[发明专利]一种混合动力汽车热管理系统的故障诊断方法

说明书

本发明请求保护一种混合动力汽车热管理系统的故障诊断方法。包括以下步骤：选择热管理系统各部件出水口温度、压力、流量值作为输入变量，在热管理系统各回路布置温度、压力、流量传感器，分别采集正常情况和故障情况下的样本数据。采用主成分分析法对样本数据进行特征提取，得到降维后的样本数据，将样本数据分为训练集和测试集；设计RBF神经网络故障诊断模型，采用粒子群算法优化RBF神经网络的基函数中心、方差和连接权值；将训练好的RBF神经网络应用到混合动力汽车热管理系统的故障诊断，直接得到各执行件的故障状态。本发明利用各部件的实时参数对热管理系统进行状态和故障诊断，可以及时检测到热管理系统故障并直接确定故障位置。

技术领域

本发明属于混合动力汽车故障诊断领域，具体为一种混合动力汽车的热管理系统故障诊断方法。

背景技术

随着汽车产量和保有量不断增加，全球变暖、空气污染、化石能源减少等问题日益严重，节能环保已成为当前汽车研究急需解决的问题之一。混合动力汽车充分利用发动机和电池、电机的工作特性，能够合理分配能源，在满足汽车动力性要求和行驶性能的前提下，能够有效地提高燃油经济性和清洁环保性，减少排放，被认为是当前节能减排的有效途径之一。

目前，各国学者对热管理系统故障诊断进行了大量研究。文献[1]采用主成分分析法(PCA)将冷水机组的正常数据分解为主元子空间和残差子空间，使用残差子空间得分矩阵建立故障诊断的支持向量机模型，实验结果表明，相对传统支持向量机故障诊断模型，PCA算法对小幅故障检测效率的提高效果显著。文献[2]针对多联机制冷剂充注量故障，使用PCA算法对原始数据进行降维处理，利用决策树算法进行故障诊断，数据处理后的诊断结果准确率提高约3.32％。文献[3]将基于遗传算法和支持向量机的故障诊断方法应用于制冷机。采用遗传算法进行特征选择，以消除不相关和冗余特征，能够提高学习任务效率和预测准确性。文献[4]将卡尔曼滤波器和基于模型的预测控制器应用于核电站二次冷却回路的模型。采用基于卡尔曼的策略，对阀门子系统进行及时的故障检测和诊断。完整的策略能够充分响应各种干扰，从而有助于提高研究系统的弹性。