技術特征：

1.一種車輛的驅(qū)動電機故障檢測方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，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(qū)動電機的當前運行狀態(tài)，包括：

3.根據(jù)權(quán)利要求2所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，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(zhuǎn)化為頻域電流信號的目標變換方式，包括：

4.根據(jù)權(quán)利要求3所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，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：

5.根據(jù)權(quán)利要求1所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，所述基于所述頻譜特性檢測所述驅(qū)動電機是否故障，并在檢測到所述驅(qū)動電機出現(xiàn)故障的情況下，識別所述驅(qū)動電機的當前故障類型，包括：

6.根據(jù)權(quán)利要求5所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，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(qū)動電機正常運轉(zhuǎn)時的頻域電流信號的頻譜特性和驅(qū)動電機故障運轉(zhuǎn)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(jīng)網(wǎng)絡算法模型，所述長短期記憶神經(jīng)網(wǎng)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(qū)動電機實際運轉(zhuǎn)時的頻域電流信號的頻譜特性訓練得到。

7.根據(jù)權(quán)利要求1所述的車輛的驅(qū)動電機故障檢測方法，其特征在于，在識別所述驅(qū)動電機的當前故障類型后，所述方法還包括：

8.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有程序，該程序被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-7任一項所述的車輛的驅(qū)動電機故障檢測方法。

9.一種車輛，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的程序，所述處理器執(zhí)行所述程序時，實現(xiàn)根據(jù)權(quán)利要求1-7任一項所述的車輛的驅(qū)動電機故障檢測方法。

10.一種車輛的驅(qū)動電機故障檢測裝置，其特征在于，所述裝置包括：

技術總結(jié)
本申請公開了一種車輛及其驅(qū)動電機故障檢測方法和檢測裝置、存儲介質(zhì)，所述方法包括：獲取車輛的驅(qū)動電機在運行時的時域電流信號，并識別驅(qū)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(zhuǎn)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(qū)動電機是否故障，并在檢測到驅(qū)動電機出現(xiàn)故障的情況下，識別驅(qū)動電機的當前故障類型。本申請的檢測方法，能夠解決現(xiàn)有驅(qū)動電機轉(zhuǎn)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(qū)動電機是否發(fā)生故障以及發(fā)生故障時的故障類型。

技術研發(fā)人員：王剛,張承承
受保護的技術使用者：蜂巢傳動系統(tǒng)（江蘇）有限公司
技術研發(fā)日：
技術公布日：2025/6/26