电动车辆再生制动系统中基于数据的故障诊断
再生制动系统RBS是应用于电动车和混合动力车辆上最有发展前景和环保的技术之一。讨论一种动力电动车辆的再生制动系统用于检测和诊断故障的系统数据驱动方法。
通过混联传动方式，采用PSAT软件搭建再生制动系统模型RBS。RBS包括驾驶员模型、传动系统控制器、部件控制器及传动系统模型。驾驶员模型模拟循环工况；传动系统控制器PTC是用来产生上层决策的顶层控制器，上层决策用来影响传动系统的一般状态、车辆的操作模式以及向部件控制器传递扭矩请求；部件控制器将理想的扭矩请求转变为部件命令；传动系统模型包含整车底盘的所有部件。
RBS系统含有12个传感器故障和参数故障，制动系统中共需检测25个信号，包括温度信号、速度信号、传动系统中各部件的当前信号、电机扭矩信号、车轮扭矩信号、发动机扭矩信号以及部件命令信号等。传感器和参数的故障通过基于故障输入试验的仿真得到，传感器中最长见的故障是附加故障。检测信号的测量值和真实值之间具有一定差别，故传感器故障作为测量信号的偏差进行仿真。RBS的数据驱动过程FDD包括离线训练阶段和在线测试阶段，该过程主要分为3步：数据压缩、故障检测和故障分类。在离线训练阶段中，数据压缩用于不同故障情况的剩余偏差中，压缩后的数据用于训练故障分级器。在线测试阶段故障分级器按照压缩后的数据将故障分类，故障检测用来检测特定信号相对于其正常值的偏差或偏差率；故障分类包括支持向量机、最邻近分类法等，用于隔离RBS系统中的故障。整套方法显示了较高的诊断准确性，可用于任何车辆系统的故障分析。
