一种电推进系统失效风险评估方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种电推进系统失效风险评估方法。

背景技术

电推进系统是一种用于驱动电动汽车的动力系统。它由电机、电控系统和电池组成，通过将电能转化为机械能来提供动力，驱动车辆行驶。电推进系统是电动汽车的核心部件，负责转换电能为动力，并控制车辆的加速、减速和行驶状态。在电推进系统的运行过程中，系统失效可能会导致电动汽车的性能下降、安全风险增加，甚至造成事故。因此，对电推进系统的失效风险进行评估和管理是非常重要的。

一般通过对电推进系统的每种类型的运行数据进行异常分析来实现电推进系统的失效分析，局部离群因子算法（Local Outlier Factor），简称LOF算法，一般是对每种类型的运行数据进行异常分析的常用算法。LOF算法中K值设置的合适与否会影响异常分析的准确性。而常规的LOF算法的K值一般是根据人为经验进行主观设置。这种K值设置方式的准确性较差，并且人为主观性较强。因而如何通过设置合适K值，实现准确的异常检测，进而提高电推进系统失效评估的准确性，作为本发明的主要解决的问题。

发明内容

为了解决上述技术问题，本发明提供一种电推进系统失效风险评估方法，所采用的技术方案具体如下：

采集电推进系统在工作过程中的每种类型的运行数据序列，在所有类型的运行数据序列中包含车辆速度构成的运行数据序列；

根据每种类型的运行数据序列中所有运行数据的波动情况得到每种类型的运行数据序列的波动程度；将每种类型与其他类型分别组合得到若干类型对，根据每个类型对中两类型的运行数据序列的相关性得到每个类型对的最终相关系数，根据包含每种类型的多个类型对的最终相关系数得到每种类型的波动程度权值；根据每种类型的波动程度和波动程度权值得到所有类型的运行数据序列的联合波动程度；

对每种类型的运行数据序列进行分段处理得到每种类型的若干临时数据段，根据反应车辆速度的类型的临时数据段中数据变动规律得到变速时间段，在每种类型的所有临时数据段中获取与变速时间段对应的临时数据段得到每种类型的变速临时数据段、每种类型的非变速临时数据段和基准变速临时数据段，根据每种类型的非变速临时数据段中运行数据的波动情况得到每种类型的非变速临时数据段的波动程度，根据每种类型的变速临时数据段与基准变速临时数据段的拟合差异得到每种类型的变速临时数据段的波动程度，根据每种类型的变速临时数据段和非变速临时数据段的波动程度、每种类型的波动程度权值得到每种类型的临时数据段的联合波动程度；

根据每种类型的临时数据段的联合波动程度对每种类型的临时数据段进行合并处理得到每种类型的若干最终数据段；获取每种类型的每个最终数据段的联合波动程度，根据每种类型的每个最终数据段的联合波动程度和所有类型的运行数据序列的联合波动程度获取每种类型的每个最终数据段的K值，根据每种类型的每个最终数据段的K值进行电推进系统的失效风险评估。

优选的，所述根据每种类型的运行数据序列中所有运行数据的波动情况得到每种类型的运行数据序列的波动程度，包括的具体步骤为：

将每种类型的运行数据序列中所有运行数据的方差作为每种类型的运行数据序列的波动程度。

优选的，所述根据每个类型对中两类型的运行数据序列的相关性得到每个类型对的最终相关系数，包括的具体步骤为：

预设第一比例B1，预设第二比例B2，将每种类型与其他类型构成类型对，计算每个类型对内两类型的运行数据序列的皮尔逊相关系数的绝对值，记为每个类型对的相关系数，获取类型对数量M，将所有类型对的相关系数进行降序排列得到相关系数序列，将相关系数序列中前B1*M个相关系数作为强相关系数，将所有强相关系数中的最小值作为强相关系数阈值Y1；将强相关系数阈值Y1与B2的乘积作为弱相关系数阈值Y2，将大于等于弱相关系数阈值Y2并且小于强相关系数阈值Y1的相关系数称为弱相关系数；

