数据驱动助力新能源汽车电机故障诊断
时间:2021-01-04 09:34来源:北京理工新源 作者:秩名
电机是纯电动汽车的核心动力传输部件，其性能和稳定性直接影响着整车的能耗、安全性和稳定性。当电机出现故障时，会影响汽车的动力输出，严重时会导致交通事故发生，甚至人员伤亡。因此，及时发现电机异常状态，在故障发生初期对电机进行检修和维护，可有效延长电机使用寿命、减少事故发生率、提高整车的安全性。
根据汽车行业标准QC/T 893-2011，电动汽车行业广泛使用的永磁同步电机发生故障的类型主要有以下几类：
电机内部轴承故障或定子、转子间气隙动、静态及混合偏心故障；
主要为定子绕组故障，表现为绕组短路、开路以及接地故障，该故障的发生会造成定子线圈烧毁而无法工作；
主要表现为永磁体局部或均匀退磁，该故障的发生直接影响电磁扭矩的产生，降低转矩的输出；
主要为电机转速、位置以及电流传感器故障，当传感器故障发生时，代表着传感器功能失效，使驱动电机系统不能工作。
目前，电机的故障诊断方法主要采用基于电机物理模型和专家知识等方法，这些方法依赖于精确的数学模型和专家知识库，具有适用场景少、鲁棒性低、泛化性差等不足。近年来，随着大数据、云计算和物联网技术的发展，新能源汽车的运行、缺陷召回和事故鉴定等海量的数据被获取和存储。我们可以整合多源的海量原始数据，挖掘出与电机故障相关的有效信息，诊断并预测在不同工况、不同环境、不同驾驶行为下电机故障。因获取的数据更加贴近现实使用工况，以现实数据为驱动的电机故障诊断更加有意义，适用性更强，同时摆脱了对电机模型和专家知识库的依赖。
北理新源拥有先进的研究平台和丰富的数据资源，依托北京理工大学电动车辆国家工程实验室，建设全球最大的新能源汽车监测与管理平台，为研究新能源汽车故障诊断技术提供数据支撑和平台支撑。当前，北理新源融合缺陷召回、事故鉴定等多源数据，借助机器学习、深度学习、信息融合和多元统计分析法等技术深度挖掘电机故障表征体系，建立驱动电机系统运行安全特征分析模型，研究驱动电机线上诊断和风险预警技术。未来几年，北理新源期望协助攻克多维数据融合的运行安全隐患辨识与智能检验等科学问题，推动实现新能源汽车安全风险“早预测、早发现、早消除”，降低新能源汽车安全隐患和交通事故率。
