导航：首页> 将固体从固体中分离；分选>一种用于智能网联汽车电感器工作状态评估方法

一种用于智能网联汽车电感器工作状态评估方法

文献发布时间：2023-06-19 16:11:11

技术领域

本发明涉及电感技术领域，且更确切地涉及一种用于智能网联汽车电感器工作状态评估方法。

背景技术

智能网联汽车在应用过程中避免不了要实现各种充电设备的电器应用，为了提高智能网联应用能力，实现电能量的转换与存储，为智能网联汽车能量供应提供能源供给，电感器(Inductor)是能够把电能转化为磁能而存储起来的元件。电感器的结构类似于变压器，但只有一个绕组。电感器具有一定的电感，它只阻碍电流的变化。如果电感器在没有电流通过的状态下，电路接通时它将试图阻碍电流流过它；如果电感器在有电流通过的状态下，电路断开时它将试图维持电流不变。电感器又称扼流器、电抗器、动态电抗器。通过将电感器应用到智能网联汽车中能够为物联网汽车提供各种储能思路，但是如何实现智能网联汽车电感器工作状态评估关系到智能网联汽车电感器的使用寿命以及智能网联汽车运行的安全。

专利号CN201911075675.1公开一种用于保护DC/DC转换器的电气系统和方法，该方法能够将直流电压转换为另一直流电压，包括：一谐振DCDC转换器(1)，包括一谐振LLC转换器电路，一控制单元(TN)，包括：一第一模块(TN1)，用于根据输出电流(Is)的测量值确定rms谐振电流值(Ir_RMS)，一第二模块(TN2)，使用rms谐振电流值(Ir_RMS)，确定每个谐振电容器(Cr/2)的端子处的电压的最大值(Vr_max)和每个谐振电容器(Cr/2)的端子处的电压的最小值(Vr_min)，一比较模块(TNC)，一断开元件(UP)，其被配置为在过载时使所述谐振DC-DC转换器(1)停止运行。虽然能够实现电感器工作状态评估，但是无法通过在智能网联汽车电感器工作过程中实现数据分析。专利号CN202010178537.2公开了一种提高基于能量路由器的充电站DCDC效率的控制策略，也能够分析智能网联汽车电感器的使用状况，但无法将智能网联汽车电感器运行状态的数据信息转换为微观数据思维，无法实现智能网联汽车电感器的故障诊断，检测效率低下，智能网联汽车电感器工作状态把控能力差。

发明内容

针对上述技术的不足，本发明公开一种用于智能网联汽车电感器工作状态评估方法，能够对智能网联汽车电感器的工作状态进行实时监测，对故障数据信息进行及时诊断，大大提高了智能网联汽车电感器工作状态监测能力。

为了实现上述技术效果，本发明采用以下技术方案：

一种用于智能网联汽车电感器工作状态评估方法，其中包括以下步骤：

步骤一、获取汽车电感器的工作状态数据信息；

在本步骤中，通过电流传感器、电压传感器、纹波传感器、电感量检测电路、线性度传感器、温度检测传感器和负载传感器获取汽车电感器工作过程中的电流、电压、纹波、电感量、线性度、温度和负载；

步骤二、通过融合计算模块计算获取到的汽车电感器工作状态数据信息；

在本步骤中，融合计算模块包括输入端子、I/V转换模块、V/V转换模块、A/D转换模块、DSP处理模块、对比模块、信号调节电路、电源模块、通讯接口、数字合成模块和数据接口，其中所述DSP处理模块与A/D转换模块、电源模块、通讯接口、数字合成模块和数据接口连接，所述电源模块向各个模块提供工作电压，输入端子的输出端分别与I/V转换模块和V/V转换模块的输入端连接，所述I/V转换模块和V/V转换模块的输出端与A/D转换模块的输入端连接，所述A/D转换模块还与对比模块和信号调节电路连接；

步骤三、通过改进型RNN算法模型对融合计算模块输出的数据信息进行故障诊断，以输出汽车电感器故障工作数据信息。

作为本发明进一步的技术方案，I/V转换模块为基于OP07运放放大电路的转换模块。

作为本发明进一步的技术方案，V/V转换模块为基于运算放大器LM324和三极管BG9013的转换电路。

作为本发明进一步的技术方案，对比模块包括标准信息模块、匹配信息模块和输出模块，其中所述匹配信息模块分别与标准信息模块和输出模块连接，其中对比模块工作的方法为：

存储电流、电压、纹波、电感量、线性度、温度和负载数据信息，并将汽车电感器的正常工作状态数据信息存储，通过N次计算求均值，以存储标准数据信息量，将检测到的汽车电感器的工作状态数据信息与存储的正常工作状态数据信息进行匹配对比，当数据信息相匹配时，通过输出模块输出匹配的数据信息，当数据信息不相匹配时，则遗弃。

