本發(fā)明涉及故障診斷，特別是涉及一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法。

背景技術(shù)：

1、電動摩托車作為現(xiàn)代城市交通的重要組成部分，其運(yùn)行的穩(wěn)定性和安全性至關(guān)重要。然而，傳統(tǒng)的故障診斷方法主要依賴于人工或簡單的數(shù)據(jù)監(jiān)測，無法高效針對復(fù)雜工況下的潛在問題進(jìn)行識別。因此，開發(fā)一種能夠精準(zhǔn)、實(shí)時地進(jìn)行故障診斷的方法顯得尤為重要。

2、現(xiàn)有技術(shù)公開了一種基于物聯(lián)網(wǎng)的摩托車電控系統(tǒng)故障診斷方法，包括以下步驟：在摩托車電控系統(tǒng)故障時進(jìn)行參數(shù)提取分析：生成測試周期與運(yùn)行參數(shù)i，在摩托車電控系統(tǒng)在測試周期內(nèi)出現(xiàn)故障時獲取摩托車電控系統(tǒng)的參數(shù)數(shù)值并標(biāo)記為故障值，通過故障值獲取故障范圍i，由所有故障范圍i構(gòu)成故障集合；現(xiàn)有技術(shù)通過在摩托車電控系統(tǒng)故障時進(jìn)行參數(shù)提取分析來對診斷對象的故障集合進(jìn)行分析，通過故障集合對故障類型與故障參數(shù)的關(guān)聯(lián)性進(jìn)行反饋，從而在進(jìn)行故障診斷時根據(jù)故障集合進(jìn)行故障類型的直接篩選。由上述記載可知，現(xiàn)有技術(shù)通過獲取故障值并構(gòu)建故障范圍i來形成故障集合，但這種方法無法全面覆蓋所有潛在故障類型，尤其是在復(fù)雜工況下，可能會遺漏一些隱蔽故障。且其是在故障發(fā)生后進(jìn)行參數(shù)提取分析，從而會導(dǎo)致故障診斷的延遲。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，通過采集電動摩托車運(yùn)行時的實(shí)時電流和電壓信號，能夠即時監(jiān)測車輛的工作狀態(tài)，及時發(fā)現(xiàn)潛在的故障，從而提高安全性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，包括：

4、使用電流傳感器和電壓傳感器采集目標(biāo)電動摩托車運(yùn)行時的電機(jī)驅(qū)動板上進(jìn)線的實(shí)時信號；

5、通過無線通信模塊將采集到的實(shí)時信號實(shí)時傳輸?shù)竭h(yuǎn)程服務(wù)器；

6、在所述遠(yuǎn)程服務(wù)器中，對所述實(shí)時信號進(jìn)行去噪預(yù)處理，得到第一預(yù)處理信號；

7、采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號；

8、使用同步擠壓小波變換對所述第二預(yù)處理信號進(jìn)行處理，以得到所述二維特征圖像；

9、使用訓(xùn)練好的故障診斷模型對所述二維特征圖像進(jìn)行特征提取與分類，以區(qū)分并診斷各種故障類型，得到故障診斷結(jié)果。

10、優(yōu)選地，還包括：

11、利用所述遠(yuǎn)程服務(wù)器將所述故障診斷結(jié)果通過用戶接口提供給所述目標(biāo)電動摩托車的使用者和維護(hù)人員；

12、將運(yùn)行數(shù)據(jù)和診斷結(jié)果存儲到云數(shù)據(jù)庫中，用于日后的數(shù)據(jù)分析和模式識別。

13、優(yōu)選地，所述故障診斷模型的構(gòu)建方法包括：

14、獲取預(yù)設(shè)的標(biāo)注數(shù)據(jù)集；

15、對所述標(biāo)注數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化、數(shù)據(jù)增強(qiáng)，得到增強(qiáng)數(shù)據(jù)集；

16、利用深卷積生成對抗網(wǎng)絡(luò)對所述增強(qiáng)數(shù)據(jù)集進(jìn)行圖像合成，得到訓(xùn)練數(shù)據(jù)集；

17、將所述訓(xùn)練數(shù)據(jù)集輸入至改進(jìn)的vgg網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到所述故障診斷模型；所述vgg網(wǎng)絡(luò)包括：卷積層、池化層、全連接層和輸出層；多個所述卷積層后均連接有所述池化層；所述池化層的輸出與全連接層連接；所述全連接層的輸出與所述輸出層連接。

18、優(yōu)選地，在所述遠(yuǎn)程服務(wù)器中，對所述實(shí)時信號進(jìn)行去噪預(yù)處理，得到第一預(yù)處理信號，包括：

19、對所述實(shí)時信號進(jìn)行多層次分解，得到小波系數(shù)；

20、對所述小波系數(shù)進(jìn)行閾值化處理，得到處理后的小波系數(shù)；

21、對所述處理后的小波系數(shù)進(jìn)行信號重構(gòu)，得到所述第一預(yù)處理信號。

22、優(yōu)選地，對所述小波系數(shù)進(jìn)行閾值化處理，得到處理后的小波系數(shù)，包括：

23、當(dāng)小波系數(shù)的值大于或者等于預(yù)設(shè)的處理閾值時，采用第一系數(shù)處理函數(shù)對所述小波系數(shù)進(jìn)行處理得到處理后的小波系數(shù)；其中，第一系數(shù)處理函數(shù)為：

