【技術實現步驟摘要】
本專利技術涉及新能源汽車，尤其涉及一種新能源汽車線束電壓的測試方法、裝置。
技術介紹
1、目前，新能源汽車線束作為連接電池、電機控制單元以及各線束的重要橋梁，其運行狀態直接關系到整車的安全性。為了保障新能源汽車的安全運行，對線束的故障監測與診斷成為了當前研究的重要方向。現有的線束監測技術主要分為主動監測和被動監測兩種方法。主動監測通過傳感器進行實時檢測與故障診斷，而被動監測則依賴于電阻值、電壓值及電流值的變化對線束狀態進行評估。
2、在一種現有技術中，通過檢測線束的電阻值變化來判斷是否發生故障。當線束內部傳輸電流的導通性能受到影響時，電阻值會隨之發生改變。該技術方法通過采集電阻值，計算并對比正常電壓值與故障電壓值的偏差，從而判斷線束是否發生短路或斷路故障。如果電阻值超過預設的閾值范圍，即判定為故障。這種基于電阻值和電壓值的監測方法對于明顯的線束短路和斷路問題具有較高的檢測能力。
3、現有技術中存在無法及時檢測并反饋這類潛在故障，導致故障監測的不全面性。
技術實現思路
1、本專利技術提供了一種新能源汽車線束電壓的測試方法、裝置，以準確及時檢測新能源汽車線束隱性故障的問題，提高線束故障監測的準確性。
2、第一方面，為了解決上述技術問題，本專利技術提供了一種新能源汽車線束電壓的測試方法，包括：
3、采集無干擾線束電壓、線束電壓；
4、根據所述無干擾線束電壓和所述線束電壓，進行波動計算，得到電壓波動參數；
5、對所述線
6、將所述聚類分析數據輸入到預先訓練完成的故障預測模型中，得到預測誤差和電壓變化率；
7、當所述預測誤差大于所述電壓波動參數，并且所述電壓變化率大于所述電壓波動參數，判定線束出現故障。
8、優選地，所述根據所述無干擾線束電壓和所述線束電壓，進行波動計算，得到電壓波動參數，包括：
9、根據所述無干擾線束電壓和所述線束電壓，進行矩陣構建操作，得到鄰接矩陣和度矩陣；
10、將所述度矩陣與所述鄰接矩陣進行矩陣差值計算，得到拉普拉斯矩陣；
11、根據所述拉普拉斯矩陣，進行特征值和特征向量分解操作，得到特征值和特征向量；
12、根據所述特征值和所述特征向量，進行波動參數計算，得到電壓波動參數；
13、其中，根據以下公式計算電壓波動參數：
14、
15、式中，為電壓波動參數；為最大特征值；為最小特征值；為第個特征值；為第個電壓采樣點的特征向量；為第個電壓采樣點的特征向量。
16、優選地，所述對所述線束電壓進行knn聚類分析，得到聚類分析數據，包括：
17、對所述線束電壓進行數據集構建與劃分操作，得到訓練數據和測試數據；
18、基于預設鄰居個數，對所述訓練數據和所述測試數據進行knn聚類分析，得到聚類分析數據。
19、優選地，所述對所述線束電壓進行數據集構建與劃分操作，得到訓練數據和測試數據，包括：
20、按照時間順序對所述線束電壓進行采樣，提取每組線束電壓的參數，得到線束參數；
21、對所述線束參數進行標準化處理，按比例劃分為訓練數據和測試數據，其中，所述訓練數據用于模型訓練，所述測試數據用于模型驗證。
22、優選地，所述基于預設鄰居個數，對所述訓練數據和所述測試數據進行knn聚類分析，得到聚類分析數據，包括：
23、計算所述訓練數據和所述測試數據中每個數據點之間的距離，得到歐氏距離；
24、基于預設鄰居個數，根據所述歐氏距離，選擇每個數據點中的最近鄰近點；
25、對所述訓練數據和所述測試數據進行聚類分類投票操作，得到所述最近鄰近點對應的聚類分析數據。
26、優選地，所述故障預測模型的訓練過程包括：
27、獲取歷史電壓波動系數、歷史無干擾線束電壓和歷史線束電壓；
28、基于譜圖論方法，對所述歷史無干擾線束電壓和所述歷史線束電壓進行卷積離散傅里葉變換，得到無干擾特征譜和電壓特征譜；
29、根據所述無干擾特征譜、所述電壓特征譜和所述歷史電壓波動系數，進行函數構建操作，得到電壓波動函數；
30、根據所述電壓波動函數，構建初始故障預測模型，基于所述聚類分析數據作為輸入數據對所述初始故障預測模型進行訓練，得到訓練完成的信號篩選模型。
31、優選地，所述根據所述電壓波動函數，構建初始故障預測模型，基于所述聚類分析數據作為輸入數據對所述初始故障預測模型進行訓練，得到訓練完成的信號篩選模型，包括：
32、初始化所述信號篩選模型中的聚類分析數據；
33、根據所述電壓波動函數，計算所述聚類分析數據與預設分析數據之間的預測誤差；
34、計算所述聚類分析數據的相鄰斜率變化量；
35、當所述電壓波動函數收斂至預設閾值或訓練次數達到預設訓練閾值時，判定訓練完成，得到訓練完成的信號篩選模型。
36、第二方面，本專利技術提供了一種新能源汽車線束電壓的測試裝置，包括：