将所有类型的运行数据序列中任选三个运行数据序列分别记为运行数据序列X1、运行数据序列X2和运行数据序列X3，当运行数据序列X1与运行数据序列X2对应的类型对的相关系数为强相关系数，运行数据序列X2与运行数据序列X3对应的类型对的相关系数为强相关系数，但是运行数据序列X1与运行数据序列X3对应的类型对的相关系数为弱相关系数时，将运行数据序列X1与运行数据序列X3对应的类型对记为间接强相关类型对；

获取所有的间接强相关类型对，将其余的类型对称为非间接强相关类型对；

将非间接强相关类型对的相关系数作为非间接强相关类型对的最终相关系数；

将间接强相关类型对的相关系数与

优选的，所述根据包含每种类型的多个类型对的最终相关系数得到每种类型的波动程度权值，包括的具体步骤为：

将包含每种类型的类型对称为每种类型的参考类型对；

每种类型的波动程度权值的计算方法为：

其中，

优选的，所述根据每种类型的波动程度和波动程度权值得到所有类型的运行数据序列的联合波动程度，包括的具体步骤为：

其中，

优选的，所述对每种类型的运行数据序列进行分段处理得到每种类型的若干临时数据段，根据反应车辆速度的类型的临时数据段中数据变动规律得到变速时间段，在每种类型的所有临时数据段中获取与变速时间段对应的临时数据段得到每种类型的变速临时数据段、每种类型的非变速临时数据段和基准变速临时数据段，包括的具体步骤为：

预设分段长度L，将每种类型的运行数据序列分割成若干临时数据段；

将车辆速度构成的运行数据序列对应的类型记为基准类型，将所有类型中不是基准类型的其他类型称为非基准类型，将基准类型的临时数据段中每个运行数据与下一个运行数据的差值作为基准类型的临时数据段的每个运行数据的第一差值，当基准类型的临时数据段中连续三个及以上的运行数据的第一差值的符号相同时，则将基准类型的临时数据段对应的时间段称为变速时间段；将变速时间段对应的基准类型的临时数据段称为基准变速临时数据段，将基准类型的临时数据段中不是基准变速临时数据段的其他临时数据段称为基准类型的非变速临时数据段；

在每个非基准类型的所有临时数据段中获取变速时间段对应的临时数据段作为每个非基准类型的变速临时数据段，将每个非基准类型的所有临时数据段中不是变速临时数据段的其他临时数据段作为每个非基准类型的非变速临时数据段。

优选的，所述根据每种类型的非变速临时数据段中运行数据的波动情况得到每种类型的非变速临时数据段的波动程度，根据每种类型的变速临时数据段与基准变速临时数据段的拟合差异得到每种类型的变速临时数据段的波动程度，根据每种类型的变速临时数据段和非变速临时数据段的波动程度、每种类型的波动程度权值得到每种类型的临时数据段的联合波动程度，包括的具体步骤为：

每种类型的非变速临时数据段中所有运行数据的方差作为每种类型的非变速临时数据段的波动程度；

计算每个非基准类型的变速临时数据段与基准变速临时数据段的皮尔逊相关系数，当与基准变速临时数据段的皮尔逊相关系数的绝对值大于预设分析阈值Y3时，将非基准类型的变速临时数据段称为非基准类型的相关变速临时数据段，当与基准变速临时数据段的皮尔逊相关系数的绝对值小于等于预设分析阈值Y3时，将非基准类型的变速临时数据段称为非基准类型的非相关变速临时数据段；

