[发明专利]一种电动机监测方法及装置有效

专利信息
申请号: 201710525691.0 申请日: 2017-06-30
公开(公告)号: CN107356871B 公开(公告)日: 2019-12-13
发明(设计)人: 刘峰;刘杰;张春;张宁;李红辉;张杰 申请(专利权)人: 北京交通大学
主分类号: G01R31/34 分类号: G01R31/34;G01R31/00;B60L3/00
代理公司: 11477 北京尚伦律师事务所 代理人: 张俊国
地址: 100089 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电动机 监测 方法 装置
【说明书】:

本公开是关于一种电动机监测方法及装置。该方法包括:监测电动车辆的速度数据与电动机输入或输出的电能数据;根据所述速度数据选择相应的预先训练的深度神经网络模型;根据所述深度神经网络模型分析所述速度数据与所述电能数据是否匹配;当所述速度数据与所述电能数据不匹配时,确定所述电动发送机的工作状态异常。该技术方案,对于电动机工作的不同状态(输出电能状态和输入电能状态),采用不同深度神经网络模型对电动机的工作状态进行监测。这样,对电动机工作状态的监测更加准确,并且能够及时发现电动机的异常状态,提高电动车辆行驶效率及安全性。

技术领域

本公开涉及电动车辆技术领域,尤其涉及一种电动机监测方法及装置。

背景技术

目前,随着科技的发展及环境污染问题的日益严重,环保节能的电动车辆的发展愈加重要,并且已经开始逐渐普及。例如,我国的高速铁路列车就采用电力作为能源行驶,并且,电动汽车也在逐步取代燃油汽车,成为城市交通的主要交通工具之一。

因此,电动车辆的安全有效行驶作为重要问题,日益被大众所关注,而电动车辆的电动机的监测,更成为了重中之重。

发明内容

本公开实施例提供一种电动机监测方法及装置。所述技术方案如下:

根据本公开实施例的第一方面,提供一种电动机监测方法,包括:

监测电动车辆的速度数据与电动机输入或输出的电能数据;

根据所述速度数据选择相应的预先训练的深度神经网络模型;

根据所述深度神经网络模型分析所述速度数据与所述电能数据是否匹配;

当所述速度数据与所述电能数据不匹配时,确定所述电动机的工作状态异常。

可选的,所述速度数据包括所述电动车辆的行驶速度数据及加速度数据;所述深度神经网络模型包括所述行驶速度数据、加速度数据与所述电能数据的对应关系。

可选的,所述电能数据包括所述电动机输出的第一电能数据,所述深度神经网络模型包括第一模型,所述第一模型包括所述行驶速度数据、加速度数据与所述第一电能数据的对应关系;

监测电动车辆的速度数据与电动机输入或输出的电能数据,包括:

监测所述电动车辆的行驶速度数据和加速度数据,及所述电动机输出的第一电能数据;

根据所述速度数据选择相应的预先训练的深度神经网络模型,包括:

当根据所述行驶速度数据和加速度数据确定所述电动车辆匀速行驶或加速行驶时,获取所述第一模型;

根据所述深度神经网络模型分析所述速度数据与所述电能数据是否匹配,包括:

根据所述第一模型,分析所述行驶速度数据和加速度数据与所述第一电能数据是否匹配。

可选的,所述电能数据包括所述电动机输入的第二电能数据;所述深度神经网络模型包括第二模型,所述第二模型包括所述行驶速度数据、加速度数据与所述第二电能数据的对应关系;

监测电动车辆的速度数据与电动机输入或输出的电能数据,包括:

监测所述电动车辆的行驶速度数据和加速度数据,及所述电动机输入的第二电能数据;

根据所述速度数据选择相应的预先训练的深度神经网络模型,包括:

当根据所述行驶速度数据和加速度数据确定所述电动车辆减速行驶时,获取所述第二模型;

根据所述深度神经网络模型分析所述速度数据与所述电能数据是否匹配,包括:

根据所述第二模型,分析所述行驶速度数据和加速度数据与所述第二电能数据是否匹配。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710525691.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top