退化水平预测方法和退化水平预测系统与流程

本公开提供了一种退化水平预测方法和退化水平预测系统。

背景技术：

1、近年来，车辆驾驶员的舒适性被认为是重要的，驾驶员所经历的噪音和振动可能对车辆的适销性起着重要作用。在车辆中，可能会产生各种噪音和/或振动。

2、特别地，当车辆驱动系统劣化时，退化可能导致噪音和/或振动和/或噪音和/或振动的变化。确定(例如，检测)以应对退化(例如，更换、更新和/或维修零件)是有用的。

技术实现思路

1、以下概述简要总结了某些特征。概述不是一个广泛的概述，也不是旨在标识关键或决定性的要素。

2、描述了用于退化水平预测的系统、装置和方法。一种方法可以包括通过以下步骤执行深度学习来确定状态估计模型：使用指示噪音源在预定时段期间的多个振动的多个频率数据项和指示所述噪音源在所述预定时段期间的对应退化程度的多个退化数据项；在监测时段期间在噪音点处测量来自所述噪音源的多个第一振动信号；通过将通过将所述多个第一振动信号转换为频域而获得的多个第一频率数据项输入到所述状态估计模型中，来估计指示所述监测时段期间所述噪音源的退化程度的时间序列退化数据；通过使用所述时间序列退化数据执行深度学习来确定退化预测模型；基于所述退化预测模型，预测指示在比所述监测时段晚的预测时段内的至少一个目标时间点处的所述噪音源的退化程度的退化数据；并且基于所述时间序列退化数据和所述目标时间点处的退化数据来计算所述噪音源的剩余使用寿命。

3、此外，或者可替代地，退化水平预测系统可以包括：输入单元，所述输入单元被配置为从被配置为测量来自噪音源的噪音的噪音点获取振动信号；估计模型学习单元，所述估计模型学习单元被配置为通过使用指示所述噪音点在预定时段期间的多个振动的多个频率数据项和指示所述噪音源在所述预定时段期间的退化程度的多个退化数据项执行深度学习来确定状态估计模型；以及控制器，所述控制器被配置为在监测时段期间测量所述噪音点处的多个第一振动信号，通过将多个第一频率数据项输入到所述状态估计模型中来估计指示所述监测时段期间所述噪音源的退化程度的时间序列退化数据，其中，所述第一频率数据项通过将所述多个第一振动信号转换为频域来获得，经由使用所述时间序列退化数据执行深度学习来预测指示在比所述监测时段晚的预测时段内的至少一个目标时间点处的所述噪音源的退化程度的退化数据，并且基于所述时间序列退化数据和在所述至少一个目标时间点处的所述预测的退化数据来计算所述噪音源的剩余使用寿命。

4、以下将更详细地描述这些以及其他特征和优点。

技术特征：

1.一种方法，包括：

2.根据权利要求1所述的方法，其中：

3.根据权利要求1所述的方法，其中：

4.根据权利要求3所述的方法，其中，所述退化预测模型包括长短期记忆lstm模型。

5.根据权利要求1所述的方法，其中：

6.根据权利要求5所述的方法，其中：

7.根据权利要求1所述的方法，其中，所述噪音源包括电机减速器、制动器或轮胎中的一个或多个。

8.一种退化水平预测系统，包括：

9.根据权利要求8所述的退化水平预测系统，其中：

10.根据权利要求8所述的退化水平预测系统，还包括：

11.根据权利要求10所述的退化水平预测系统，其中，所述退化预测模型包括长短期记忆lstm模型。

12.根据权利要求8所述的退化水平预测系统，其中：

13.根据权利要求12所述的退化水平预测系统，其中：

14.根据权利要求8所述的退化水平预测系统，其中，所述噪音源包括电机减速器、制动器或轮胎中的一个或多个。

技术总结
通过使用指示噪音源在某一时段期间的振动的频率数据和指示噪音源在预定时段期间的退化的退化数据执行深度学习以确定状态估计模型来预测该噪音源的退化水平。在监测时段期间,在噪音点处测量第一振动信号。将第一振动信号转换为频域，并且将频域转换后的第一振动信号输入到状态估计模型中，以估计监测时段期间噪音源的退化的时间序列退化数据。通过使用该时间序列退化数据的深度学习来确定退化预测模型。经由该退化预测模型来预测指示预测时段期间该噪音源的预测的退化的退化数据。可以计算该噪音源的剩余使用寿命。

技术研发人员：李京雨,柳龙铉,成大云,吴泫锡,柳东辉,吴钉敏
受保护的技术使用者：现代自动车株式会社
技术研发日：
技术公布日：2025/1/2