基于支持向量機的柴電混合動力故障診斷研究

韓耀輝，劉波瀾，王文泰，劉凡碩，張俊偉

（北京理工大學機械與車輛學院，北京100081）

0 概述

由于混合動力汽車較傳統汽車系統結構復雜，可能發生的故障種類和形式更多，故障的表現和故障的成因之間的關系也更加錯綜復雜。混合動力汽車與傳統汽車相比新增了高壓元器件及附屬設備，這也提高了原車上弱電設備出現故障的可能性。同時，從控制層面而言，新增的電機控制器單元（motor control unit，MCU）和電池管理系統（battery management system，BMS）提高了控制系統的復雜度，也提高了故障發生的可能性。多種因素使得傳統汽車的故障診斷技術在面對混合動力汽車時捉襟見肘。雖然應用于傳統汽車上的發動機、變速器等系統的診斷技術可移植到混動汽車的相應部件上［1-3］，但混合動力汽車相比傳統汽車新增的部件也需新的診斷方案。針對動力電池故障，目前有用基于密度空間的聚類算法［4］、遺傳算法［5］、基于隨機森林分類器的算法［6］、人工神經網絡［7］、模糊算法［8］等；針對電機故障，目前有基于短時傅里葉變換和卷積神經網絡的故障診斷算法［9］、基于支持向量機的故障診斷算法［10］、基于電機電流頻譜分析和支持向量機結合的故障診斷算法［11］。這些故障診斷算法被廣泛應用于發動機、電池及電機的故障診斷。然而，針對單一部件的故障診斷并不是完整的混合動力系統故障診斷解決方案，在實際系統運行時各部件作為一個整體互相影響，從單一部件出發的故障診斷可能不足以準確地定位故障。……