37、電壓采集模塊，用于采集無干擾線束電壓、線束電壓；
38、參數計算模塊，用于根據所述無干擾線束電壓和所述線束電壓，進行波動計算，得到電壓波動參數；
39、聚類分析模塊，用于對所述線束電壓進行knn聚類分析，得到聚類分析數據；
40、模型訓練模塊，用于將所述聚類分析數據輸入到預先訓練完成的故障預測模型中，得到預測誤差和電壓變化率；
41、故障判定模塊，用于當所述預測誤差大于所述電壓波動參數，并且所述電壓變化率大于所述電壓波動參數，判定線束出現故障。
42、第三方面，本專利技術還提供了一種電子設備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現上述中任意一項所述的新能源汽車線束電壓的測試方法。
43、第四方面，本專利技術還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行上述中任意一項所述的新能源汽車線束電壓的測試方法。
44、本專利技術公開了一種新能源汽車線束電壓的測試方法，通過采集無干擾線束電壓和實際線束電壓，進行波動計算，得到電壓波動參數。利用knn聚類分析對線束電壓數據進行聚類分析，結合預先訓練完成的故障預測模型，計算預測誤差和電壓變化率。當預測誤差大于電壓波動參數，并且電壓變化率大于線束電壓波動參數時，能夠有效判定線束故障。
45、具體地，本專利技術通過對無干擾線束電壓和實際線束電壓進行矩陣構建操作，得到鄰接矩陣和度矩陣，并利用譜圖論方法計算拉普拉斯矩陣，進一步通過特征值和特征向量的分解計算電壓波動參數。該方法能夠定量分析電壓波動特性，適用于檢測線束老化、松動等隱性本文檔來自技高網...
【技術保護點】
1.一種新能源汽車線束電壓的測試方法，其特征在于包括：
2.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述根據所述無干擾線束電壓和所述線束電壓，進行波動計算，得到電壓波動參數，包括：
3.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述對所述線束電壓進行KNN聚類分析，得到聚類分析數據，包括：
4.根據權利要求3所述的新能源汽車線束電壓的測試方法，其特征在于，所述對所述線束電壓進行數據集構建與劃分操作，得到訓練數據和測試數據，包括：
5.根據權利要求3所述的新能源汽車線束電壓的測試方法，其特征在于，所述基于預設鄰居個數，對所述訓練數據和所述測試數據進行KNN聚類分析，得到聚類分析數據，包括：
6.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述故障預測模型的訓練過程包括：
7.根據權利要求6所述的新能源汽車線束電壓的測試方法，其特征在于，所述根據所述電壓波動函數，構建初始故障預測模型，基于所述聚類分析數據作為輸入數據對所述初始故障預測模型進行訓練，得到訓
8.一種新能源汽車線束電壓的測試裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7中任意一項所述的新能源汽車線束電壓的測試方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至7中任意一項所述的新能源汽車線束電壓的測試方法。
...【技術特征摘要】
1.一種新能源汽車線束電壓的測試方法，其特征在于包括：
2.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述根據所述無干擾線束電壓和所述線束電壓，進行波動計算，得到電壓波動參數，包括：
3.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述對所述線束電壓進行knn聚類分析，得到聚類分析數據，包括：
4.根據權利要求3所述的新能源汽車線束電壓的測試方法，其特征在于，所述對所述線束電壓進行數據集構建與劃分操作，得到訓練數據和測試數據，包括：
5.根據權利要求3所述的新能源汽車線束電壓的測試方法，其特征在于，所述基于預設鄰居個數，對所述訓練數據和所述測試數據進行knn聚類分析，得到聚類分析數據，包括：
6.根據權利要求1所述的新能源汽車線束電壓的測試方法，其特征在于，所述故...
【專利技術屬性】
技術研發人員：雷國剛，唐閏軍，楊開洪，
申請(專利權)人：深圳市德同興電子股份有限公司，
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。