隨著社會的發(fā)展和人們環(huán)保意識的提高,電動車作為一種綠色、便捷的交通出行工具,普及率越來越高,深受人們的喜愛。尤其是老年電動代步車,它是專門為老年人以及行動不便的殘疾人士設(shè)計的一種方便出行的工具。故障診斷和預(yù)測技術(shù)經(jīng)歷了幾十年的發(fā)展,已取得了豐碩的研究成果。如何將故障診斷和預(yù)測技術(shù)應(yīng)用到電動代步車系統(tǒng)中,以提高電動代步車的可靠性和安全性具有重要的研究意義和實用價值。本文針對電動代步車系統(tǒng)提出了一種基于混雜鍵合圖和隨機濾波的故障診斷和剩余使用壽命預(yù)測方法。首先,基于混雜鍵合圖理論建立了電動代步車系統(tǒng)的混雜鍵合圖模型。接著,通過參數(shù)辨識方法辨識出系統(tǒng)模型參數(shù),根據(jù)獲得的電動代步車混雜鍵合圖模型,推導(dǎo)出全局解析冗余關(guān)系用于故障檢測�；谌纸馕鋈哂嚓P(guān)系建立模式變化特征矩陣和模式依賴故障特征矩陣進行模式跟蹤和故障隔離,得到系統(tǒng)的工作模式和可能的故障集合。為了對可能故障集合進行更新以獲得真正的故障源,需要借助故障辨識方法將可能故障集合中的故障參數(shù)進行辨識,并將故障辨識結(jié)果和參數(shù)的標(biāo)稱值作對比,根據(jù)比較結(jié)果確定真正的故障。本文首先介紹了非線性系統(tǒng)中常用的擴展卡爾曼濾波算法和無跡卡爾曼濾波算法,并根據(jù)... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１解析冗余的原理圖??Ｆｉｇ?１．１?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ａｎａｌｙｔｉｃａｌ?ｒｅｄｕｎｄａｎｃｙ－ｂａｓｅｄ?ｆａｕｌｔ?ｄｉａｇｎｏｓｉｓ??

?脅｜Ｅ工業(yè)大學(xué)碩士斑文???［５］�；谛盘柕墓收显\斷方法在感應(yīng)電機、功率變換器和系統(tǒng)中機械部件的實時監(jiān)??測和診斷中有著廣泛的應(yīng)用。其原理圖如圖１．２所示ｓ??．．ＪＩ?纖ｔｔｉ?只??７：?＾｜?ｉ秦觸■??？?ｆｔ督特征分析?？??故．障??ａ麵ｔｘ?■氺■?：＿謹(jǐn)信號?＾???ｕ桂｜過程?ｑ價號特怔生成??ａ?１．２塞于信號故障途斷的原理圖??Ｆｉｇ?１．２?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｓｉｇｎａｌ－ｂａｓｅｄ?ｆａｕｌｔ?ｄｉａｇｎｏｓｉｓ??信號特征的提取可以分為時域特診提取和頻域特征提齲時域特征的提取包??括均值、趨勢、方＿、標(biāo)準(zhǔn)差、幅値以及相位等，而頻域牿征包括頻譜等ａ面此基??于信號的故障診斷一般苽以分為時域信號診斷方法、頻域信號診斷方法和時頻信??號診斷方法。在［１４］中，盧義兵等通過綜合極性法比較小電流接地饋線中時頻、儀??號等暫態(tài)特征量，對相鄰線路中極性做記錄標(biāo)記并排序，實現(xiàn)了對小電流接地系統(tǒng)??故障的準(zhǔn)確判斷和定位。在［１５］中，Ｃ．Ｗｕ等提出了一種新型的永磁同步電機驅(qū)動??電流傳感器故障檢測與容錯控制策略。該方法只需要三相電流和電機轉(zhuǎn)子ｆｅ麗僧??息，不需要精確的系統(tǒng)模型和明確的參數(shù)，就可以實時評估系統(tǒng)健康狀態(tài)并且具有??在線修正獲得變化和零點漂移的能力。？??（３）基于知識的方法??塞乎先驗已知模型的方法與基號的方法的不同，基子知識的故障診斷方??法也稱為＿：基于數(shù)據(jù)驅(qū)動的故障診斷方法，它需要大量的歷史數(shù)據(jù)，然后借助人工智??能的手段，如機器學(xué)習(xí)和深度學(xué)習(xí)等，檢查系統(tǒng)觀察到的行為和知識庫之間的一致??性，從而在分類器的幫助下進行故障診斷決