作为本发明进一步的技术方案，数字合成模块包括DDS芯片和与所述DDS芯片连接的标准参考频率源、相位累加器、波形存储器和D/A转换器。

作为本发明进一步的技术方案，电感器工作状态评估方法为改进型RNN算法模型，所述改进型RNN算法模型包括数据输入模块、数据信息搜索模块、数据评估模块和数据输出模块，其中所述数据输入模块的输出端与数据信息搜索模块的输入端连接，所述数据信息搜索模块的输出端与数据评估模块的输入端连接，所述数据评估模块的输出端与数据输出模块的输入端连接。

作为本发明进一步的技术方案，改进型RNN算法模型工作的方法包括以下步骤：

步骤（1）、通过数据输入模块输入电感器工作状态数据信息；

在本步骤中，通过选择、交叉与变异操作选择电感器工作状态数据信息全局最优解的大小，进而区分电感器工作状态数据信息群体个体好坏，通过设置适应度函数评价电感器工作状态数据信息，其中适应度函数为：

公式（1）中，

步骤（2）、通过数据信息搜索模块对电感器工作状态数据信息进行搜索，通过用户设置目标数据信息进而设置电感器工作状态数据信息，并计算出电感器工作状态数据信息在改进型RNN算法模型中的支持度，其中支持度函数表示为：

公式（2）中，

步骤（3）、将搜索到的电感器工作状态数据信息存储，通过隐含层传入的信息实现电感器工作状态信息记忆，电感器工作状态数据信息存储状态向量函数为：

公式（3）中，

步骤（4）、计算电感器工作状态数据信息在隐藏层中的状态，以动态评估汽车工作状态数据信息，其中动态评估函数为：

公式（4）中，

步骤（5）、评估电感器工作状态数据信息，并输出电感器工作状态数据信息的评估信息；

输出函数为：

公式（5）中，

步骤（6）、将电感器工作状态数据信息评估输出，以量化工作过程中的故障信息：

公式（6）中，

当b值介于

本发明有益的积极效果在于：区别于常规技术，本发明通过获取汽车电感器的工作状态数据信息；应用融合计算模块计算获取到的汽车电感器工作状态数据信息；其中融合计算模块包括输入端子、I/V转换模块、V/V转换模块、A/D转换模块、DSP处理模块、对比模块、信号调节电路、电源模块、通讯接口、数字合成模块和数据接口，其中所述DSP处理模块与A/D转换模块、电源模块、通讯接口、数字合成模块和数据接口连接，所述电源模块向各个模块提供工作电压，输入端子的输出端分别与I/V转换模块和V/V转换模块的输入端连接，所述I/V转换模块和V/V转换模块的输出端与A/D转换模块的输入端连接，所述A/D转换模块还与对比模块和信号调节电路连接；之后通过改进型RNN算法模型对融合计算模块输出的数据信息进行故障诊断，以输出汽车电感器故障工作数据信息。本发明能够对智能网联汽车电感器的工作状态进行实时监测，对故障数据信息进行及时诊断，大大提高了智能网联汽车电感器工作状态监测能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：

图1为本发明流程结构示意图；

图2为本发明中对比模块示意图；

图3为本发明中改进型RNN算法模型结构示意图；

图4为本发明中融合计算模块结构示意图；

图5为本发明中改进型RNN算法模型工作方法流程示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，一种用于智能网联汽车电感器工作状态评估方法，包括以下步骤：

步骤一、获取汽车电感器的工作状态数据信息；

步骤二、通过融合计算模块计算获取到的汽车电感器工作状态数据信息；

步骤三、通过改进型RNN算法模型对融合计算模块输出的数据信息进行故障诊断，以输出汽车电感器故障工作数据信息。

在步骤一中，由于汽车电感器的工作状态数据信息存在多种，在具体实施例中，不局限于电流传感器、电压传感器、纹波传感器、电感量检测电路、线性度传感器、温度检测传感器和负载传感器，其他能够检测汽车电感器的工作状态数据信息都可以应用。

在步骤二中，I/V转换模块为基于OP07运放放大电路的转换模块。

I/V转换模块用于把信号电流转换成信号电压，在具体实施例中，通过OP07组成的4－20mA输入/5V输出的I/V转换电路，对运放的供电可以使用由DIP封装的TL431组成的高精度稳压电路，这种TL431采用DIP8封装，耗散功率达到1W，运算放大器选择使用的是高精度低失调的OP07，其参数指标大大优于普通廉价运放。OP07为关键的是在对零点信号的处理上，可以保证输入4mA的时候，运放ICC的输出电压等于零。在具体实施例中，运放ICD的同相输入端电压由经过TIA31稳压后的负电源提供，它通过分压电阻电路进行分压，经过运放的缓冲，输出将跟随着运放同相端的电压，可以从接近零的电压起调。

