[发明专利]一种动力舱状态实时监控评价方法

说明书

本发明公开了一种动力舱状态实时监控评价方法，通过多路传感器采集动力舱的多种状态数据；将状态数据按照时间维进行切片；使用带有传感器数据标定模块的卷积神经网络提取数据切片的空间特征；使用带有故障类别解析模块的门控循环神经网络在所述空间特征上进一步提取表征时间的特征序列，进而获得故障参数；依次处理各数据切片，实现故障类型和故障参数的提取；最后根据熵值法，利用当前状态数据下一段时间的故障参数计算出动力舱运行状态的总评价得分。使用本发明能够利用少量的传感器数据一次性获得故障类别和表征故障严重程度的故障参数，计算出代表动力舱运行状态的得分，完成对动力舱状态的监控和评价。

技术领域

本发明涉及自动检测技术领域，尤其涉及一种动力舱状态实时监控评价方法。

背景技术

动力舱是一辆汽车最为重要的核心部件之一，主要由发动机、变速箱、冷却系统等组成，用来为整车提供动力。如此重要的部件自然需要更多的关注和保护，因此准确的故障诊断算法是十分必要的。在装车前发现问题，可以防止制造问题车辆；在运行的车辆上发现问题，可以保护系统其他部分以及驾驶者的人身安全。

现有的成熟方法一般只对动力舱所属的故障类别进行了判断，而对故障的严重程度却没有合适的判断方法，而故障的严重程度也是影响处理措施的一个关键因素。

发明内容

有鉴于此，本发明提供了一种动力舱状态实时监控评价方法，能够利用少量的传感器数据一次性获得故障类别和表征故障严重程度的故障参数，计算出代表动力舱运行状态的得分，完成对动力舱状态的监控和评价，保障动力舱的正常运行，增强汽车安全性。

为了解决上述技术问题，本发明是这样实现的：

一种动力舱状态实时监控评价方法，包括：

步骤S1、通过多路传感器采集动力舱的多种状态数据；每种状态数据为一维时间序列；将状态数据按照时间维进行切片；

步骤S2、使用带有传感器数据标定模块的卷积神经网络提取数据切片的空间特征；所述传感器数据标定模块利用全局平均池化放大反应故障的状态数据；

步骤S3、使用带有故障类别解析模块的门控循环神经网络在所述空间特征上进一步提取表征时间的特征序列，进而获得故障参数；所述故障类别解析模块从门控循环神经网络主通道提取第一特征序列经处理获得故障类型，同时将故障类型反馈到门控循环神经网络主通道中继续处理产生第二特征序列进而确定刻画故障严重程度的故障参数；

采用步骤S1～S3的方式依次处理各数据切片，实现故障类型和故障参数的提取；

步骤S4、根据熵值法，利用当前状态数据下一段时间的故障参数计算出动力舱运行状态的总评价得分。

优选地，所述步骤S1包括：将多路状态数据拼接为二维矩阵形式，按照时间分割为多个M×N的矩阵切片；M表示矩阵切片包括M个时间序列，N为状态数据的总类别数；

所述步骤S2包括：

步骤S2-1、将矩阵切片输入第一卷积模块，得到第一特征图；

步骤S2-2、将第一特征图按照状态数据种类的维度进行全局平均池化，再经过激活函数为sigmod函数的第一全连接网络得到N个范围在[0,1]之间的权重参数，将权重参数与第一特征图相乘得到标定后的状态数据；

步骤S2-3、将标定后状态数据输入进第二卷积模块，得到第二特征图。

优选地，所述门控循环神经网络的主通道至少包括5层循环层；

将卷积神经网络得到的第二特征图输入门控循环神经网络中主通道的第一层循环层A，经过至少两层循环层的处理得到第一特征序列；产生第一特征序列的循环层即为循环层In；