将非基准类型的非相关变速临时数据段中所有运行数据的方差作为非基准类型的非相关变速临时数据段的波动程度；

将非基准类型的相关变速临时数据段中所有运行数据作为因变量，将基准变速临时数据段中所有运行数据作为自变量，拟合非基准类型的相关变速临时数据段与基准变速临时数据段的变动函数，利用变动函数拟合出非基准类型的相关变速临时数据段中每个运行数据的拟合值；将非基准类型的相关变速临时数据段中每个运行数据与拟合值的差值绝对值作为非基准类型的相关变速临时数据段中每个运行数据的拟合差异，将非基准类型的相关变速临时数据段中所有运行数据的拟合差异的均值作为非基准类型的相关变速临时数据段的波动程度；

将0作为基准变速临时数据段的波动程度；

将每种类型的临时数据段的波动程度与每种类型的波动程度权值的乘积作为每种类型的临时数据段的联合波动程度。

优选的，所述根据每种类型的临时数据段的联合波动程度对每种类型的临时数据段进行合并处理得到每种类型的若干最终数据段，包括的具体步骤为：

对于任意一种类型，将第一个临时数据段作为第一分析数据段，获取第一分析数据段的截止数据段，将第一分析数据段到截止数据段之间的所有临时数据段合并得到第一最终数据段，将第一分析数据段的截止数据段的下一个临时数据段作为第二分析数据段，获取第二分析数据段的截止数据段，将第二分析数据段到截止数据段之间的所有临时数据段合并得到第二最终数据段，以此类推，直至分析数据段的截止数据段之后不存在临时数据段时结束，得到所有的最终数据段；

获取第一分析数据段的截止数据段的方法为：

将第一分析数据段作为第一待合并数据段，获取第一待合并数据段与下一个临时数据段的合并必要性，当第一待合并数据段与下一个临时数据段的合并必要性小于预设合并必要性阈值Y4时，将第一待合并数据段的下一个临时数据段作为截止数据段；

当第一待合并数据段与下一个临时数据段的合并必要性大于等于预设合并必要性阈值Y4时，将第一待合并数据段的下一个临时数据段作为第二待合并数据段，获取第二待合并数据段与下一个临时数据段的合并必要性，当第二待合并数据段与下一个临时数据段的合并必要性小于预设合并必要性阈值Y4时，将第二待合并数据段的下一个临时数据段作为截止数据段；以此类推，直至获得截止数据段。

优选的，所述获取第一待合并数据段与下一个临时数据段的合并必要性，包括的具体步骤为：

其中，

优选的，所述获取每种类型的每个最终数据段的联合波动程度，根据每种类型的每个最终数据段的联合波动程度和所有类型的运行数据序列的联合波动程度获取每种类型的每个最终数据段的K值，根据每种类型的每个最终数据段的K值进行电推进系统的失效风险评估，包括的具体步骤为：

按照每种类型的临时数据段的联合波动程度计算方法，获取每种类型的最终数据段的联合波动程度；

每种类型的最终数据段的K值计算方法为：

其中，

将每种类型的最终数据段的K值作为每种类型的最终数据段中运行数据的K值；基于每个运行数据的K值，利用LOF算法对所有类型的所有运行数据进行异常分析得到异常数据；

获取所有类型的所有运行数据中异常数据的占比，记为异常占比，当异常占比大于预设异常比例B3时，则判定电推进系统存在失效风险，则需要发出预警；当异常占比小于等于预设异常比例B3时，则判定电推进系统不存在失效风险，则不需要发出预警。

本发明具有如下有益效果：

采集电推进系统的每种类型的运行数据得到每种类型的运行数据序列，为了实现电推进系统的实现风险评估，需对运行数据序列中的运行数据进行异常分析，而进行异常分析的关键是K值的设置，为了实现准确的设置K值，需分析运行数据的波动情况。而运行数据序列中每个区域的运行数据波动特征不同，因而需对运行数据序列进行分段处理，由于无法判定哪些运行数据具有相似波特征，因而先将运行数据序列分成若干临时数据段，然后计算临时数据段的联合波动，根据联合波动程度对临时数据段进行合并处理得到每种类型的若干最终数据段。由于设置K值需考虑每个最终数据段相较于所有运行数据的波动情况，因而还需获取所有类型的运行数据序列的联合波动程度，根据每种类型的最终数据段的联合波动程度和所有类型的运行数据序列的联合波动程度得到每种类型的最终数据段的K值，从而基于K值实现电推进系统的失效风险评估。

