【技術實現步驟摘要】
本專利技術涉及數據處理，尤其是涉及一種電驅動橋的故障診斷方法、神經網絡模型的訓練方法。
技術介紹
1、目前，新能源車輛在市場的滲透率日益升高，而電驅動橋是新能源車輛的動力來源，電驅動橋是由驅動電機、減速器和差速器等核心部件高度集成得到，軸承和齒輪在電驅動橋的零件中回轉次數和嚙合頻率高，極易最先發生損壞，從而引起電機、減速器以及差速器的故障。相關技術中，通常將傳感器布置在電驅動橋的殼體上用于采集工作狀態產生的振動信號、電壓信號、溫度信號等。通過對采集的信號進行特征處理并設置相關閾值，完成對電驅動橋的故障診斷，該方式非常依賴先前經驗，且閾值范圍的選取沒有準確的標準，造成故障識別效率和準確率較低，時間成本和經濟成本較高。
技術實現思路
1、本專利技術的目的在于提供一種電驅動橋的故障診斷方法、神經網絡模型的訓練方法，以提高故障識別效率，降低時間和經濟成本。
2、本專利技術提供的一種電驅動橋的故障診斷方法，方法包括：通過目標振動傳感器采集目標部件的振動信號；其中，目標部件包括：電驅動橋中的電機、減速器和差速器；對振動信號進行處理，輸出目標數據；其中，目標數據包括：振動信號對應的時域數據、頻域數據和歸一化數據；將時域數據輸入至預先訓練好的第一神經網絡模型中，以通過第一神經網絡模型輸出第一故障診斷結果；將頻域數據輸入至預先訓練好的第二神經網絡模型中，以通過第二神經網絡模型輸出第二故障診斷結果；將歸一化數據輸入至預先訓練好的第三神經網絡模型中，以通過第三神經網絡模型輸出第三故障診斷結果
3、進一步的，目標振動傳感器為三向振動傳感器；振動信號包括：軸向的第一信號、垂直方向的第二信號和水平方向的第三信號。
4、進一步的，目標振動傳感器包括：第一振動傳感器、第二振動傳感器和第三振動傳感器；
5、第一振動傳感器設置在電機的外殼上，用于采集電機的振動信號；
6、第二振動傳感器設置在減速器的軸承端，用于采集減速器的振動信號；
7、第三振動傳感器設置在差速器的外殼上，用于采集差速器的振動信號。
8、進一步的，對振動信號進行處理，輸出目標數據的步驟包括：
9、對振動信號進行降噪處理，得到降噪后的振動信號；
10、對降噪后的振動信號進行歸一化處理，得到歸一化數據；
11、對歸一化數據進行分片處理，得到多個數據片段；
12、針對每個數據片段，按預設的時域處理方式，對該數據片段中的數據進行時域處理，得到該數據片段對應的時域數據；其中，時域處理方式包括：均值計算、方差計算、絕對平均值計算、標準差計算、均方根值計算、峰值計算和最小值計算；
13、基于每個數據片段對應的時域數據，得到振動信號對應的時域數據；
14、針對每個數據片段，按預設的頻域處理方式，對該數據片段中的數據進行頻域處理，得到該數據片段對應的頻域數據；其中，頻域處理方式包括：重心頻率計算、均方頻率計算、均方根頻率計算、頻率方差計算和頻率標準差計算；
15、基于每個數據片段對應的頻域數據，得到振動信號對應的頻域數據。
16、進一步的，第一神經網絡模型被配置有第一權重，第二神經網絡模型被配置有第二權重，第三神經網絡模型被配置有第三權重；其中，第一權重等于第二權重；第三權重高于第一權重，且高于第二權重；第一權重與第二權重的和大于第三權重。
17、進一步的，基于第一故障診斷結果、第二故障診斷結果和第三故障診斷結果，確定最終的目標故障診斷結果的步驟包括：如果第一故障診斷結果、第二故障診斷結果和第三故障診斷結果均相同，將第一指定故障診斷結果確定為最終的目標故障診斷結果；其中，第一指定故障診斷結果為：第一故障診斷結果、第二故障診斷結果或第三故障診斷結果；如果第一故障診斷結果、第二故障診斷結果和第三故障診斷結果均不相同，將配置有第三權重的第三神經網絡模型對應的第三故障診斷結果確定為最終的目標故障診斷結果；如果第一故障診斷結果與第二故障診斷結果相同，且與第三故障診斷結果不同，將第二指定故障診斷結果確定為最終的目標故障診斷結果；其中，第二指定故障診斷結果為：第一故障診斷結果和第二故障診斷結果；如果第一故障診斷結果與第二故障診斷結果不同，且，第三指定故障診斷結果與第三故障診斷結果相同，將第三故障診斷結果確定為最終的目標故障診斷結果；其中，第三指定故障診斷結果為第一故障診斷結果或第二故障診斷結果。
