【技术实现步骤摘要】
本专利技术涉及机械状态监测，尤其涉及一种新能源汽车的电动机轴承健康状态监测方法及装置。
技术介绍
1、新能源汽车是指采用非常规的车用燃料作为动力来源，或使用常规的车用燃料、采用新型车载动力装置，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进，具有新技术，新结构的汽车。
2、轴承是新能源汽车电动机驱动系统的关键组成部分，电机轴承的正常运行是电机驱动系统的正常运行的前提。然而在新能源汽车电机向高频化、高压化和高速化的发展方向变化的进程中，新能源汽车电机轴承会越来越受到电腐蚀的影响。轴承在工作过程中若遭遇高温、润滑条件差等情况，其不仅会导致新能源汽车电机轴承的性能下降，而且会缩短新能源汽车电机轴承的使用寿命，甚至还会导致新能源汽车电机轴承发生故障。
3、现有的针对新能源汽车电动机的轴承健康状态监测方法主要基于信号处理方法，该方法直接从轴承振动信号中进行特征提取，通过相应的特征进行健康状态监测，但该过程对于人工经验要求较高，需要人为的对信号中的特征进行分析，不能及时发现轴承出现故障的情况，导致监测效果不理想。
技术实现思路
1、本专利技术提供了一种新能源汽车的电动机轴承健康状态监测方法及装置，用于解决现有的针对新能源汽车电动机的轴承健康状态监测方法不能及时发现轴承出现故障的情况，导致监测效果不理想的技术问题。
2、本专利技术第一方面提供的一种新能源汽车的电动机轴承健康状态监测方法，包括：
3、获取多个电动机轴承真实运行数据；>
4、基于数字孪生建模法，采用多个所述电动机轴承真实运行数据构建电动机轴承数字孪生模型；
5、基于所述电动机轴承数字孪生模型，生成电动机轴承虚拟数据；
6、对所述电动机轴承虚拟数据进行预处理和数据对齐，输出电动机轴承运行对齐数据；
7、将所述电动机轴承运行对齐数据输入至预置多模态数据融合网络进行多模态特征融合，输出融合特征数据；
8、采用预置电动机轴承健康状态监测模型根据所述融合特征数据对电动机轴承进行健康状态监测，生成电动机轴承健康状态监测结果。
9、可选地，所述电动机轴承运行对齐数据包括轴承振动信号和轴承图像；所述融合特征数据包括目标轴承特征图、目标隐藏状态和融合特征图；所述预置多模态数据融合网络包括卷积神经网络模型和递归神经网络模型；所述将所述电动机轴承运行对齐数据输入至预置多模态数据融合网络进行多模态特征融合，输出融合特征数据的步骤，包括：
10、采用所述卷积神经网络模型对所述轴承图像进行图像特征提取，生成所述轴承振动信号对应的目标轴承特征图；
11、通过所述递归神经网络模型对所述轴承振动信号进行数据特征提取，输出所述轴承振动信号对应的目标隐藏状态；
12、对所述目标轴承特征图和所述目标隐藏状态进行特征融合，输出融合特征图。
13、可选地，所述卷积神经网络模型包括串联的两个卷积层、批量归一化层、relu激活函数层；所述采用卷积神经网络模型对轴承图像进行图像特征提取，生成所述轴承振动信号对应的目标轴承特征图的步骤，包括：
14、采用所述串联的两个卷积层对所述轴承图像进行卷积运算，输出轴承卷积特征图；
15、通过所述批量归一化层对所述轴承卷积特征图进行归一化，输出归一化特征图；
16、将所述归一化特征图输入至所述relu激活函数层进行非线性映射，输出非线性特征图；
17、将所述非线性特征图和所述轴承卷积特征图进行叠加，输出目标轴承特征图。
18、可选地，所述递归神经网络模型包括更新门和重置门；所述通过所述递归神经网络模型对所述轴承振动信号进行数据特征提取，输出所述轴承振动信号对应的目标隐藏状态的步骤，包括：
19、将所述轴承振动信号输入至所述重置门进行状态重置，输出轴承重置状态；
20、采用所述更新门对所述轴承振动信号进行状态更新，输出轴承更新状态；
21、对所述轴承重置状态和历史时刻目标隐藏状态进行逐元素相乘，确定轴承重置隐藏状态；
22、根据所述轴承重置隐藏状态和所述轴承振动信号，计算候选隐藏状态；
23、对所述轴承更新状态和所述历史时刻目标隐藏状态进行逐元素相乘，确定轴承更新隐藏状态；
24、采用预置常数与所述轴承更新状态进行差值运算，输出轴承差值状态；
25、对所述轴承差值状态和所述候选隐藏状态进行逐元素相乘，确定轴承差值隐藏状态；
26、对所述轴承差值隐藏状态和所述轴承更新隐藏状态进行叠加，输出目标隐藏状态。
27、可选地，所述预置电动机轴承健康状态监测模型包括输入层、并联的三个内部状态层和输出层；所述采用预置电动机轴承健康状态监测模型根据所述融合特征数据对电动机轴承进行健康状态监测，生成电动机轴承健康状态监测结果的步骤，包括：
28、通过所述并联的三个内部状态层对所述输入层接收的所述目标轴承特征图、所述目标隐藏状态和所述融合特征图进行内部状态更新，输出轴承特征内部状态、目标隐藏内部状态和融合特征内部状态；
29、采用所述目标轴承特征图、所述目标隐藏状态、所述融合特征图、所述轴承特征内部状态、所述目标隐藏内部状态和所述融合特征内部状态对所述电动机轴承进行健康状态监测，生成电动机轴承健康状态监测结果；
30、通过所述输出层将所述电动机轴承健康状态监测结果进行输出。