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和优点，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的介绍，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的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种电推进系统失效风险评估方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电推进系统失效风险评估方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

一种电推进系统失效风险评估方法实施例：

下面结合附图具体的说明本发明所提供的一种电推进系统失效风险评估方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种电推进系统失效风险评估方法流程图，该方法包括：

S001：获取电推进系统的每种类型的运行数据，根据每种类型的运行数据得到每种类型的运行数据序列。

需要说明的是，在电推进系统的运行过程中，系统失效可能会导致电动汽车的性能下降、安全风险增加，甚至造成事故。因此，需要对电推进系统的失效风险进行评估。一般通过对电推进系统的每种类型的运行数据进行异常分析来实现电推进系统的失效评估，因而需先获取电推进系统的每种类型的运行数据序列。

具体的，当电推进系统在运行状态时，每隔2s采集一次电推进系统的每种类型的运行数据，采集N次，将采集到每种类型的N运行数据按时序排列得到长度为N的每种类型的运行数据序列，电推进系统的运行数据的类型数包括但不限于以下方面：电池的电量、电压、电池温度、电机转速、电机温度、车辆速度、车辆加速度。

需要说明的是，为了防止数据取值范围不同，导致异常分析准确性差，需对运行数据进行归一化处理。

进一步的，利用最大值最小值归一化方法，对每种类型的运行数据序列中所有运行数据进行归一化处理，得到每种类型的归一化后的运行数据序列，为了便于描述，后续将每种类型的归一化后的运行数据序列依旧称为每种类型的运行数据序列。

S002：获取每种类型的运行数据序列的波动程度，根据每种类型的运行数据序列得到每种类型的波动程度权值，根据每种类型的波动程度权值和每种类型的运行数据序列的波动程度得到所有类型的运行数据序列的联合波动程度。

需要说明的是，LOF算法实现原理是：通过比较每个运行数据的局部区域内数据密度与最近的K个运行数据的局部区域内数据密度的差异来进行异常数据分析。当一种类型的运行数据的波动较大时，其密度差异较大，因而将K值调低，从而防止因为数据波动将数据判定为异常数据。当一种类型的运行数据的波动较小时，其密度差异较小，应将K值调高，从而防止每个运行数据可以比较的数据量小导致的异常数据无法检测出来。因而K值与每种类型的运行数据的波动程度相关。

具体的，将每种类型的运行数据序列中所有运行数据的方差作为每种类型的运行数据序列的波动程度。

需要说明的是，有些类型的运行数据序列与其他类型的运行数据序列的相关性较大，这些运行数据序列的运行数据的可以利用其他运行数据序列的运行数据表征，即这些运行数据序列中的运行数据个性较差，即这些运行数据丢失对电推进系统失效分析的影响较小。因而进行电推进系统的失效分析时，影响降低这些运行数据的影响。而运行数据的异常分析是电推进系统失效分析的主要手段，因而在进行运行数据异常分析时，应降低这些运行数据的影响。

进一步的，预设第一比例B1，预设第二比例B2，将每种类型与其他类型构成类型对，计算每个类型对内两类型的运行数据序列的皮尔逊相关系数的绝对值，记为每个类型对的相关系数，获取类型对数量M，将所有类型对的相关系数进行降序排列得到相关系数序列，将相关系数序列中前B1*M个相关系数作为强相关系数，将强相关系数中的最小值作为强相关系数阈值Y1。将强相关系数阈值Y1与B2的乘积作为弱相关系数阈值Y2。将大于等于弱相关系数阈值Y2并且小于强相关系数阈值Y1的相关系数称为弱相关系数，将小于弱相关系数阈值Y2的相关系数称为无相关系数。