圖４．１?ＵＫＦ和ＤＳＵＫＦ的對比??Ｆｉｇ?４．１?Ｃｏｍｐａｒｉｓｏｎ?ｂｅｔｗｅｅｎ?ＵＫＦ?ａｎｄ?ＤＳＵＫＦ??

【參考文獻】：
期刊論文
[1]偏最小二乘法在系統(tǒng)故障診斷中的應(yīng)用[J]. 梁北辰,戴景民.  哈爾濱工業(yè)大學(xué)學(xué)報. 2020(03)
[2]基于暫態(tài)信號的小電流接地系統(tǒng)故障定位[J]. 盧義兵,常彩霞,喬耀洲.  電子設(shè)計工程. 2020(04)
[3]基于模型的曲軸位置傳感器故障診斷研究[J]. 王貴勇,呂其峰,姚國仲,申立中.  傳感技術(shù)學(xué)報. 2020(01)
[4]基于數(shù)據(jù)清洗和知識遷移的變壓器故障診斷模型[J]. 白浩,王昱力.  電工電能新技術(shù). 2020(01)
[5]基于凸優(yōu)化-壽命參數(shù)退化機理模型的鋰離子電池剩余使用壽命預(yù)測[J]. 姜媛媛,曾文文,沈靜靜,楚軍.  電力系統(tǒng)及其自動化學(xué)報. 2019(03)
[6]面向輕量化目標(biāo)的新能源老年代步車設(shè)計[J]. 李洋,薛強,李明真.  機械設(shè)計. 2018(01)
[7]基于RBF神經(jīng)網(wǎng)絡(luò)的動力電池故障診斷系統(tǒng)研究[J]. 古昂,張向文.  電源技術(shù). 2016(10)
[8]多代理系統(tǒng)框架下的主動配電系統(tǒng)故障診斷[J]. 田方媛,張巖,徐兵,文福拴,朱炳銓,徐立中.  電力自動化設(shè)備. 2016(06)
[9]我國老年代步車市場調(diào)查研究[J]. 姚明月.  現(xiàn)代商貿(mào)工業(yè). 2015(10)
[10]Unscented extended Kalman filter for target tracking[J]. Changyun Liu1,2, Penglang Shui1, and Song Li2 1. National Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, P. R. China; 2. Missile College of Air Force Engineering University, Sanyuan 713800, P. R. China.  Journal of Systems Engineering and Electronics. 2011(02)

博士論文
[1]復(fù)雜機電系統(tǒng)服役過程的剩余壽命預(yù)測及維修決策方法研究[D]. 杜雪嬌.吉林大學(xué) 2019
[2]基于鍵合圖理論的多體系統(tǒng)耦合動力學(xué)建模方法的研究[D]. 王中雙.哈爾濱工業(yè)大學(xué) 2007

碩士論文
[1]基于LabVIEW的印刷機故障診斷系統(tǒng)設(shè)計[D]. 趙瑋.西安理工大學(xué) 2019
[2]基于輔助輸入信號的主動故障診斷方法研究[D]. 王俊德.北京化工大學(xué) 2019
[3]基于UKF的輪轂驅(qū)動汽車驅(qū)動電機轉(zhuǎn)矩故障診斷研究[D]. 佟玲.哈爾濱工業(yè)大學(xué) 2018
[4]基于鍵合圖的電動代步車故障診斷與預(yù)測[D]. 夏浩.合肥工業(yè)大學(xué) 2018
[5]基于鍵合圖理論的逆變器故障診斷方法研究[D]. 楊婷.哈爾濱工業(yè)大學(xué) 2013



本文編號：3264708