[发明专利]带狗齿离合器新能源变速箱换挡性能预测方法及系统

权利要求书

1.一种带狗齿离合器新能源变速箱换挡性能预测方法，其特征在于，所述方法包括：

获取目标变速箱，并确定出当前所述目标变速箱对应的变速箱物理参数；

基于所述变速箱物理参数对所述目标变速箱进行换挡性能测试，以获取到若干对应的测试参数，并根据若干所述测试参数计算出对应的换挡性能评价指标；

基于BP神经网络以及所述换挡性能评价指标构建出对应的BP神经网络预测模型，并根据所述BP神经网络预测模型对当前所述目标变速箱进行换挡性能预测。

2.根据权利要求1所述的带狗齿离合器新能源变速箱换挡性能预测方法，其特征在于：所述目标变速箱包括换挡毂，所述基于所述变速箱物理参数对所述目标变速箱进行换挡性能测试，以获取到若干对应的测试参数的步骤包括：

识别出所述换挡毂在所述目标变速箱换挡过程的不同阶段分别产生的信号识别点以及换挡毂角度，并根据所述信号识别点以及所述换挡毂角度将所述目标变速箱的换挡过程划分为摘挡阶段以及进挡阶段；

依次采集所述目标变速箱在所述摘挡阶段以及所述进挡阶段分别产生的若干测试信号，并根据若干所述测试信号获取到若干对应的所述测试参数。

3.根据权利要求1所述的带狗齿离合器新能源变速箱换挡性能预测方法，其特征在于：所述根据若干所述测试参数计算出对应的换挡性能评价指标的步骤包括：

根据若干所述测试参数构建出对应的特征向量，并根据所述特征向量构建出对应的特征矩阵；

通过主成分分析算法对所述特征矩阵进行线性组合，并将所述线性组合中的最大特征值对应的特征向量的系数融合指标定义为所述换挡性能评价指标。

4.根据权利要求1所述的带狗齿离合器新能源变速箱换挡性能预测方法，其特征在于：所述基于BP神经网络以及所述换挡性能评价指标构建出对应的BP神经网络预测模型的步骤包括：

通过预设程序构建出所述BP神经网络，并将所述换挡性能评价指标等间隔选取至所述BP神经网络中，以构建出BP神经网络初始模型；

对所述BP神经网络初始模型进行迭代更新处理，以生成所述BP神经网络预测模型。

5.根据权利要求1所述的带狗齿离合器新能源变速箱换挡性能预测方法，其特征在于：所述方法还包括：

获取所述目标变速箱的全寿命周期特征参数的历史数据，并根据所述历史数据计算出所述目标变速箱在所述全寿命周期内的完整换挡性能评价指标；

计算出所述完整换挡性能评价指标处于完全失效时刻对应的目标指标值，并根据所述目标指标值按照预设比例生成与所述目标变速箱对应的预测阈值；

判断所述目标变速箱实时预测生成的换挡性能评价指标是否达到所述预测阈值；

若判断到所述目标变速箱实时预测生成的换挡性能评价指标达到所述预测阈值，则判定当前所述目标变速箱的使用性能开始下降。

6.一种带狗齿离合器新能源变速箱换挡性能预测系统，其特征在于，所述系统包括：

获取模块，用于获取目标变速箱，并确定出当前所述目标变速箱对应的变速箱物理参数，所述目标变速箱包括狗齿离合器；

测试模块，用于基于所述变速箱物理参数对所述目标变速箱进行换挡性能测试，以获取到若干对应的测试参数，并根据若干所述测试参数计算出对应的换挡性能评价指标；

预测模块，用于基于BP神经网络以及所述换挡性能评价指标构建出对应的BP神经网络预测模型，并根据所述BP神经网络预测模型对当前所述目标变速箱进行换挡性能预测。

7.根据权利要求6所述的带狗齿离合器新能源变速箱换挡性能预测系统，其特征在于：所述测试模块具体用于：

识别出所述换挡毂在所述目标变速箱换挡过程的不同阶段分别产生的信号识别点以及换挡毂角度，并根据所述信号识别点以及所述换挡毂角度将所述目标变速箱的换挡过程划分为摘挡阶段以及进挡阶段；

依次采集所述目标变速箱在所述摘挡阶段以及所述进挡阶段分别产生的若干测试信号，并根据若干所述测试信号获取到若干对应的所述测试参数。