本实施例以B1取0.2，B2取0.4为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。

将所有类型的运行数据序列中任选三个运行数据序列分别记为运行数据序列X1、运行数据序列X2和运行数据序列X3，当运行数据序列X1与运行数据序列X2对应的类型对的相关系数为强相关系数，运行数据序列X2与运行数据序列X3对应的类型对的相关系数为强相关系数，但是运行数据序列X1与运行数据序列X3对应的类型对的相关系数为弱相关系数时，将运行数据序列X1与运行数据序列X3对应的类型对记为间接强相关类型对。

同理获取所有的间接强相关类型对，将其余的类型对称为非间接强相关类型对。

需要说明的是，根据相关性递推关系，间接强相关类型对中两类型的运行数据序列的皮尔逊相关系数的准确性较差，因而需对间接强相关类型对的相关系数进行修正。

将非间接强相关类型对的相关系数作为非间接强相关类型对的最终相关系数。

将间接强相关类型对的相关系数与

进一步的，将包含每种类型的类型对称为每种类型的参考类型对。

每种类型的波动程度权值的计算方法为：

其中，

进一步的，所有类型的运行数据序列的联合波动程度的计算方法为：

其中，

至此，得到所有类型的运行数据序列的联合波动程度，通过该值反映了所有运行数据的波动情况。

S003：对每种类型的运行数据序列进行分段得到每种类型的若干临时数据段，对每种类型的若干临时数据段进行分类得到每种类型的若干变速临时数据段和非变速临时数据段，根据每种类型的波动程度权值计算每种类型的变速临时数据段的联合波动程度和每种类型的非变速临时数据段的联合波动程度，根据变速临时数据段的联合波动程度和每种类型的非变速临时数据段的联合波动程度对临时数据段进行合并得到每种类型的最终数据段。

需要说明的是，由于每种类型的运行数据序列中每个子段的波动情况不一致，直接利用所有运行数据的波动程度来调整各运行数据的K值不够准确。需根据每个运行数据所在子段的波动情况来设置K值。因而需要对运行数据序列进行分段处理。

需要进一步说明的是，此时还知道每个运行数据与周围的哪些运行数据具有相同的波动一致性，因而可以先将运行数据序列分成较小的数据段，然后通过分析相邻较小数据段的波动情况来进行数据段合并，从而实现将相同波动的运行数据分割在一起。

具体的，预设分段长度L，将每种类型的运行数据序列分割成若干临时数据段。本实施例以L取10为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。

需要说明的是，电推进系统的运行数据的变化有可能是因为车辆速度变化导致的，因而为了排除车辆速度变化引起的数据变动。

进一步的，将车辆速度构成的运行数据序列对应的类型记为基准类型，将所有类型中不是基准类型的其他类型称为非基准类型，将基准类型的临时数据段中每个运行数据与下一个运行数据的差值作为基准类型的临时数据段的每个运行数据的第一差值，当基准类型的临时数据段中连续三个及以上的运行数据的第一差值的符号相同时，则将基准类型的临时数据段对应的时间段称为变速时间段；将变速时间段对应的基准类型的临时数据段称为基准变速临时数据段，将基准类型的临时数据段中不是基准变速临时数据段的其他临时数据段称为基准类型的非变速临时数据段。

在每个非基准类型的所有临时数据段中获取变速时间段对应的临时数据段作为每个非基准类型的变速临时数据段。将每个非基准类型的所有临时数据段中不是变速临时数据段的其他临时数据段作为每个非基准类型的非变速临时数据段。

