一种离合器故障监测方法及装置与流程

本发明涉及车辆离合器监测，尤其涉及一种离合器故障监测方法及装置。

背景技术：

1、汽车离合器系统故障监测是一项非常重要的技术，可以帮助司机及时发现离合器片故障，避免在行驶过程中出现离合传动系统故障，进而发生意外情况。目前学术界和工业界对离合器片故障的监测研究大多是基于动力学原理分析和基于浅层机器学习模型的方法，市场上已经有一些汽车离合器故障监测的专利，其中一些专利的技术原理是通过分析离合器传动系统的机械结构，判断产生故障的原因及制定维修策略。另外，还有一些专利是通过对汽车离合传动系统进行动力学分析，并提取相关特征输入浅层机器学习模型用于监测故障发生，而深度学习方法具有更为强大的特征学习能力，将其用于离合器故障监测的研究相对较少。

2、在现有技术中，利用离合器传功系统机械结构原理和动力学分析，进行故障诊断和制定维修策略，存在诊断效率不高，且需耗费较大的人力和时间成本，不能实现对离合器故障的在线监测。

3、因此，急需提出一种离合器故障监测方法及装置，解决现有技术中存在的方法存在诊断效率不高，且需耗费较大的人力和时间成本，不能实现对离合器故障的在线监测的技术问题。

技术实现思路

1、有鉴于此，有必要提供一种离合器故障监测方法及装置，用以解决现有技术中存在的方法存在诊断效率不高，且需耗费较大的人力和时间成本，不能实现对离合器故障的在线监测的技术问题。

2、为了解决上述问题，本发明提供一种离合器故障监测方法，包括：

3、获取离合器处于不同故障类型下的多传感数据；

4、根据所述多传感数据和所述不同故障类型构建初始离合器故障检测模型；

5、根据所述多传感数据对所述初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，从而根据所述目标离合器故障检测模型对所述离合器进行故障监测。

6、在一种可能的实现方式中，所述根据所述多传感数据和所述不同故障类型构建初始离合器故障检测模型，包括：

7、对所述多传感数据进行特征提取，得到多域特征提取数据；

8、根据所述多域特征提取数据，得到多域特征处理数据；

9、对所述多域特征处理数据进行深层融合特征学习，得到深层融合特征；

10、根据所述深层融合特征和所述不同故障类型，构建初始离合器故障检测模型。

11、在一种可能的实现方式中，所述对所述多传感数据进行特征提取，得到多域特征提取数据，包括：

12、对所述多传感数据分别在时域、频域和时频域内进行特征量的提取，得到多域特征提取数据。

13、在一种可能的实现方式中，所述根据所述多域特征提取数据，得到多域特征处理数据，包括：

14、对所述多域特征提取数据进行归一化处理，得到不同故障类型下的多传感敏感特征组合；

15、对所述多传感敏感特征组合进行过滤处理，得到多域特征处理数据。

16、在一种可能的实现方式中，所述根据所述多传感数据对所述初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，包括：

17、将所述多传感数据分为训练集和测试集；

18、根据所述训练集对所述初始离合器故障检测模型进行训练，得到训练离合器故障检测模型；

19、根据所述测试集对所述训练离合器故障检测模型进行测试，得到目标离合器故障检测模型。

20、在一种可能的实现方式中，所述获取离合器处于不同故障类型下的多传感数据，包括：

21、对所述不同故障类型的离合器进行不同挡位和油门开度下的起步测试，得到测试过程中的多传感数据。

22、在一种可能的实现方式中，所述多传感数据包括发动机转速、发动机扭矩、变速箱输入轴转速信号、变速箱油温信号、车速、挡位、结合时间和滑磨能量信号，所述对所述多传感数据分别在时域、频域和时频域内进行特征量的提取，得到多域特征提取数据，包括：

23、对所述发动机转速、滑磨能量信号、变速箱输入轴转速信号进行处理，得到在所述时域中的多个时域特征数据、在所述频域中的多个频域特征数据和所述时频域内的小波包系数能量特征；

