新能源汽车整车健康管理（新能源汽车基本检查）

一、背景

在新能源汽车智能化与网联化的发展背景下，为了实现了对车辆状态的全方位、全天候、全过程的精细化管理，以此提高车辆运行效率、保障行车安全、降低运维成本、提升客户满意度，基于此应用背景，车辆健康管理（Vehicle Health Management，VHM）技术被提出。

二、车辆健康管理

车辆健康管理是指通过整车所搭载的各种传感器、控制单元在实现车辆本地计算与诊断的同时，配合云计算平台以及相关远程通信技术，对车辆的运行状态进行实时监测，以识别潜在故障、预测维护需求等，并根据车辆的不同工况、状态，通过策略推荐，实现整车性能的优化，从而确保整车在整个生命周期内保持最优状态。其主要功能如下：

图1 车辆健康管理基本功能

在上图所示的主要功能中，系统对于数据的分析是实现后续具体应用的关键，而在此过程中首先需对采集的原始数据进行清洗和预处理，包括去除噪声数据、填充缺失值、归一化或标准化数值范围、平滑处理以减少偶然误差等。接着在预处理过的数据中，软件算法将提取那些能反映车辆健康状况的关键特征，如通过电池单体电压的细微波动、驱动电机温度的变化趋势、制动系统的摩擦力变化等，来推断是否存在潜在的故障或性能衰退迹象。对于数据特征的提取常需考虑如下关键信息：

1）数据特征选择：在预处理过的数据中，根据车辆各部件的工作原理和潜在故障模式，选择与健康状态密切相关的特征变量。在纯电动汽车中，三电相关的信息将是体现车辆健康状态的主要特征参数，如从BMS中挑选如电压、电流、温度、SOC和SOH等都是可以表现动力电池的关键特征，而在MCU中挑选的如温度、扭矩、转速、冷却信息等都可作为表示驱动电机状态的关键特征。通过三电相关的特征数据，配合其他相关特征数据，则可组成对此纯电动车辆具有典型表现的全局数据。而在混动车型中，除了相关三电外，如发动机系统的转速、负荷、冷却液温度、机油压力和质量流量等都可以是关键特征。

2）特征构造：在完成对数据特征的选择后，需对其进行进一步加工和转化，以生成更有意义的衍生特征。如在评估动力电池的一致性问题上，可以通过计算电芯单体间的最大压差值或平均差值，或可通过计算发动机瞬时功率变化率以反映发动机工况的稳定性等。

3）时序特征分析：考虑到车辆数据的时序特性，在进行特征提取时，还会分析序列的相关性、周期性、趋势以及异常变化，提取如滑动窗口内的平均值、最大值、最小值、峭度等统计特性、傅里叶变换后的频谱特征、熵等时序特征。

4）异常检测特征：基于统计模型或机器学习模型识别异常的电压、温度等数值，这些异常点可能是故障早期的征兆。

5）趋势分析特征：分析关键参数随时间变化的趋势，如电池容量衰减曲线、发动机性能退化曲线等，通过斜率、拐点等特征来判断车辆组件的健康状况。

6）关系特征挖掘：识别不同传感器数据之间的关联性，例如，电池温度与充电电流的关系、刹车系统温度与刹车使用频次的关系等。

对数据特征提取整理如下：

图2 数据特征提取

通过提取出来的特征数据，用于训练软件模型，以提高故障预测的准确性，从而使车辆健康管理系统的性能得到持续改进。

在图1所示的基本功能中，需要注意的是大数据分析与故障诊断/预警这两个阶段，它们对于数据的处理有着密切的联系，但又有所不同。

其中，大数据分析过程主要是通过对海量的传感器数据进行深度分析，并提取能反映车辆整体健康状况、性能趋势以及可能出现故障的模式和规律，这个过程通常更为宏观和全面。其过程通常是通过汇集车辆运行中的各类传感器数据，并对此数据进行预处理后，提取能反映车辆健康和性能的关键特征，接着利用机器学习、深度学习等算法，构建预测模型，以分析车辆性能衰退趋势，进而识别潜在故障隐患，最后再将分析结果可视化（报告、数字孪生显示等），提供给技术人员或车主参考，为制定维护计划、优化驾驶习惯、预防故障发生提供依据。此过程由于需要处理的数据量极其庞大，因此常通过云端进行。

图3 大数据分析示意

而在故障诊断与预警阶段，对于数据的处理更聚焦于实时监测和即时响应，其重点在于及时发现并预警当前可能存在的具体故障或即将发生的故障，以防止意外停机或危险情况的发生。其过程通常是通过不间断地收集并分析传感器数据，寻找异常信号或偏差，并通过设定阈值、统计方法或基于机器学习的异常检测算法，快速识别出车辆运行中的异常情况，再根据异常数据和已知的故障模式库进行匹配，以判断可能发生故障的部位和性质，一旦发现潜在故障，迅速发出预警信号，并向驾驶员发送具体故障信息，同时根据不同故障等级以触发相应的应急处理措施。

图4 故障诊断与预警示意

此过程中，由于数据的产生与应用多以模块或区域的实时数据为主，且车载系统重点关注关键数据，过程中并不会对全车数据进行统一分析，具有数据量较小、数据传输实时的特性，因此该过程常基于车辆端进行。

综上所述，此两者在数据处理的起点相似，都是基于传感器数据进行分析，但大数据分析更侧重于长期趋势和预见性维护，而故障诊断与预警则更注重实时监控和应急响应。在实际应用中，这两者往往是相辅相成的，共同服务于车辆健康管理的整体目标。

在车辆健康管理对车辆进行全生命周期跟踪时，会形成车辆健康档案（Vehicle Health Record，VHR），此档案详细记录了车辆从出厂到报废期间所有的运行状态、维护保养、故障诊断、维修历史等信息。在智能化与网联化的背景下，此档案将随着时间的推移不断更新，其基本信息如下示意：

图5 车辆健康档案示意

此档案，用户可通过车辆APP随时进行查阅，以进一步了解车辆的状态。