[发明专利]预测电动汽车中电机过温的方法和装置

说明书

本发明公开了一种预测电动汽车中电机过温的方和装置。其中，该方法包括：获取车辆传感器采集到的车辆数据流，车辆数据流为待测电动汽车行驶过程中产生的实时信号：对车辆数据流进行预处理，并采用上下文特征工程对预处理后的车辆数据流进行特征计算，得到待测电动车的多个车辆特征，车辆特征包括：影响待测电动汽车的电机是否过温的关键特征；将计算得到的车辆特征输入至电机过温预测模型，预测得到车辆的电机是否存在电机过温；如果存在，则发出预警信息。本发明解决了相关技术中由于电机温度过高造成的电机性能下降的技术问题。

技术领域

本发明涉及新能源汽车领域，具体而言，涉及一种预测电动汽车中电机过温的方法和装置。

背景技术

对电动汽车而言，电源为电动汽车的驱动电机提供电能，电机将电源的电能转化为机械能，并通过传动装置或直接驱动车轮和工作装置。电机作为电动汽车整车的动力输出单元，被称为电动汽车的“心脏”。而当电机温度过高时，会导致电机性能下降、电机内部耐热性差的零件过热烧蚀，以及影响驾驶的舒适性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种预测电动汽车中电机过温的方法和装置，以至少解决相关技术中由于电机温度过高造成的电机性能下降的技术问题。

根据本发明实施例的一个方面，提供了一种预测电动汽车中电机过温的方法，电机用于将电源的电能转化为驱动电动汽车工作的机械能，方法包括：获取车辆传感器采集到的车辆数据流，其中，车辆数据流为待测电动汽车行驶过程中产生的实时信号：对车辆数据流进行预处理，并采用上下文特征工程对预处理后的车辆数据流进行特征计算，得到待测电动车的多个车辆特征，其中，车辆特征包括：影响待测电动汽车的电机是否过温的关键特征；将计算得到的车辆特征输入至电机过温预测模型，预测得到车辆的电机是否存在电机过温；如果存在，则发出预警信息。

可选地，该方法还包括：创建电机过温预测模型，包括：获取多个电动汽车在历史行驶过程中产生的历史车辆数据；从历史车辆数据中提取与电机过温具有关联关系的多个车辆参数，其中，车辆参数包括如下至少之一：电机温度、电机转速、电机扭矩、电机电压和电流、车辆车速、电池剩余电量；基于与电机过温具有关联关系的多个车辆参数，确定影响电动汽车发生电机过温的多个关键特征；将多个关键特征经过特征工程处理，生成电机过温样本；采用电机过温样本训练机器学习模型，生成电机过温预测模型。

可选地，从历史车辆数据中提取与电机过温具有关联关系的多个车辆参数，包括：对历史车辆数据进行预处理，获取历史时间内实时产生的多个车辆信号；分析每个车辆信号与电机过温之间的关联关系，确定与电机过温存在强关联的车辆信号；基于与电机过温存在强关联的车辆信号，确定与电机过温具有关联关系的多个车辆参数，其中，每个与电机过温具有关联关系的车辆参数的关键特征。

可选地，基于与电机过温具有关联关系的多个车辆参数，确定影响电动汽车发生电机过温的多个关键特征，将多个关键特征经过特征工程处理，生成电机过温样本，包括：获取每个车辆信号所在的信号通道，并对每个车辆信号进行划分，得到每个信号通道的过温片段和正常片段；提取任意一个过温片段，并以提取到的过温片段第一个过温点为起始点，按照预定窗口长度为步长向前滑动至少一次，获取滑动窗口提取到的车辆参数；基于滑动窗口提取到的车辆参数，确定影响电动汽车发生电机过温的关键特征，其中，关键特征构成正样本；从远离过温片段的正常片段中提取负样本；合并正样本和负样本，生成电机过温样本。

可选地，该方法还包括：通过分析电机过温之前的电机温度，获取正样本筛选条件；如果提取到的车辆参数满足正样本筛选条件，则取该车辆参数的特征值作为关键特征，得到一条正样本。

可选地，如果提取到的车辆参数不满足正样本筛选条件，进入从远离过温片段的正常片段中提取负样本的步骤。