本技術涉及車輛，尤其涉及一種車輛的驅動電機故障檢測方法、一種計算機可讀存儲介質、一種車輛和一種車輛的驅動電機故障檢測裝置。

背景技術：

1、基于環(huán)保和節(jié)能的要求，以及車輛的電池和驅動電機等關鍵技術的不斷突破，新能源車輛在汽車存量市場中的占比越來越高。理想狀態(tài)下，電機氣隙中的磁通密度均勻分布，磁場強度保持恒定，然而實際上，電機因制造裝配過程中的誤差、惡劣路面的外力沖擊以及定、轉子質量的不平衡等多種因素均會引起定、轉子軸線不再重合，從而產生偏心。電機轉子偏心不僅會造成氣隙磁場畸變，惡化電機性能，偏心量過大時甚至會因定、轉子相互摩擦導致異響、電機失效以及軸承斷裂等一系列變速器故障問題。

2、目前相關技術中獲取設備運行時實時錄取到的第一聲音信號，并對第一聲音信號進行預處理，得到第一聲音信號對應的第一信噪比和第一聲紋數據；將第一信噪比和第一聲紋數據輸入至預先訓練好的目標深度神經網絡模型中，得到第一聲音信號對應的設備狀態(tài)標簽，基于設備狀態(tài)標簽確定旋轉設備的設備狀態(tài)，以對旋轉設備出現的設備故障進行及時識別。而此種通過聲音信號方式識別故障的方式檢測技術難度大、準確率較低。

技術實現思路

1、本技術旨在至少在一定程度上解決相關技術中的技術問題之一。為此，本技術的第一個目的在于提出一種車輛的驅動電機故障檢測方法，獲取車輛的驅動電機在運行時的時域電流信號，并識別驅動電機的當前運行狀態(tài)，基于運行狀態(tài)和時域電流信號確定轉化為頻域電流信號的目標變換方式，利用目標變換方式確定頻域電流信號的頻譜特性，并基于頻譜特性檢測驅動電機是否故障，并在檢測到驅動電機出現故障的情況下，識別驅動電機的當前故障類型，從而能夠解決現有驅動電機轉子偏心檢測技術難度大、準確率低等缺點，可以準確的檢測驅動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

2、本技術的第二個目的在于提出一種計算機可讀存儲介質。

3、本技術的第三個目的在于提出一種車輛。

4、本技術的第四個目的在于提出一種車輛的驅動電機故障檢測裝置。

5、為達到上述目的，本技術第一方面實施例提出了一種車輛的驅動電機故障檢測方法，所述方法包括：獲取所述車輛的驅動電機在運行時的時域電流信號，并識別所述驅動電機的當前運行狀態(tài)；基于所述運行狀態(tài)和所述時域電流信號確定轉化為頻域電流信號的目標變換方式；利用所述目標變換方式確定所述頻域電流信號的頻譜特性，并基于所述頻譜特性檢測所述驅動電機是否故障，并在檢測到所述驅動電機出現故障的情況下，識別所述驅動電機的當前故障類型。

6、根據本技術實施例的車輛的驅動電機故障檢測方法，獲取車輛的驅動電機在運行時的時域電流信號，并識別驅動電機的當前運行狀態(tài)，基于運行狀態(tài)和時域電流信號確定轉化為頻域電流信號的目標變換方式，利用目標變換方式確定頻域電流信號的頻譜特性，并基于頻譜特性檢測驅動電機是否故障，并在檢測到驅動電機出現故障的情況下，識別驅動電機的當前故障類型。由此，該方法能夠解決現有驅動電機轉子偏心檢測技術難度大、準確率低等缺點，可以準確的檢測驅動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

7、另外，根據本技術上述實施例的車輛的驅動電機故障檢測方法還可以具有如下的附加技術特征：

8、根據本技術的一個實施例，所述運行狀態(tài)包括第一運行狀態(tài)和第二運行狀態(tài)，所述識別所述驅動電機的當前運行狀態(tài)，包括：基于所述電流信號和自相關函數確定所述自相關函數在預設滯后量時的自相關值；在所述自相關值大于預設閾值的情況下，確定所述運行狀態(tài)為所述第一運行狀態(tài)；在所述自相關值小于所述預設閾值的情況下，確定所述運行狀態(tài)為所述第二運行狀態(tài)。

9、根據本技術的一個實施例，所述目標變換方式包括快速傅里葉變換方式和離散小波變換方式，所述基于所述運行狀態(tài)和所述時域電流信號確定轉化為頻域電流信號的目標變換方式，包括：在所述運行狀態(tài)為所述第一運行狀態(tài)的情況下，確定所述時域電流信號轉化為所述頻域電流信號的目標變換方式為所述快速傅里葉變換方式；在所述運行狀態(tài)為所述第二運行狀態(tài)的情況下，確定所述時域電流信號轉化為所述頻域電流信號的目標變換方式為所述離散小波變換方式。

