一种电动三轮车后桥油封渗漏油故障预测方法及系统与流程

本发明涉及电动三轮车故障检测，具体涉及一种电动三轮车后桥油封渗漏油故障预测方法及系统。

背景技术：

1、电动三轮车凭借其经济环保、操作便捷的特性，在城乡物流、短途运输等场景中广泛应用。后桥作为电动三轮车动力传输和承载的关键部件，其油封的密封性能至关重要。油封因长期使用出现老化、磨损，或安装过程存在偏差，以及后桥内部压力异常升高、齿轮油加注过量等情况，均会导致油封渗漏油。一旦发生油封渗漏油，不仅会造成齿轮油浪费，还会因润滑不足加速后桥内部部件磨损，严重时甚至引发车辆行驶故障，危及行车安全。

2、目前，针对电动三轮车后桥油封渗漏油故障，大多采用事后维修或定期检查的方式，缺乏对故障发生前的有效预测。定期检查难以捕捉故障的早期细微变化，而事后维修则可能因故障已造成部件损坏，增加维修成本和车辆停运时间。因此，研发一种能够精准预测电动三轮车后桥油封渗漏油故障的方法，对保障车辆安全运行、降低维护成本具有重要意义。

技术实现思路

1、本发明针对上述存在的技术不足，提供了一种电动三轮车后桥油封渗漏油故障预测方法及系统，以实现对电动三轮车后桥油封渗漏油故障的全面和精准预测。

2、本发明通过以下技术方案实现：

3、提供了一种电动三轮车后桥油封渗漏油故障预测方法，所述方法包括以下步骤：

4、步骤s10：采集电动三轮车后桥油封部位的油液变化数据、压力数据和油位数据，通过车载控制器获取电动三轮车的运行参数；

5、步骤s20：对采集到的数据和运行参数进行数据预处理，包括滤波去噪和归一化；

6、步骤s30：对预处理后的数据进行特征提取，得到对应的特征参数，将提取的特征参数与电动三轮车运行参数进行关联分析并融合，得到不同行驶工况下的融合特征参数；

7、步骤s40：采用机器学习算法根据历史油封渗漏油故障数据和正常运行数据作为训练样本，构建电动三轮车后桥油封渗漏油故障预测模型，将步骤s30中得到的融合特征参数输入到构建好的模型中输出故障发生的概率，设定合理的概率阈值，当输出概率超过阈值时通过电动三轮车的显示屏或语音提示等方式向驾驶员发出预警信息，提示驾驶员后桥出现油封渗漏油故障。

8、优选地，所述步骤s10包括：

9、油液变化数据采集：在电动三轮车后桥的油封部位安装油液传感器，用于实时监测油封区域的油液变化情况，获取油液变化数据，油液传感器采用高灵敏度的油液泄漏检测传感器，能够检测到极微量的油液泄漏信号；

10、后桥内部压力数据采集：在电动三轮车后桥内部安装压力传感器，用于实时采集后桥内部压力数据，压力传感器具有高精度和快速响应特性，可准确捕捉后桥内部压力的微小波动；

11、油位数据采集：在电动三轮车后桥的齿轮油加注口附近安装油位传感器，用于实时监测齿轮油液位，获取油位数据；

12、电动三轮车的运行参数采集：通过车载控制器获取电动三轮车的行驶速度、行驶里程和运行时间等运行参数。

13、优选地，所述步骤s20中对采集到的数据和运行参数进行数据预处理的步骤包括：

14、滤波去噪：运用卡尔曼滤波算法，根据采集到的数据和运行参数确定状态变量和观测变量，构建状态方程、观测方程和系统状态空间模型并初始化状态和协方差，再通过预测与更新步骤不断迭代，去除数据中的噪声干扰；

15、归一化处理：确定归一化区间，将油液变化数据和油位数据数据归一化到[-1,1]的区间，将后桥内部压力数据和电动三轮车的运行参数归一化到[0,1]的区间，均采用z-score标准差标准化归一化方法。

16、优选地，所述步骤s30中对预处理后的数据进行特征提取，得到对应的特征参数的步骤包括：

17、油液变化数据特征提取：采用傅里叶变换分析油液变化数据，提取油液异常信号的频率特征，异常信号的频率变化能反映出油封渗漏的类型与程度，计算油液传感器的油液信号强度，通过计算油液信号的均方根值或峰值体现油液信号强度，油液信号强度的变化代表油液的泄漏量或者泄漏速度发生了变化；

18、后桥内部压力数据特征提取：对后桥内部压力数据进行趋势分析，使用线性回归或多项式拟合等方法，得到后桥内部压力的变化趋势，压力的上升或者下降趋势与油封渗漏有关；

19、油位数据特征提取：计算电动三轮车后桥的齿轮油加注口油位在相邻时间点或特定时间段内的变化量，再除以对应的时间间隔，得到油位变化速率，油位下降速率过快很可能是由于油封渗漏导致，通过计算油位变化速率的方差或者标准差来分析油位变化速率的稳定性，不稳定的油位变化速率表明后桥油封渗漏油情况比较复杂。

