-
公开(公告)号：CN108437798B
公开(公告)日：2020-04-21
申请号：CN201810083969.8
申请日：2018-01-29
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电动代步车故障诊断方法，特别涉及一种基于键合图模型的电动代步车故障诊断和估计方法。本发明首先对电动代步车建模，得到电动代步车的键合图模型，根据电动代步车的键合图模型解析出冗余关系，根据解析冗余关系生成残差，得到故障特征矩阵，改变电动代步车的键合图模型的参数值的大小，判断残差的大小是否超出了设定阈值，如果超出设定阈值，则电动代步车系统发生故障，将相干向量和故障特征矩阵对比得到可能的故障集合，利用无迹卡尔曼滤波方法对故障集合中的元素与系统原状态变量进行联合估计，得出电动代步车系统的实际故障。本发明能够通过故障辨识将故障参数精确到具体的数值，能够及时、准确地诊断并隔离出故障源。
-
公开(公告)号：CN108437798A
公开(公告)日：2018-08-24
申请号：CN201810083969.8
申请日：2018-01-29
Applicant: 合肥工业大学
Abstract: 本发明涉及一种电动代步车故障诊断方法，特别涉及一种基于键合图模型的电动代步车故障诊断和估计方法。本发明首先对电动代步车建模，得到电动代步车的键合图模型，根据电动代步车的键合图模型解析出冗余关系，根据解析冗余关系生成残差，得到故障特征矩阵，改变电动代步车的键合图模型的参数值的大小，判断残差的大小是否超出了设定阈值，如果超出设定阈值，则电动代步车系统发生故障，将相干向量和故障特征矩阵对比得到可能的故障集合，利用无迹卡尔曼滤波方法对故障集合中的元素与系统原状态变量进行联合估计，得出电动代步车系统的实际故障。本发明能够通过故障辨识将故障参数精确到具体的数值，能够及时、准确地诊断并隔离出故障源。
-
公开(公告)号：CN109086247B
公开(公告)日：2022-10-18
申请号：CN201811093396.3
申请日：2018-09-19
Applicant: 合肥工业大学
Abstract: 本发明公开了基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法，包括：对电动代步车系统的系统状态空间方程进行离散化处理，得到时间离散的系统状态空间方程；将待估计参数添加到系统状态变量中，得到增广后的系统状态空间方程，所述待估计参数为故障集合中的参数；采用具有双时间尺度的无迹卡尔曼滤波算法对待估计参数与原系统状态变量进行联合估计，在宏观尺度下，仅对增广前的原系统状态变量采用无迹卡尔曼滤波进行估计，在微观尺度下，对增广后的系统状态变量采用无迹卡尔曼滤波进行估计。本发明解决了故障诊断实时性差、故障源定位不及时的问题，减少了故障诊断时的计算量，提高了运算效率。
-
公开(公告)号：CN109086247A
公开(公告)日：2018-12-25
申请号：CN201811093396.3
申请日：2018-09-19
Applicant: 合肥工业大学
Abstract: 本发明公开了基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法，包括：对电动代步车系统的系统状态空间方程进行离散化处理，得到时间离散的系统状态空间方程；将待估计参数添加到系统状态变量中，得到增广后的系统状态空间方程，所述待估计参数为故障集合中的参数；采用具有双时间尺度的无迹卡尔曼滤波算法对待估计参数与原系统状态变量进行联合估计，在宏观尺度下，仅对增广前的原系统状态变量采用无迹卡尔曼滤波进行估计，在微观尺度下，对增广后的系统状态变量采用无迹卡尔曼滤波进行估计。本发明解决了故障诊断实时性差、故障源定位不及时的问题，减少了故障诊断时的计算量，提高了运算效率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
