一种热管理系统关键部件寿命预测方法以及系统与流程

本发明涉及部件寿命预测的，尤其涉及一种热管理系统关键部件寿命预测方法以及系统。

背景技术：

1、随着新能源车辆产业的快速发展，热管理系统作为保障整车续航、动力电池安全及座舱舒适性的核心子系统，其运行状态的健康度直接关系到整车的可靠性与安全性。热管理系统由压缩机、换热器、膨胀阀及水泵等众多关键部件构成，这些部件在长期运行过程中受极端温湿度、高频启停及长距离爬坡等复杂工况影响，不可避免地会发生性能衰退与疲劳损伤。

2、实际运行中，热管理系统各关键部件之间存在显著的热负荷传递与振动传递交互，一个部件的运行状态恶化会通过物理管路与安装基座加速上下游关联部件的退化，现有技术缺乏对这种部件间状态耦合矩阵及协同衰减系数的量化，导致基于单体工况直接输出的剩余寿命预测值存在较大偏差；同时，现有退化特征提取方式未能将物理机理特征与深度数据驱动特征进行有效的空间映射融合，且未将部件的健康指数与热应力累积损伤进行综合考量，使得寿命预测的精准性受限，影响了剩余寿命修正值的精准性，无法保证协同决策方案的精准性。

技术实现思路

1、本发明的目的在于克服现有技术的不足，本发明提供了一种热管理系统关键部件寿命预测方法以及系统。

2、本发明实施例提供了一种热管理系统关键部件寿命预测方法，包括：

3、在热管理系统中，根据各个关键部件的运行数据的识别而确定对应的物理特征，与对应的数据驱动特征映射至退化特征空间，从而确定各个关键部件的健康指数与热应力累积损伤内容，进一步确定每个关键部件的剩余寿命预测值；

4、标记多个关键部件之间的状态耦合矩阵，同时，获取各个关键部件对上下游关联部件所产生的热负荷传递内容及振动传递内容，并结合状态耦合矩阵确定关键部件的协同衰减系数，以触发关键部件的剩余寿命预测值的修正，进而输出剩余寿命修正值；

5、获取新能源车辆的运行工况环境，并结合剩余寿命修正值在数字孪生空间中进行退化推演，从而输出对应的推演结果，进而确定热管理系统在特定工况场景下的动态风险评估结果；

6、获取新能源车辆的整车能量状态和维护资源约束，并与动态风险评估结果构建多目标优化内容，根据该多目标优化内容的识别而确定不同等级的预警信号，进而生成对应的协同决策方案。

7、本发明实施例提供了一种热管理系统关键部件寿命预测系统，所述热管理系统关键部件寿命预测系统应用于上述的热管理系统关键部件寿命预测方法；所述热管理系统关键部件寿命预测系统包括：

8、寿命预测模块，用于在热管理系统中，根据各个关键部件的运行数据的识别而确定对应的物理特征，与对应的数据驱动特征映射至退化特征空间，从而确定各个关键部件的健康指数与热应力累积损伤内容，进一步确定每个关键部件的剩余寿命预测值；

9、寿命修正模块，用于标记多个关键部件之间的状态耦合矩阵，同时，获取各个关键部件对上下游关联部件所产生的热负荷传递内容及振动传递内容，并结合状态耦合矩阵确定关键部件的协同衰减系数，以触发关键部件的剩余寿命预测值的修正，进而输出剩余寿命修正值；

10、风险评估模块，用于获取新能源车辆的运行工况环境，并结合剩余寿命修正值在数字孪生空间中进行退化推演，从而输出对应的推演结果，进而确定热管理系统在特定工况场景下的动态风险评估结果；

11、协同决策模块，用于获取新能源车辆的整车能量状态和维护资源约束，并与动态风险评估结果构建多目标优化内容，根据该多目标优化内容的识别而确定不同等级的预警信号，进而生成对应的协同决策方案。