18、本專利技術提供的一種神經網絡模型的訓練方法，方法包括：獲取預設的初始數據集；其中，初始數據集中包括：第一子集、第二子集、第三子集和第四子集；第一子集中存儲有電驅動橋在正常工作狀態下所對應的正常振動數據；第二子集中存儲有在電機故障下所對應的電機故障振動數據；第三子集中存儲有在減速器故障下所對應的減速器故障振動數據；第四子集中存儲有在差速器故障下產生的差速器故障振動數據；對初始數據集進行處理，得到初始數據集對應的時域特征集合、頻域特征集合和歸一化特征集合；基于目標特征集合，確定訓練集、驗證集和測試集；其中，目標特征集合為：時域特征集合、頻域特征集合和歸一化特征集合；基于訓練集訓練初始網絡模型，得到第一模型；基于驗證集優化第一模型，得到訓練好的目標神經網絡模型，并通過測試集評估目標神經網絡模型；其中，如果目標特征集合為時域特征集合，目標神經網絡模型為第一神經網絡模型；如果目標特征集合為頻域特征集合，目標神經網絡模型為第二神經網絡模型；如果目標特征集合為歸一化特征集合，目標神經網絡模型為第三神經網絡模型。
19、本專利技術提供的一種電驅動橋的故障診斷裝置，裝置包括：采集模塊，用于通過目標振動傳感器采集目標部件的振動信號；其中，目標部件包括：電驅動橋中的電機、減速器和差速器；第一處理模塊，用于對振動信號進行處理，輸出目標數據；其中，目標數據包括：振動信號對應的時域數據、頻域數據和歸一化數據；第一輸出模塊，用于將時域數據輸入至預先訓練好的第一神經網絡模型中，以通過第一神經網絡模型輸出第一故障診斷結果；第二輸出模塊，用于將頻域數據輸入至預先訓練好的第二神經網絡模型中，以通過第二神經網絡模型輸出第二故障診斷結果；第三輸出模塊，用于將歸一化數據輸入至預先訓練好的第三神經網絡模型中，以通過第三神經網絡模型輸出第三故障診斷結果；第一確定模塊，用于基于第一故障診斷結果、第二故障診斷結果和第三故障診斷結果，確定最終的目標故障診斷結果。
20、本專利技術提供的一種神經網絡模型的訓練裝置，裝置包括：獲取模塊，用于獲取預設的初始數據集；其中，初始數據集中包括：第一子集、第二子集、第三子集和第四子集；第一子集中存儲有電驅動橋在正常工作狀態下所對應的正常振動數據；第二子集中存儲有在電機故障下所對應的電機故障振動數據；第三子集中存儲有在減速器故障下所對應的減速器故障振動數據；第四子集中存儲有在差速器故障下產生的差速器故障振動數據；第二處理模塊，用于對初始數據集進本文檔來自技高網...
【技術保護點】
1.一種電驅動橋的故障診斷方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述目標振動傳感器為三向振動傳感器；所述振動信號包括：軸向的第一信號、垂直方向的第二信號和水平方向的第三信號。
3.根據權利要求1所述的方法，其特征在于，所述目標振動傳感器包括：第一振動傳感器、第二振動傳感器和第三振動傳感器；
4.根據權利要求1所述的方法，其特征在于，對所述振動信號進行處理，輸出目標數據的步驟包括：
5.根據權利要求1所述的方法，其特征在于，所述第一神經網絡模型被配置有第一權重，所述第二神經網絡模型被配置有第二權重，所述第三神經網絡模型被配置有第三權重；其中，所述第一權重等于所述第二權重；所述第三權重高于所述第一權重，且高于所述第二權重；所述第一權重與所述第二權重的和大于所述第三權重。
6.根據權利要求5所述的方法，其特征在于，基于所述第一故障診斷結果、所述第二故障診斷結果和所述第三故障診斷結果，確定最終的目標故障診斷結果的步驟包括：
7.一種神經網絡模型的訓練方法，其特征在于，所述方法包括
8.一種電驅動橋的故障診斷裝置，其特征在于，所述裝置包括：
9.一種神經網絡模型的訓練裝置，其特征在于，所述裝置包括：
10.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執行的機器可執行指令，所述處理器執行所述機器可執行指令以實現權利要求1-6任一項所述的電驅動橋的故障診斷方法，或權利要求7所述的神經網絡模型的訓練方法。
...【技術特征摘要】
1.一種電驅動橋的故障診斷方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述目標振動傳感器為三向振動傳感器；所述振動信號包括：軸向的第一信號、垂直方向的第二信號和水平方向的第三信號。
3.根據權利要求1所述的方法，其特征在于，所述目標振動傳感器包括：第一振動傳感器、第二振動傳感器和第三振動傳感器；
4.根據權利要求1所述的方法，其特征在于，對所述振動信號進行處理，輸出目標數據的步驟包括：
5.根據權利要求1所述的方法，其特征在于，所述第一神經網絡模型被配置有第一權重，所述第二神經網絡模型被配置有第二權重，所述第三神經網絡模型被配置有第三權重；其中，所述第一權重等于所述第二權重；所述第三權重高于所述第一權重，且高...
【專利技術屬性】
技術研發人員：荀志文，徐銀橋，周文杰，金鑫，孔勇松，趙騰飛，
申請(專利權)人：開沃汽車淮南有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。