一种新能源汽车的电控系统故障预测系统的制作方法
本技术涉及新能源汽车电控,尤其是涉及一种新能源汽车的电控系统故障预测系统。
背景技术:
1、在电动汽车智能充电与安全维护领域,车载充电机是电控系统中保障动力电池高效、可靠能量补给的核心部件,其功率因数校正电路的工作状态直接影响充电效率、电网质量及整车高压安全,是提升用户充电体验与延长车辆使用寿命的关键环节。
2、但现有针对车载充电机pfc电感的故障诊断方法,多依赖于对单一特征参数的阈值判断,在面对复杂工况、多变量耦合及早期渐进性性能衰退时,缺乏对多维度特征进行协同分析与交叉验证机制,不仅难以实现早期、精准的故障隔离与预警,更可能在故障潜伏期误判为其他系统问题,导致维护延误与潜在的热失控风险。
技术实现思路
1、本技术提供一种新能源汽车的电控系统故障预测系统,以解决上述技术问题,所述系统包括:
2、获取多源实时监测数据集,基于所述多源实时监测数据集,进行时频域分析与特征提取,以分离并量化由pfc电感性能衰退所主导的电流波形畸变、效率-温度关联异常及异常同步性特征,生成pfc电感多维度特征谱集;基于所述pfc电感多维度特征谱集,进行多维度特征间的时空关联分析与故障模式匹配,通过交叉验证与故障模式匹配,解算表征pfc电感性能衰退的置信度,生成pfc电感故障隔离与置信度信息集;基于所述pfc电感故障隔离与置信度信息集,进行健康度量化建模与衰退趋势预测,并据此生成并输出用于指导预防性维护的车载充电机电感健康状态预测报告。
3、通过上述技术方案,能精准捕捉并量化pfc电感的早期性能衰退,实现从“故障后报警”到“故障前预测”的转变,通过多维度交叉验证与量化置信度评估,显著提高了预测的准确性和可靠性,有效避免误报,最终输出的预测报告可直接指导预防性维护,从而提升充电系统安全性、可靠性与车辆全生命周期运维效率。
4、可选的,所述pfc电感多维度特征谱集的生成过程,包括:所述多源实时监测数据集包括充电工况下的交流输入电流波形、pfc电感部位的温度时序数据以及实时充电效率数据;对所述交流输入电流波形进行高频采样与频谱分析,提取其总谐波畸变率及特定次谐波幅值占比,作为电流波形畸变特征;关联分析所述pfc电感部位温度变化与所述实时充电效率的动态对应关系,分析效率随温度升高的异常衰减速率,作为效率-温度关联异常特征;标定所述电流波形畸变特征与效率-温度关联异常特征严格出现于充电启动至结束的时间窗口内,作为异常同步性特征;整合所述电流波形畸变特征、所述效率-温度关联异常特征以及所述异常同步性特征,生成所述pfc电感多维度特征谱集。
5、可选的,所述电流波形畸变特征的分析过程,包括:对所述交流输入电流波形进行快速傅里叶变换,得到所述交流输入电流波形的电流频谱;通过对比所述电流频谱与标准正弦电流频谱,分析所述交流输入电流波形的实时电流总谐波畸变率;同时,提取所述电流频谱中与pfc电路开关频率相关的特定次谐波成分的幅值序列,并采用线性回归方法分析此幅值随时间变化的增长斜率与相关性系数,以量化其规律性增强趋势;若所述电流总谐波畸变率的持续升高且所述特定次谐波成分的规律性增强,则将所述电流总谐波畸变率与所述特定次谐波成分作为表征pfc电感磁芯性能退化的所述电流波形畸变特征。
6、可选的,所述效率-温度关联异常特征的分析过程,包括:在相同或预设相近区间的充电功率段内,通过高斯过程回归方法建立所述pfc电感部位温度与所述实时充电效率的历史基准对应关系图谱;在所述多源实时监测数据集的实时采集过程中,分析在同等温升条件下,当前充电效率相对于所述历史基准对应关系图谱中预期效率的偏离程度;同时,分析在单位时间窗口内,效率下降值与温度上升值的比值,定义为效率-温度敏感系数;若所述偏离程度的持续扩大且所述效率-温度敏感系数的绝对值异常增大,则将所述偏离程度与所述效率-温度敏感系数作为所述效率-温度关联异常特征。
