[发明专利]基于工况数据的新能源汽车电控系统故障预测方法

权利要求书

1.一种基于工况数据的新能源汽车电控系统故障预测方法，其特征在于，其具体的实施步骤包括：

a.从新能源汽车工况数据库中提取与电控系统相关的数据，数据包括三类，第一类为控制器输出偏差及仪表的指示偏差，第二类为控制器通信数据，第三类为控制器响应数据，每一条数据都对应着一个故障标签，数据都为矩阵格式，作为BP神经网络模型训练的训练集；

b.确定BP神经网络预测模型的拓扑结构：总共包含四层——输入层、隐藏层、softmax层、输出层，其输入层的节点数为a中所述数据的种类，总共为18个节点数；隐含层节点数3个；softmax层对应一种将回归结果转化为概率的方法，将前部分的矩阵运算结果转化为三种故障的概率；输出层节点数3个；

将步骤a中的训练集输入到神经网络模型进行训练，具体的算法为随机梯度下降法，其训练过程为：

a1、初始化模型参数，包括21个节点的权重和偏置，初始化方法为随机生成参数；

a2、通过矩阵运算，将训练数据与参数进行矩阵相乘相加，得到回归结果后经过softmax层转化为故障的概率，完成一次迭代；将该次迭代的训练结果与真实值对比得到误差，将误差对神经网络各层的参数求偏导数并沿着偏导数的负方向更新参数，通过不断的迭代进行参数修正，来使得模型的计算结果不断地靠近真实值，当最终的误差小于一定阈值或者迭代达到一定次数，则得到最终的模型参数，完成预测模型的建立；

d.利用训练好的神经网络，在进行实时的新能源汽车电控系统检测时，将采集到的控制器显示偏差、仪表显示偏差、控制器通信数据、控制器响应偏差输入神经网络的输入层，输出层会输出对应的电控系统故障类别，实现了电控系统的故障预测。

2.如权利要求1所述的新能源汽车电控系统故障预测方法，其特征在于，步骤a中的三类数据包括：

第一类数据，控制器输出偏差及仪表指示偏差包括：剩余续驶里程显示值误差、转鼓行驶路程误差、电机转速显示误差、车速显示误差、电量显示误差、温度显示误差；

第二类数据，控制器通信数据用于概括车辆各通信系统之间是否正常通信，包括：CAN网络通信系统、整车控制器ECU、电池管理系统BMS、电机控制器之间的通信功能，正常通信为1，不正常通信为0；

第三类数据，控制器响应偏差包括：加速踏板输入数据与电机输出转速偏差、制动踏板输入数据与制动系统制动力偏差。

3.如权利要求2所述的新能源汽车电控系统故障预测方法，其特征在于通过输入电控系统故障数据进行神经网络模型的训练，其权利要求2中所述的三类数据对应输入到神经网络模型输入层的一个节点，通过迭代训练得到预测模型的参数。