12、与现有技术相比，本发明的有益效果是：

13、（1）在热管理系统中，根据各个关键部件的运行数据的识别而确定对应的物理特征，与对应的数据驱动特征映射至退化特征空间，从而确定各个关键部件的健康指数与热应力累积损伤内容，进一步确定每个关键部件的剩余寿命预测值；标记多个关键部件之间的状态耦合矩阵，同时，获取各个关键部件对上下游关联部件所产生的热负荷传递内容及振动传递内容，并结合状态耦合矩阵确定关键部件的协同衰减系数，以触发关键部件的剩余寿命预测值的修正，进而输出剩余寿命修正值，引入了每个关键部件的剩余寿命预测值，对协同衰减系数进一步把控，提高了剩余寿命修正值的精准性。

14、（2）获取新能源车辆的运行工况环境，并结合剩余寿命修正值在数字孪生空间中进行退化推演，从而输出对应的推演结果，进而确定热管理系统在特定工况场景下的动态风险评估结果；获取新能源车辆的整车能量状态和维护资源约束，并与动态风险评估结果构建多目标优化内容，根据该多目标优化内容的识别而确定不同等级的预警信号，进而生成对应的协同决策方案，对推演结果进一步把控，充分考虑了多目标优化内容，提高了协同决策方案的精准性。

1.一种热管理系统关键部件寿命预测方法，其特征在于，包括：

2.根据权利要求1所述的热管理系统关键部件寿命预测方法，其特征在于，所述在热管理系统中，根据各个关键部件的运行数据的识别而确定对应的物理特征，与对应的数据驱动特征映射至退化特征空间，从而确定各个关键部件的健康指数与热应力累积损伤内容，进一步确定每个关键部件的剩余寿命预测值，包括：

3.根据权利要求2所述的热管理系统关键部件寿命预测方法，其特征在于，所述在热管理系统中，根据各个关键部件的运行数据的识别而确定对应的物理特征，与对应的数据驱动特征映射至退化特征空间，从而确定各个关键部件的健康指数与热应力累积损伤内容，进一步确定每个关键部件的剩余寿命预测值，还包括：

4.根据权利要求1所述的热管理系统关键部件寿命预测方法，其特征在于，所述标记多个关键部件之间的状态耦合矩阵，同时，获取各个关键部件对上下游关联部件所产生的热负荷传递内容及振动传递内容，并结合状态耦合矩阵确定关键部件的协同衰减系数，以触发关键部件的剩余寿命预测值的修正，进而输出剩余寿命修正值，包括：

5.根据权利要求4所述的热管理系统关键部件寿命预测方法，其特征在于，所述标记多个关键部件之间的状态耦合矩阵，同时，获取各个关键部件对上下游关联部件所产生的热负荷传递内容及振动传递内容，并结合状态耦合矩阵确定关键部件的协同衰减系数，以触发关键部件的剩余寿命预测值的修正，进而输出剩余寿命修正值，还包括：

6.根据权利要求1所述的热管理系统关键部件寿命预测方法，其特征在于，所述获取新能源车辆的运行工况环境，并结合剩余寿命修正值在数字孪生空间中进行退化推演，从而输出对应的推演结果，进而确定热管理系统在特定工况场景下的动态风险评估结果，包括：

7.根据权利要求6所述的热管理系统关键部件寿命预测方法，其特征在于，所述获取新能源车辆的运行工况环境，并结合剩余寿命修正值在数字孪生空间中进行退化推演，从而输出对应的推演结果，进而确定热管理系统在特定工况场景下的动态风险评估结果，还包括：

8.根据权利要求1所述的热管理系统关键部件寿命预测方法，其特征在于，所述获取新能源车辆的整车能量状态和维护资源约束，并与动态风险评估结果构建多目标优化内容，根据该多目标优化内容的识别而确定不同等级的预警信号，进而生成对应的协同决策方案，包括：

9.根据权利要求8所述的热管理系统关键部件寿命预测方法，其特征在于，所述获取新能源车辆的整车能量状态和维护资源约束，并与动态风险评估结果构建多目标优化内容，根据该多目标优化内容的识别而确定不同等级的预警信号，进而生成对应的协同决策方案，还包括：

10.一种热管理系统关键部件寿命预测系统，其特征在于，所述热管理系统关键部件寿命预测系统应用于如权利要求1-9中任一项所述的热管理系统关键部件寿命预测方法；所述热管理系统关键部件寿命预测系统包括：