首页 > 新闻 > 汽车 > 正文

焦点简讯:新能源纯电汽车电机故障诊断技术

2022-09-21 20:36:15来源:中国汽研数据中心  

随着5G、AI和车联网等技术的快速发展及推广应用,新能源汽车产生了海量数据,使得数据驱动的电机故障诊断成为了可能。通过在云端或离线使用深度学习技术学习汽车电机的正常运行模式模型后,输入车端发送的数据并进行判断,就能够提早地发现异常情况并通知驾驶员从而实现即时的故障预警减少交通事故。

一、电机故障模式



(资料图片)

驱动电机作为电动汽车的动力核心,其系统包括了驱动电机系统、驱动电机电控系统等多个子系统组成。所以,电机的故障模式是复杂且耦合的。例如,比较常见的驱动电机丢失动力的故障,它的致因就包含了电机自身的机械故障与电气故障两个大方面。


虽然通过相关专业领域知识能够检测出这方面的故障,但是很难运用到实时预警与检测上,不能提前预警故障。在当下新能源汽车产生了海量数据的情况下,使用数据驱动的深度学习方法去实现故障的提前预警是目前的一个主流研究与实践方向。


二、深度学习的解决方案


为此,数据中心产品部基于GB/T 32960的数据与QCT 893-2011标准,分析电动汽车运行数据特征,正在开发使用深度学习技术中的自动编码器、卷积神经网络等技术,通过输入对应车型的大量运行数据(如车速,加速踏板行程,电机转速等)训练出该车型正常的运行模式来进行提前预警与故障检测的方案。


该方案通过输入汽车的运行数据,在中国汽研云端网络上训练模型后下载到车端,并通过离线保存模型,本地运行的模式就能够实现在车端的实时监测。也能在之后通过接收的新数据更新预警模型,并采用OTA技术对车端保存的模型进行实时更新,提高预警准确度。



三、方案亮点


1、通过算法能够直接实现端到端的流程,即传入汽车实时数据后可返回当前电机状态。

2、能够为主观的专家经验提供客观的数据支持,也能够有效的从数据中发现新的故障特征。

3、云端训练网络模型后可以离线实装到车端,大大减少获得结果的响应时间。

4、企业无需提前进行硬件环境搭建,提高部署效率,降低运维成本。


四、应用方向

电机故障预警算法,可协助整车、电机企业开展车辆整车、电机电控系统问题筛查,检验电机电控控制策略是否合适,也能通过实时模型输出与特征数据支撑问题溯源分析,提高问题处理效率,进而提高用户满意度。通过车端部署训练好的模型,实现故障提前预警,能够大大增加了出行的安全性与新能源汽车的可靠性。

标签: 驱动电机 电动汽车 海量数据

责任编辑:hnmd003

相关阅读

资讯播报

推荐阅读