进气格栅开度的标定方法 |
CN114646464A (zh) * | 2020-12-19 | 2022-06-21 | 颜廷鑫 | 一种基于飞轮储能的机械轴承故障诊断方法 |
CN116466644A (zh) * | 2023-03-28 | 2023-07-21 | 索提斯云智控科技(上海)有限公司 | 一种基于plc控制的车辆性能监管系统及方法 |
CN116517857A (zh) * | 2023-04-07 | 2023-08-01 | 湖南泛航智能装备有限公司 | 一种高速透平真空泵运行状态监测系统 |
CN116608896A (zh) * | 2023-06-30 | 2023-08-18 | 常州华旋传感技术有限公司 | 电机一体式旋转变压器模拟设备及其模拟方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5055246B2 (ja) * | 2008-10-31 | 2012-10-24 | 日立オートモティブシステムズ株式会社 | 回転電機の制御装置 |
CN110059325B (zh) * | 2018-01-19 | 2024-05-03 | 罗伯特·博世有限公司 | 车辆故障预警系统及对应的车辆故障预警方法 |
-
2023
- 2023-09-12 CN CN202311168200.3A patent/CN116907565B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103460B1 (en) * | 1994-05-09 | 2006-09-05 | Automotive Technologies International, Inc. | System and method for vehicle diagnostics |
JP2010022112A (ja) * | 2008-07-09 | 2010-01-28 | Mitsubishi Electric Corp | ブラシレスモータの温度検出装置 |
CN114646464A (zh) * | 2020-12-19 | 2022-06-21 | 颜廷鑫 | 一种基于飞轮储能的机械轴承故障诊断方法 |
CN114186338A (zh) * | 2021-11-30 | 2022-03-15 | 重庆长安汽车股份有限公司 | 一种汽车主动进气格栅开度的标定方法 |
CN116466644A (zh) * | 2023-03-28 | 2023-07-21 | 索提斯云智控科技(上海)有限公司 | 一种基于plc控制的车辆性能监管系统及方法 |
CN116517857A (zh) * | 2023-04-07 | 2023-08-01 | 湖南泛航智能装备有限公司 | 一种高速透平真空泵运行状态监测系统 |
CN116608896A (zh) * | 2023-06-30 | 2023-08-18 | 常州华旋传感技术有限公司 | 电机一体式旋转变压器模拟设备及其模拟方法 |
Non-Patent Citations (2)
Title |
---|
旋转变压器高精度解码算法研究及系统实现;张伟鹏;CNKI优秀硕士学位论文全文库;第2020卷(第9期);全文 * |
纯电动汽车驱动电机静态检测分析;张小兴;汽车实用技术;第46卷(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116907565A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102066743B (zh) | 使用参数估计算法的起动机马达诊断和预报的系统和方法 | |
Han et al. | Condition monitoring techniques for electrical equipment-a literature survey | |
CN100412563C (zh) | 用于检测技术系统由老化引起的改变的方法及装置 | |
US8676432B2 (en) | Fault prediction framework using temporal data mining | |
CN110608661B (zh) | 传感器检测电路及方法、磁悬浮轴承系统 | |
CN112763908A (zh) | 一种基于多故障特征联合的电机健康指数评价系统 | |
CN105373117A (zh) | 设备故障诊断方法、装置及系统 | |
US9097767B2 (en) | DC-motor and fuel pump faults and brush-wear prognosis | |
CN114576152B (zh) | 水泵状态监测系统、监测方法、装置、电子设备和介质 | |
US20130030742A1 (en) | Method and system for monitoring a synchronous machine | |
CN109733238B (zh) | 故障检测方法、装置、存储介质及处理器 | |
KR102545672B1 (ko) | 기계고장 진단 방법 및 장치 | |
CN111948295A (zh) | 基于声波的故障检测系统及电机故障检测方法 | |
CN116907565B (zh) | 一种基于数据分析的旋变传感器性能检测系统及方法 | |
US9075115B2 (en) | Systems and methods for monitoring the health of an electrical system | |
CN102841290B (zh) | 用于在监视同步机器中使用的系统和方法 | |
CN117928642A (zh) | 一种面向电机滚动轴承的状态监测和故障诊断系统 | |
JP2018207650A (ja) | 回転電機の特徴量評価システムおよび回転電機の特徴量評価方法 | |
CN112333007B (zh) | 一种can网络诊断的控制方法及测试方法 | |
US11210191B2 (en) | Using steady-state changes to discern the operating performance of an individual machine operating on a commonly supplied electrical network connected to multiple machines | |
Strangas | Response of electrical drives to gear and bearing faults—diagnosis under transient and steady state conditions | |
US20220120802A1 (en) | Method for monitoring a switch of a railway track installation | |
KR20220056628A (ko) | 동기 발전기, 동기 발전기 모니터링 장치 및 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 | |
CN115848146A (zh) | 驱动电机可靠性远程诊断和预测系统、方法及汽车 | |
CN107957550A (zh) | 在发电机单元中的故障的识别 |
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 |