24、根据所述多个时域特征数据、所述多个频域特征数据、所述小波包系数能量特征、所述发动机扭矩、所述变速箱油温信号、所述车速、所述挡位、所述结合时间和所述滑磨能量信号，得到多域特征提取数据。

25、在一种可能的实现方式中，所述对所述多传感敏感特征组合进行过滤处理，得到多域特征处理数据，包括：

26、对所述不同故障类型下的每个多传感敏感特征组合的方差值进行计算，分别得到对应的多传感敏感特征方差；

27、将所述多传感敏感特征方差大于预设方差阈值的多传感敏感特征组合确定为多域特征处理数据。

28、在一种可能的实现方式中，所述根据所述训练集对所述初始离合器故障检测模型进行训练，得到训练离合器故障检测模型，包括：

29、根据所述训练集对所述初始离合器故障检测模型中堆叠稀疏自编码器模型和bp神经网络模型连接权值参数进行预训练，得到训练离合器故障检测模型。

30、另一方面，本发明还提供了一种离合器故障监测装置，包括：

31、数据获取模块，用于获取离合器处于不同故障类型下的多传感数据；

32、模型构建模块，用于根据所述多传感数据和所述不同故障类型构建初始离合器故障检测模型；

33、模型训练模块，用于根据所述多传感数据对所述初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，从而根据所述目标离合器故障检测模型对所述离合器进行故障监测。

34、本发明的有益效果是：获取离合器处于不同故障类型下的多传感数据，进而根据不同故障类型和多传感数据构建初始离合器故障检测模型，从而可以根据多传感数据对初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，再通过目标离合器故障检测模型对离合器进行实时的故障监测，从而降低了人力成本和时间成本，实现了离合器故障的在线监测的目的。

技术特征：

1.一种离合器故障监测方法，其特征在于，包括：

2.根据权利要求1所述的离合器故障监测方法，其特征在于，所述根据所述多传感数据和所述不同故障类型构建初始离合器故障检测模型，包括：

3.根据权利要求2所述的离合器故障监测方法，其特征在于，所述对所述多传感数据进行特征提取，得到多域特征提取数据，包括：

4.根据权利要求2所述的离合器故障监测方法，其特征在于，所述根据所述多域特征提取数据，得到多域特征处理数据，包括：

5.根据权利要求1所述的离合器故障监测方法，其特征在于，所述根据所述多传感数据对所述初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，包括：

6.根据权利要求1所述的离合器故障监测方法，其特征在于，所述获取离合器处于不同故障类型下的多传感数据，包括：

7.根据权利要求3所述的离合器故障监测方法，其特征在于，所述多传感数据包括发动机转速、发动机扭矩、变速箱输入轴转速信号、变速箱油温信号、车速、挡位、结合时间和滑磨能量信号，所述对所述多传感数据分别在时域、频域和时频域内进行特征量的提取，得到多域特征提取数据，包括：

8.根据权利要求4所述的离合器故障监测方法，其特征在于，所述对所述多传感敏感特征组合进行过滤处理，得到多域特征处理数据，包括：

9.根据权利要求5所述的离合器故障监测方法，其特征在于，所述根据所述训练集对所述初始离合器故障检测模型进行训练，得到训练离合器故障检测模型，包括：

10.一种离合器故障监测装置，其特征在于，包括：

技术总结本发明涉及一种离合器故障监测方法及装置，属于车辆离合器监测技术领域，其方法包括获取离合器处于不同故障类型下的多传感数据，根据不同故障类型和多传感数据构建初始离合器故障检测模型，根据多传感数据对初始离合器故障检测模型进行训练，得到目标离合器故障检测模型，从而可以通过目标离合器故障检测模型对离合器进行实时的故障监测，降低了人力成本和时间成本，实现了离合器故障的在线监测的目的。技术研发人员：何朝鹏,项海涛,钱亚容,何秀校,徐冬受保护的技术使用者：东风商用车有限公司技术研发日：技术公布日：2024/9/2