用于监测混合动力电动汽车动力系统故障的核动态正交子空间分析

《Scientific Reports》：Kernel dynamic orthonormal subspace analysis for monitoring hybrid electric vehicle powertrain faults

　　

摘要

由于机械、电气和热子系统之间的耦合效应，混合动力电动汽车（HEV）的动力系统表现出复杂的动态和非线性特性。传统的基于时间滞后移位方法（TLSM）的多变量统计过程监测（MSPM）方法可能存在冗余信息问题，即未用于预测的历史数据可能会污染提取的特征，从而降低故障检测的灵敏度。为了解决这一限制，本文提出了一种核动态正交子空间分析（KDOSA）方法来监测HEV动力系统的故障。该方法将OSA框架扩展到核特征空间，使用高斯核函数来捕捉非线性依赖关系，同时保持动态和静态成分之间的正交分离。通过在再生核希尔伯特空间中将实时数据分解为动态和静态子空间，KDOSA旨在减轻基于TLSM的核方法（如动态核PCA）中固有的冗余信息问题。开发了一个全面的监测框架，为动态和静态子空间提供了\(T^2\)指数，以实现故障检测能力和关于故障起源的诊断信息。通过数值模拟和实际HEV动力系统实验验证了所提方法的有效性。实验结果表明，KDOSA在所有测试场景中均实现了超过95%的故障检测性能指数（PI）值，并且没有触发误报，显示出比现有基于OSA的非线性动态方法更好的性能。