20、优选地，所述步骤s30中将提取的特征参数与电动三轮车运行参数进行关联分析并融合，得到不同行驶工况下的融合特征参数的步骤包括：

21、电动三轮车运行参数分类：根据电动三轮车的行驶速度、行驶里程和运行时间等运行参数进行分类，得到对应的分类数据集；

22、特征关联计算：在每个分类数据集中，计算油液变化数据特征、后桥内部压力数据特征和油位数据特征与行驶速度、行驶里程、运行时间的相关性指标，通过相关性指标衡量各特征之间线性相关的程度，判断它们在不同行驶工况下的关联紧密性；

23、融合特征构建：根据特征关联计算得到的相关性指标对特征进行组合，构建不同行驶工况下的融合特征参数；

24、特征验证与完善：根据历史数据和实际案例对构建的融合特征参数进行验证，对比不同行驶工况下有油封渗漏油故障和无故障的数据，检查融合特征参数是否有效区分故障状态，当发现某些综合特征区分度不高时，返回调整特征组合或关联分析方法，进一步完善综合特征参数。

25、优选地，所述步骤s40中构建电动三轮车后桥油封渗漏油故障预测模型的步骤包括：

26、训练样本收集、标注与划分：收集大量电动三轮车后桥的历史运行数据，包括正常运行数据和油封渗漏油故障发生时的数据，这些数据涵盖多源信息，如油液传感器、压力传感器、油位传感器采集的数据，以及车辆行驶速度、里程、运行时间等参数，对收集到的数据进行标注明确区分正常数据和故障数据，为后续模型训练提供明确的标签，将标注好的数据按照一定比例划分为训练集、验证集和测试集，训练集用于电动三轮车后桥油封渗漏油故障模型训练，验证集用于调整模型超参数和防止过拟合，测试集用于评估模型最终的泛化能力和预测准确性；

27、电动三轮车后桥油封渗漏油故障预测模型训练：采用机器学习算法构建模型，以步骤s30得到的融合特征为输入，以电动三轮车后桥油封渗漏油故障发生概率为输出，建立电动三轮车后桥油封渗漏油故障预测模型，利用训练样本收集、标注与划分步骤中得到的训练集、验证集和测试集对模型进行训练和优化，使模型学习融合特征与电动三轮车后桥油封渗漏油故障之间的映射关系；

28、电动三轮车后桥油封渗漏油故障预测：将步骤s30得到的融合特征输入到训练好的电动三轮车后桥油封渗漏油故障预测模型中，模型输出对应的电动三轮车后桥油封渗漏油故障发生概率，设定概率阈值，当模型输出对应的电动三轮车后桥油封渗漏油故障发生概率大于等于设定的概率阈值时，通过电动三轮车的显示屏和语音提示等方式向驾驶员发出预警信息，当模型输出对应的电动三轮车后桥油封渗漏油故障发生概率小于设定的概率阈值时，表示当前后桥无油封渗漏油故障。

29、此外，为实现上述目的，本发明还提出一种电动三轮车后桥油封渗漏油故障预测系统，所述一种电动三轮车后桥油封渗漏油故障预测系统包括：

30、电动三轮车多源数据采集模块：用于采集电动三轮车后桥油封部位的油液变化数据、压力数据和油位数据，通过车载控制器获取电动三轮车的运行参数；

31、电动三轮车多源数据预处理模块：用于对采集到的数据和运行参数进行数据预处理，包括滤波去噪和归一化；

32、特征提取与融合模块：用于对预处理后的数据进行特征提取，得到对应的特征参数，将提取的特征参数与电动三轮车运行参数进行关联分析并融合，得到不同行驶工况下的融合特征参数；

33、电动三轮车后桥油封渗漏油故障预测模块：用于采用机器学习算法根据历史油封渗漏油故障数据和正常运行数据作为训练样本，构建电动三轮车后桥油封渗漏油故障预测模型，将步骤s30中得到的融合特征参数输入到构建好的模型中输出故障发生的概率，设定合理的概率阈值，当输出概率超过阈值时通过电动三轮车的显示屏或语音提示向驾驶员发出预警信息。

34、此外，为实现上述目的，本发明还提出一种电动三轮车后桥油封渗漏油故障预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的电动三轮车后桥油封渗漏油故障预测算法等程序，所述电动三轮车后桥油封渗漏油故障预测算法等程序为实现如上文所述的一种电动三轮车后桥油封渗漏油故障预测方法的步骤。

35、此外，为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品包括电动三轮车后桥油封渗漏油故障预测算法等程序，所述电动三轮车后桥油封渗漏油故障预测算法等程序被处理器执行时实现如上文所述的一种电动三轮车后桥油封渗漏油故障预测方法。

36、本发明的优点与效果是：

37、本发明提出的一种电动三轮车后桥油封渗漏油故障预测方法及系统，通过实时监测和分析电动三轮车后桥相关数据，全面获取后桥油封及相关部件的运行状态信息，相比传统单一数据监测方式，能够更准确地反映故障发生的潜在因素，提高故障预测的准确性；此外，结合数据预处理技术和机器学习算法计算油封渗漏油故障发生的概率，提高故障预测的准确性，为车辆维护提供科学依据，减少因故障导致的车辆停运和维修成本。