10、根據本技術的一個實施例，所述頻譜特性包括所述頻域電流信號中諧波的頻率和振幅，和/或，所述頻域電流信號中不同頻帶的能量分布，所述利用所述目標變換方式確定所述頻域電流信號的頻譜特性，包括：通過所述快速傅里葉變換方式確定所述頻率和所述振幅；和/或，通過所述離散小波變換方式確定所述能量分布。

11、根據本技術的一個實施例，所述基于所述頻譜特性檢測所述驅動電機是否故障，并在檢測到所述驅動電機出現故障的情況下，識別所述驅動電機的當前故障類型，包括：將所述頻譜特性輸入至預設的電機故障模型，其中，所述電機故障模型包括第一故障模型和第二故障模型，所述第一故障模型和所述第二故障模型用于基于所述頻譜特性識別所述驅動電機是否故障以及故障類型；基于所述第一故障模型確定所述頻域電流信號屬于各個故障類型的置信度；在所述置信度大于等于預設置信度閾值的情況下，基于所述頻譜特性和所述第一故障模型確定所述驅動電機是否故障，并在檢測到所述驅動電機出現故障的情況下，識別所述驅動電機的當前故障類型；在所述置信度小于所述預設置信度閾值的情況下，基于所述頻譜特性和所述第二故障模型確定所述驅動電機是否故障，并在檢測到所述驅動電機出現故障的情況下，識別所述驅動電機的當前故障類型。

12、根據本技術的一個實施例，所述第一故障模型為k最近鄰分類算法模型，所述k最近鄰分類算法模型基于驅動電機正常運轉時的頻域電流信號的頻譜特性和驅動電機故障運轉時帶有故障類型標簽的頻域電流信號的頻譜特性訓練得到，所述第二故障模型為長短期記憶神經網絡算法模型，所述長短期記憶神經網絡算法模型基于所述k最近鄰分類算法模型篩選后的頻域電流信號的頻譜特性和驅動電機實際運轉時的頻域電流信號的頻譜特性訓練得到。

13、根據本技術的一個實施例，在識別所述驅動電機的當前故障類型后，所述方法還包括：在所述當前故障類型為軸承損壞故障的情況下，發(fā)出軸承損壞的故障預警，以及確定停車拆箱檢驗的維護措施；在所述當前故障類型為定子繞組故障的情況下，發(fā)出定子繞組故障的故障預警，以及確定調整車輛駕駛模式的維護措施；在所述當前故障類型為轉子偏心故障的情況下，發(fā)出轉子偏心故障的故障預警，以及確定校正轉子動平衡的維持措施。

14、為達到上述目的，本技術第二方面實施例提出了一種計算機可讀存儲介質，其上存儲有程序，該程序被處理器執(zhí)行時實現上述的車輛的驅動電機故障檢測方法。

15、根據本技術實施例的計算機可讀存儲介質，通過執(zhí)行時實現上述的車輛的驅動電機故障檢測方法，能夠解決現有驅動電機轉子偏心檢測技術難度大、準確率低等缺點，可以準確的檢測驅動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

16、為達到上述目的，本技術第三方面實施例提出的一種車輛，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的程序，所述處理器執(zhí)行所述程序時，實現上述的車輛的驅動電機故障檢測方法。

17、根據本技術實施例的車輛，通過執(zhí)行上述的車輛的驅動電機故障檢測方法，能夠解決現有驅動電機轉子偏心檢測技術難度大、準確率低等缺點，可以準確的檢測驅動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

18、為達到上述目的，本技術第四方面實施例提出了一種車輛的驅動電機故障檢測裝置，所述裝置包括：獲取模塊，用于獲取所述車輛的驅動電機在運行時的時域電流信號，并識別所述驅動電機的當前運行狀態(tài)；確定模塊，用于基于所述運行狀態(tài)和所述時域電流信號確定轉化為頻域電流信號的目標變換方式；檢測模塊，用于利用所述目標變換方式確定所述頻域電流信號的頻譜特性，并基于所述頻譜特性檢測所述驅動電機是否故障，并在檢測到所述驅動電機出現故障的情況下，識別所述驅動電機的當前故障類型。

19、根據本技術實施例的車輛的驅動電機故障檢測裝置，獲取模塊用于獲取車輛的驅動電機在運行時的時域電流信號，并識別驅動電機的當前運行狀態(tài)，確定模塊用于基于運行狀態(tài)和時域電流信號確定轉化為頻域電流信號的目標變換方式，檢測模塊用于利用目標變換方式確定頻域電流信號的頻譜特性，并基于頻譜特性檢測驅動電機是否故障，并在檢測到驅動電機出現故障的情況下，識別驅動電機的當前故障類型。由此，該裝置能夠解決現有驅動電機轉子偏心檢測技術難度大、準確率低等缺點，可以準確的檢測驅動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

20、本技術附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。