进一步的，每种类型的非变速临时数据段中所有运行数据的方差作为每种类型的非变速临时数据段的波动程度。

计算每个非基准类型的变速临时数据段与基准变速临时数据段的皮尔逊相关系数，当与基准变速临时数据段的皮尔逊相关系数的绝对值大于预设分析阈值Y3时，将非基准类型的变速临时数据段称为非基准类型的相关变速临时数据段，当与基准变速临时数据段的皮尔逊相关系数的绝对值小于等于预设分析阈值Y3时，将非基准类型的变速临时数据段称为非基准类型的非相关变速临时数据段。

本实施例以Y3取0.8为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。

将非基准类型的非相关变速临时数据段中所有运行数据的方差作为非基准类型的非相关变速临时数据段的波动程度。

将非基准类型的相关变速临时数据段中所有运行数据作为因变量，将基准变速临时数据段中所有运行数据作为自变量，拟合非基准类型的相关变速临时数据段与基准变速临时数据段的变动函数，利用变动函数拟合出非基准类型的相关变速临时数据段中每个运行数据的拟合值。将非基准类型的相关变速临时数据段中每个运行数据与拟合值的差值绝对值作为非基准类型的相关变速临时数据段中每个运行数据的拟合差异，将非基准类型的相关变速临时数据段中所有运行数据的拟合差异的均值作为非基准类型的相关变速临时数据段的波动程度。

需要说明的是，将0作为基准变速临时数据段的波动程度。

进一步的，将每种类型的临时数据段的波动程度与每种类型的波动程度权值的乘积作为每种类型的临时数据段的联合波动程度。

进一步的，对于任意一种类型，将第一个临时数据段作为第一分析数据段，获取第一分析数据段的截止数据段，将第一分析数据段到截止数据段之间的所有临时数据段合并得到第一最终数据段，将第一分析数据段的截止数据段的下一个临时数据段作为第二分析数据段，获取第二分析数据段的截止数据段，将第二分析数据段到截止数据段之间的所有临时数据段合并得到第二最终数据段，以此类推，直至分析数据段的截止数据段之后不存在临时数据段时结束，得到所有的最终数据段。

进一步的，获取第一分析数据段的截止数据段的方法为：

将第一分析数据段作为第一待合并数据段，获取第一待合并数据段与下一个临时数据段的合并必要性，当第一待合并数据段与下一个临时数据段的合并必要性小于预设合并必要性阈值Y4时，将第一待合并数据段的下一个临时数据段作为截止数据段；

当第一待合并数据段与下一个临时数据段的合并必要性大于等于预设合并必要性阈值Y4时，将第一待合并数据段的下一个临时数据段作为第二待合并数据段，获取第二待合并数据段与下一个临时数据段的合并必要性，当第二待合并数据段与下一个临时数据段的合并必要性小于预设合并必要性阈值Y4时，将第二待合并数据段的下一个临时数据段作为截止数据段。以此类推，直至获得截止数据段。

本实施例以Y4取5为例进行叙述，其其他实施例可以取其他值，本实施例不进行具体限制。

进一步的，获取第一待合并数据段与下一个临时数据段的合并必要性的计算公式为：

其中，

S004：获取每种类型的最终数据段的联合波动程度，根据每种类型的最终数据段的联合波动程度设置每种类型的最终数据段的K值，根据每种类型的最终数据段的K值进行电推进系统的失效风险评估。

具体的，按照每种类型的临时数据段的联合波动程度计算方法，获取每种类型的最终数据段的联合波动程度。

进一步的，每种类型的最终数据段的K值计算方法为：

其中，

进一步的，将每种类型的最终数据段的K值作为每种类型的最终数据段中运行数据的K值。

基于每个运行数据的K值，利用LOF算法对所有类型的所有运行数据进行异常分析得到异常数据。

获取所有类型的所有运行数据中异常数据的占比，记为异常占比，当异常占比大于预设异常比例B3时，则判定电推进系统存在失效风险，则需要发出预警；当异常占比小于等于预设异常比例B3时，则判定电推进系统不存在失效风险，则不需要发出预警。本实施例以B3取0.01为例进行叙述，其他实施例可以取其他值，本实施例不进行具体限制。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。