24、

25、式中，u為第一調(diào)節(jié)系數(shù)，sgn()為符號函數(shù)，wj,l為第j個分解層數(shù)下的第l個小波系數(shù)，λ為處理閾值，α為第二調(diào)節(jié)系數(shù)，β為第三調(diào)節(jié)系數(shù)，γ為第四調(diào)節(jié)系數(shù)，p為小波分解層數(shù)，為處理后的小波系數(shù)；

26、當(dāng)小波系數(shù)的值小于處理閾值時，采用第二系數(shù)處理函數(shù)對所述小波系數(shù)進(jìn)行處理得到處理后的小波系數(shù)；其中，第二系數(shù)處理函數(shù)為：

27、

28、優(yōu)選地，所述處理閾值計算公式為：

29、

30、其中，λ為處理閾值，δ為高斯噪聲標(biāo)準(zhǔn)差，m為所述實(shí)時信號的長度，z為預(yù)設(shè)系數(shù)。

31、優(yōu)選地，采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號，包括：

32、對辛幾何模態(tài)分解的優(yōu)化參數(shù)使用麻雀搜索算法進(jìn)行優(yōu)化，得到ssa-sgmd算法；

33、利用所述ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號。

34、優(yōu)選地，在采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號之后，還包括：

35、將所述第二預(yù)處理信號進(jìn)行分段，并確定每段信號的長度，并且使用重疊采樣得到被轉(zhuǎn)化為二維圖像的所述第二預(yù)處理信號。

36、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

37、本發(fā)明提供了一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，包括：使用電流傳感器和電壓傳感器采集目標(biāo)電動摩托車運(yùn)行時的電機(jī)驅(qū)動板上進(jìn)線的實(shí)時信號；通過無線通信模塊將采集到的實(shí)時信號實(shí)時傳輸?shù)竭h(yuǎn)程服務(wù)器；在所述遠(yuǎn)程服務(wù)器中，對所述實(shí)時信號進(jìn)行去噪預(yù)處理，得到第一預(yù)處理信號；采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號；使用同步擠壓小波變換對所述第二預(yù)處理信號進(jìn)行處理，以得到所述二維特征圖像；使用訓(xùn)練好的故障診斷模型對所述二維特征圖像進(jìn)行特征提取與分類，以區(qū)分并診斷各種故障類型，得到故障診斷結(jié)果。本發(fā)明通過采集電動摩托車運(yùn)行時的實(shí)時電流和電壓信號，能夠即時監(jiān)測車輛的工作狀態(tài)，及時發(fā)現(xiàn)潛在的故障，從而提高安全性。

技術(shù)特征：

1.一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，還包括：

3.根據(jù)權(quán)利要求1所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，所述故障診斷模型的構(gòu)建方法包括：

4.根據(jù)權(quán)利要求1所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，在所述遠(yuǎn)程服務(wù)器中，對所述實(shí)時信號進(jìn)行去噪預(yù)處理，得到第一預(yù)處理信號，包括：

5.根據(jù)權(quán)利要求4所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，對所述小波系數(shù)進(jìn)行閾值化處理，得到處理后的小波系數(shù)，包括：

6.根據(jù)權(quán)利要求5所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，所述處理閾值計算公式為：

7.根據(jù)權(quán)利要求1所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號，包括：

8.根據(jù)權(quán)利要求7所述的基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，其特征在于，在采用ssa-sgmd算法對所述第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號之后，還包括：

技術(shù)總結(jié)
本發(fā)明提供了一種基于實(shí)時電流和電壓信號的電動摩托車在線故障診斷方法，包括：使用電流傳感器和電壓傳感器采集目標(biāo)電動摩托車運(yùn)行時的電機(jī)驅(qū)動板上進(jìn)線的實(shí)時信號；通過無線通信模塊將采集到的實(shí)時信號實(shí)時傳輸?shù)竭h(yuǎn)程服務(wù)器；在遠(yuǎn)程服務(wù)器中，對實(shí)時信號進(jìn)行去噪預(yù)處理，得到第一預(yù)處理信號；采用SSA?SGMD算法對第一預(yù)處理信號進(jìn)行降噪預(yù)處理，得到第二預(yù)處理信號；使用同步擠壓小波變換對第二預(yù)處理信號進(jìn)行處理，以得到二維特征圖像；使用訓(xùn)練好的故障診斷模型對二維特征圖像進(jìn)行特征提取與分類，以區(qū)分并診斷各種故障類型，得到故障診斷結(jié)果。本發(fā)明通過采集電動摩托車運(yùn)行時的實(shí)時電流和電壓信號，能夠即時監(jiān)測車輛的工作狀態(tài)，及時發(fā)現(xiàn)潛在的故障，從而提高安全性。

技術(shù)研發(fā)人員：邱洪,黎亞平
受保護(hù)的技術(shù)使用者：江蘇遠(yuǎn)驅(qū)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19