31、可选地，所述并联的三个内部状态层的数据处理过程，具体为：
32、
33、其中，为t时刻的内部状态层输出的目标隐藏内部状态；为对数sigmoid激活函数；为t时刻的目标隐藏状态；为输入权值；为t-1时刻的内部状态层输出的目标隐藏内部状态；为第一内部状态层的神经元连接权值；为t时刻的内部状态层输出的轴承特征内部状态；为t时刻的目标轴承特征图；为t-1时刻的内部状态层输出的轴承特征内部状态；为第二内部状态层的神经元连接权值；为t时刻的内部状态层输出的融合特征内部状态；为t时刻的融合特征图；为t-1时刻的内部状态层输出的融合特征内部状态；为第三内部状态层的神经元连接权值。
34、本专利技术第二方面提供的一种新能源汽车的电动机轴承健康状态监测装置，包括：
35、获取模块，用于获取多个电动机轴承真实运行数据；
36、构建模块，用于基于数字孪生建模法，采用多个所述电动机轴承真实运行数据构建电动机轴承数字孪生模型；
37、生成模块，用于基于所述电动机轴承数字孪生模型，生成电动机轴承虚拟数据；
38、预处理模块，用于对所述电动机轴承虚拟数据进行预处理和数据对齐，输出电动机轴承运行对齐数据；
39、融合模块，用于将所述电动机轴承运行对齐数据输入至预置多模态数据融合网络进行多模态特征融合，输出融合特征数据；
40、监测模块，用于采用预置电动机轴承健康状态监测模型本文档来自技高网...
【技术保护点】
1.一种新能源汽车的电动机轴承健康状态监测方法，其特征在于，包括：
2.根据权利要求1所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述电动机轴承运行对齐数据包括轴承振动信号和轴承图像；所述融合特征数据包括目标轴承特征图、目标隐藏状态和融合特征图；所述预置多模态数据融合网络包括卷积神经网络模型和递归神经网络模型；所述将所述电动机轴承运行对齐数据输入至预置多模态数据融合网络进行多模态特征融合，输出融合特征数据的步骤，包括：
3.根据权利要求2所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述卷积神经网络模型包括串联的两个卷积层、批量归一化层、ReLU激活函数层；所述采用卷积神经网络模型对轴承图像进行图像特征提取，生成所述轴承振动信号对应的目标轴承特征图的步骤，包括：
4.根据权利要求2所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述递归神经网络模型包括更新门和重置门；所述通过所述递归神经网络模型对所述轴承振动信号进行数据特征提取，输出所述轴承振动信号对应的目标隐藏状态的步骤，包括：
5.根据权利要
6.根据权利要求5所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述并联的三个内部状态层的数据处理过程，具体为：
7.一种新能源汽车的电动机轴承健康状态监测装置，其特征在于，包括：
8.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-6任一项所述的新能源汽车的电动机轴承健康状态监测方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现如权利要求1-6任一项所述的新能源汽车的电动机轴承健康状态监测方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现如权利要求1-6任一项所述的新能源汽车的电动机轴承健康状态监测方法的步骤。
...【技术特征摘要】
1.一种新能源汽车的电动机轴承健康状态监测方法，其特征在于，包括：
2.根据权利要求1所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述电动机轴承运行对齐数据包括轴承振动信号和轴承图像；所述融合特征数据包括目标轴承特征图、目标隐藏状态和融合特征图；所述预置多模态数据融合网络包括卷积神经网络模型和递归神经网络模型；所述将所述电动机轴承运行对齐数据输入至预置多模态数据融合网络进行多模态特征融合，输出融合特征数据的步骤，包括：
3.根据权利要求2所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述卷积神经网络模型包括串联的两个卷积层、批量归一化层、relu激活函数层；所述采用卷积神经网络模型对轴承图像进行图像特征提取，生成所述轴承振动信号对应的目标轴承特征图的步骤，包括：
4.根据权利要求2所述的新能源汽车的电动机轴承健康状态监测方法，其特征在于，所述递归神经网络模型包括更新门和重置门；所述通过所述递归神经网络模型对所述轴承振动信号进行数据特征提取，输出所述轴承振动信号对应的目标隐藏状态的步骤，包括：
5.根据权利要求2所述的新能源汽车的电动机轴承健康状态监测方法...
【专利技术属性】
技术研发人员：陈兴彬，冯桑，黄晓涛，张宁，何鸿杰，张斌彧，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。