Loading...
机构名称:
¥ 1.0

电动汽车核心组件的抽象维护对于确保生产力,寿命,驱动质量和安全环境至关重要。预测性维护是一种使用操作和故障条件数据来预测未来机器条件并根据此预测做出决定的方法。用于预测维护和状况监控的方法可以基于机器学习和数据分析。学习过程始于对数据的观察,并在以后的实例中使用它来构建模型。主要目的是允许计算机在不参与人类援助干预的情况下学习。一些机器学习方法是监督学习,半监督学习和强化学习。提出的研究的主要目的是使用各种电子控制单元的电动汽车的可用传感器数据,并设计一个预测模型,该模型对电动汽车中发生的各种电气和机械故障进行了分类,并预测了增加整个电气车辆系统的可靠性的类型。项目的工作流程被定义为故障建模,生成健康和故障数据,使用时间同步平均进行处理数据,对系统状况指标的识别以及最终使用这些条件指标,设计了SVM分类预测模型,从模拟研究中推断出所需的结果并从模拟研究中推断出结论。关键字:预测性维护,电动汽车,故障,齿轮故障,电气故障,BLDC电机

电动和机械故障的电动汽车有条件预测

电动和机械故障的电动汽车有条件预测PDF文件第1页

电动和机械故障的电动汽车有条件预测PDF文件第2页

电动和机械故障的电动汽车有条件预测PDF文件第3页

电动和机械故障的电动汽车有条件预测PDF文件第4页

电动和机械故障的电动汽车有条件预测PDF文件第5页