在步骤二中，V/V转换模块为基于运算放大器LM324和三极管BG9013的转换电路。

在步骤二中，对比模块包括标准信息模块、匹配信息模块和输出模块，其中所述匹配信息模块分别与标准信息模块和输出模块连接，其中对比模块工作的方法为：

在步骤二中，数字合成模块包括DDS芯片和与所述DDS芯片连接的标准参考频率源、相位累加器、波形存储器和D/A转换器。

在具体实施例中，DDS（Direct Digital Frequency Synthesis）是一种把一系列数字信号通过D/A转换器转换成模拟信号的数字合成技术。DDS（Direct DigitalSynthesis）是一种把一系列数字信号通过D/A转换器转换成模拟信号的数字合成技术。它有查表法和计算法两种基本合成方法。由于ROM查询法结构简单，只需要在ROM中存放不同相位对应的幅度序列，然后通过相位累加器的输出对其寻址，经过数/模转换和低通滤波（LPF）输出便可以得到所需要的模拟信号。这里，选用ROM查表法。DDS技术实质上是实现了一个数字分频器的功能。对于一个周期的正弦波连续信号，可以沿其相位轴方向，以等量的相位间隔对其进行相位/幅度采样，得到一个周期性的正弦信号的离散相位的幅度序列，对模拟幅度进行量化后的幅值采用二进制数据编码，这样就把一个周期的正弦波连续信号转换成一系列离散的二进制数字量，然后存入存储器RAM中，每个存储器单元的地址即是相位取样地址，存储单元的内容是已经量化了的正弦波幅值。一个这样的只读存储器构成了一个与2π周期相位取样对应的正弦波函数表。DDS的基本原理主要由标准参考频率源、相位累加器、波形存储器和数/模转换器构成。在时钟脉冲的控制下，频率控制字K由累加器得到相应的相码。相码寻址波形存储器进行相码—幅码变换输出不同的幅度编码，经过数/模变换器得到相应的阶梯波，最后经过低通滤波器对阶梯波进行平滑，即得到由频率控制字K决定的连续变化的输出波形。相位累加器是实现DDS的核心，它由一个N位字长的二进制加法器和一个由固定时钟脉冲取样的N位相位寄存器组成，在每个时钟脉冲到达时，相位寄存器采用上个时钟周期内相位寄存器的值与频率控制字K之和，并作为相位累加器在这一时钟周期的输出。

在具体实施例中，电感器(Inductor)是能够把电能转化为磁能而存储起来的元件。电感器的结构类似于变压器，但只有一个绕组。电感器具有一定的电感，它只阻碍电流的变化。如果电感器在没有电流通过的状态下，电路接通时它将试图阻碍电流流过它；如果电感器在有电流通过的状态下，电路断开时它将试图维持电流不变。电感器又称扼流器、电抗器、动态电抗器。电感器一般由骨架、绕组、屏蔽罩、封装材料、磁心或铁心等组成。电感器在电路中主要起到滤波、振荡、延迟、陷波等作用，还有筛选信号、过滤噪声、稳定电流及抑制电磁波干扰等作用。电感在电路最常见的作用就是与电容一起，组成LC滤波电路。电容具有“阻直流，通交流”的特性，而电感则有“通直流，阻交流”的功能。如果把伴有许多干扰信号的直流电通过LC滤波电路，那么，交流干扰信号将被电感变成热能消耗掉;变得比较纯净的直流电流通过电感时，其中的交流干扰信号也被变成磁感和热能，频率较高的最容易被电感阻抗，这就可以抑制较高频率的干扰信号。

在上述实施例中，电感器工作状态评估方法为改进型RNN算法模型，所述改进型RNN算法模型包括数据输入模块、数据信息搜索模块、数据评估模块和数据输出模块，其中所述数据输入模块的输出端与数据信息搜索模块的输入端连接，所述数据信息搜索模块的输出端与数据评估模块的输入端连接，所述数据评估模块的输出端与数据输出模块的输入端连接。

在上述实施例中，为改进型RNN算法模型工作的方法包括以下步骤：

步骤（1）、通过数据输入模块输入电感器工作状态数据信息；

公式（1）中，

在具体实施例中，适应度函数(Fitness Function)的选取直接影响到遗传算法的收敛速度以及能否找到最优解，因为遗传算法在进化搜索中基本不利用外部信息，仅以适应度函数为依据，利用种群每个个体的适应度来进行搜索。因为适应度函数的复杂度是遗传算法复杂度的主要组成部分，所以适应度函数在设计时，和电感器工作状态评估方法有关系。

本申请利用遗传算法（Genetic algorithm,GA）对递归神经汽车电感器工作状态（(Recursive neural networks,RNN）进行优化，并结合了DS证据理论构建出基于GA-Elman神经汽车电感器工作状态评估模型，增强了评估模型解决时序问题的动态能力。

该申请利用改进型RNN算法模型所需要使用的各个参数的最优值，并防止寻优时陷入局部最小值情况的发生。

通过公式（1）计算评估模型的适应度值，将实际输出值与期望输出值间的误差降到最低，达到终止条件时将获得的最佳初始权值和阈值给RNN算法模型神经汽车电感器工作状态模型。证据理论通过动态自适应调整各个证据的权重，来避免出现高冲突合成结果错误的情况，从而解决电感器工作状态中数据信息不稳定的问题，以提高汽车电感器工作状态下数据评估精度。