7、可选的,所述异常同步性特征的分析过程,包括:为所述电流波形畸变特征和所述效率-温度关联异常特征的发生过程附加精确的时间戳:分析两者从出现、变化到消失的全过程时间线,并与充电机的启停控制信号进行严格比对;当且仅当所述电流波形畸变特征和所述效率-温度关联异常特征的活跃时间线完全被包裹在充电机有效工作的时间区间内,并且车辆处于充电未熄火的静置工况下时,判定所述电流波形畸变特征和所述效率-温度关联异常特征具有严格的异常同步性。
8、可选的,所述pfc电感故障隔离与置信度信息集的生成过程,包括:基于所述pfc电感多维度特征谱集,构建时间、空间与逻辑三维关联框架;基于时间、空间与逻辑三维关联框架中的逻辑,对所述电流波形畸变特征、所述效率-温度关联异常特征及所述异常同步性特征进行交叉验证,生成表征特征间因果联动一致性的多维特征关联强度指数;基于不同时期得到的所述多维特征关联强度指数,解算出表征不同时期pfc电感性能衰退的电机综合置信度评分;整合所有所述多维特征关联强度指数,生成所述pfc电感故障隔离与置信度信息集。
9、可选的,所述时间、空间与逻辑三维关联框架的构建过程,包括:以充电机的启停信号为基准,对所述pfc电感多维度特征谱集中所有特征数据进行时间对齐,构建时间关联数据集;识别并定位车载充电机内不同物理位置的监测点集合,将所述pfc电感多维度特征谱集中涉及温度与电气响应的特征数据,依据其来源与所述监测点集合进行映射与分组,形成用于对比局部与全局状态差异的空间关联数据集;基于电学与热力学基本原理,定义所述电流波形畸变特征、所述效率-温度关联异常特征及温度特征之间的理论因果关系链路,以此作为验证所述多维度特征谱集中数据联动关系是否符合物理规律的所述三维关联框架。
10、可选的,所述时间、空间与逻辑三维关联框架中的逻辑,包括:时间关联验证:验证所述电流波形畸变特征的加剧起始于充电过程初期,并先于所述效率-温度关联异常特征的显现,同时,分析所述电流波形畸变特征的强度与所述pfc电感监测点温升速率在充电全程中是否呈现同步加剧的趋势;空间关联验证:对比分析所述pfc电感部位的温升速率与车载充电机内其他主要热源的温升速率,若仅所述pfc电感部位呈现独立的异常温升,而其他热源温升正常,则确认热异常具有空间局部性;逻辑关联验证:基于预设故障因果链模型,分析所述pfc电感多维度特征谱集中各特征的数据联动关系是否与此模型的理论推导一致,所述故障因果链模型的理论传递逻辑为电感性能退化导致损耗与谐波增加,引发局部温升异常,最终造成系统效率下降。
11、可选的,所述进行交叉验证与电机综合置信度评分,包括:根据所述时间关联验证与所述逻辑关联验证的结果,计算所述电流波形畸变特征的强度与所述pfc电感监测点温升速率之间的动态关联度,以及所述电流总谐波畸变率与温升速率之间的统计相关系数;将所述动态关联度与所述统计相关系数的加权和作为所述多维特征关联强度指数;将所述多维特征关联强度指数输入预设性能衰退评分模型,所述性能衰退评分模型依据所述空间关联验证所确认的热异常局部性等级与所述多维特征关联强度指数,通过分段线性映射算法,解算出表征不同时期pfc电感性能衰退程度的所述电机综合置信度评分。
12、可选的,所述车载充电机电感健康状态预测报告的生成过程,包括:基于历史与当前的所述pfc电感故障隔离与置信度指数集及对应的所述pfc电感多维度特征谱集数据,构建综合健康度指数模型;利用时间序列分析方法,对所述综合健康度指数模型的变化轨迹进行拟合,预测所述综合健康度指数未来的衰退趋势;根据预测的所述综合健康度指数的衰退趋势曲线与预设安全阈值线,估算车载充电机pfc电感的剩余可靠使用寿命或下次建议维护的时间窗口;整合当前健康状态、衰退趋势预测及维护时间窗口,结构化生成所述车载充电机电感健康状态预测报告。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com