[发明专利]一种电动汽车故障诊断方法

权利要求书

1.一种电动汽车故障诊断方法，其特征在于，所述电动汽车故障诊断方法至少包括：

采集加速踏板位置、车速、电动机转速、发电机转速和发动机转速的信号，建立故障决策表，并对采集的数据进行预处理；

将建立的故障决策表进行二进制粒化，用粒计算对所述故障决策表进行属性约简，得到最小属性集；

以所述最小属性集中的条件属性作为输入，以其决策属性作为输出，进行BP神经网络与RBF神经网络的训练，确定BP神经网络与RBF神经网络的隐含层层数及隐含层神经元节点数，设置训练参数，所述训练参至少包括：训练次数、训练目标、学习率和训练函数；

利用训练好的BP神经网络与RBF神经网络进行实时故障诊断，分别得到两个网络的故障诊断结果；

利用证据理论将BP神经网络与RBF神经网络的诊断结果进行融合得到最终诊断结果。

2.根据权利要求1所述的一种电动汽车故障诊断方法，其特征在于，所述对采集的数据进行预处理的步骤，包括：

对所采集的数据进行离散化，使用等频率离散法进行数据离散化处理。

3.根据权利要求1所述的一种电动汽车故障诊断方法，其特征在于，所述将建立的故障决策表进行二进制粒化，用粒计算对所述故障决策表进行属性约简，得到最小属性集的步骤，包括：

步骤2.1，利用条件属性对决策属性的依赖度k是用来判断原始决策信息系统的相容性，如果k＝1时，决策信息系统的相容，则继续向下执行；

否则，将其分解成相容的决策信息系统，同时删除完全相同的决策规则；

其中，所述条件属性包括但不限于：加速踏板位置、车速、电动机转速、发电机转速和发动机转速，所述决策属性包括但不限于：正常、加速踏板故障、电动机故障；

步骤2.2，求取条件属性C相对于决策属性D的核属性C₀；

步骤2.3，将核属性C₀存入最小属性集R中，获得属性集B，其中，所述属性集B为条件属性C去除核属性C₀后的属性，然后转到步骤2.6；

步骤2.4，对所有属性b∈B，计算依赖度，求得每个属性的依赖度；

步骤2.5，令最小属性集R＝R∪{b_i}，若依赖度k＝1，则转到步骤2.7；

步骤2.6，若R属性集相对于D属性集的依赖度等于右边C属性集相对于D属性集的依赖度则停止运算，否则转到步骤2.4；

步骤2.7，获得当前系统的一个最小属性集R。