4. 故障诊断与检测方法
混合动力系统的故障降级工程，第一步不是“降级”，而是“确认故障”。如果诊断环节误报、漏报或延迟，后续的扭矩限制、发动机启停抑制、电机功率降额都会建立在错误前提上。因此，本节聚焦故障诊断与检测的四类核心手段：传感器信号分析、模型法、数据驱动法，以及阈值设定与故障确认策略。它们不是互斥选项，而是同一诊断链路中不同层级的证据来源。
一、传感器信号分析：从物理量到可判断特征
传感器信号分析是最基础、最直接的方法。混合动力系统关键传感器包括：电机旋变位置、电流/电压传感器、电池包电流/电压/温度、发动机转速、节气门位置、冷却液温度、制动踏板位置等。原始信号本身不能直接判断故障，必须提取时域、频域或统计特征。
- 时域特征：均值、峰峰值、上升沿时间、超调量、稳态误差。例如电机电流阶跃响应超调过大，可能指向电流环参数漂移或传感器带宽不足。
- 频域特征：FFT 主频、谐波幅值、边带能量。旋变信号中若出现与转速非整数倍关系的边带，常提示机械偏心或电磁干扰。
- 统计特征：方差、峭度、相关系数。电池单体电压方差突然增大，往往早于明显压差报警出现。
- 一致性特征：冗余传感器互差、三相电流之和、母线电压与单体电压之和的匹配度。
信号分析的优点是响应快、计算量小、可解释性强；缺点是难以区分“传感器故障”与“真实工况异常”。例如电机电流偏大，可能是传感器零漂，也可能是负载真实增加。因此，信号分析通常作为第一层快速筛查，为模型法和数据驱动法提供输入。
二、模型法：用残差判断系统是否偏离预期
模型法基于系统物理方程或简化动态模型，构造观测器或状态估计器，将估计值与实测值比较，得到残差。残差在无故障时接近零均值小方差，故障时出现显著偏移或结构变化。混合动力系统常用模型包括：电机 dq 轴电压方程、电池一阶/二阶 RC 模型、发动机扭矩估计模型、传动系动力学模型。
# 以电池一阶 RC 模型为例的残差计算
V_est = OCV(SOC) - I * R0 - V_RC
residual = V_meas - V_est
if abs(residual) > threshold_V:
suspect_battery_model_mismatch = True
模型法的核心优势是能捕捉“物理上不该发生”的行为，例如电池端电压在电流突变时下降过快，可能指向内阻增大或连接松动。但它对模型精度敏感：温度、老化、SOC 估计误差都会污染残差。工程上常用自适应阈值或在线参数辨识来缓解，但会增加标定复杂度。
三、数据驱动法：从历史模式中识别异常
数据驱动法不依赖精确物理模型，而是利用正常与故障工况下的数据分布差异进行判别。常见方法包括：主成分分析（PCA）用于降维与残差空间监控、支持向量机（SVM）用于分类、孤立森林用于异常检测、神经网络用于非线性映射。在混合动力系统中，数据驱动法特别适合处理多传感器耦合、工况多变、故障模式难以建模的场景。
- 训练数据要求：需覆盖典型工况与故障注入样本，否则模型只学会“正常工况”，对真实故障泛化差。
- 特征工程：常使用滑动窗口统计量、频带能量、互相关、温度-电流比值等。
- 在线部署：需考虑嵌入式算力，通常采用轻量模型或离线训练+在线查表。
四、阈值设定与故障确认策略
有了残差、特征或概率输出，下一步是判决。阈值设定不是简单取一个固定数，而要结合噪声水平、工况变化、误报代价和漏报代价。常用策略包括：固定阈值、自适应阈值、滞环阈值、持续时间确认、计数器确认、多信号投票。
| 策略 | 适用场景 | 优点 | 风险 |
|---|---|---|---|
| 固定阈值 | 噪声稳定、工况单一 | 简单、可预测 | 工况变化易误报 |
| 自适应阈值 | 转速/温度大范围变化 | 误报率低 | 标定复杂 |
| 滞环阈值 | 信号在阈值附近抖动 | 抑制反复跳变 | 确认延迟增加 |
| 持续时间确认 | 瞬态干扰多 | 过滤毛刺 | 故障响应变慢 |
| 计数器确认 | 间歇性故障 | 可量化严重度 | 计数器阈值难定 |
| 多信号投票 | 关键安全故障 | 置信度高 | 成本与复杂度高 |
故障确认策略通常采用“分级确认”：第一级快速筛查，第二级持续确认，第三级多源交叉验证。例如电机过温：第一级温度超过 120°C 触发预警；第二级持续 5 秒超过 130°C 进入降级候选；第三级结合电流、冷却液温度、转速确认是否真实过热。只有第三级确认后，才触发扭矩降额。
五、案例：电机位置传感器间歇性故障
某混动车型在低速蠕行时偶发扭矩抖动。信号分析发现旋变正弦信号幅值在特定角度出现 3% 波动；模型法残差显示 dq 轴电流估计偏差增大；数据驱动法将此类样本聚类为“间歇性异常”。若仅用固定阈值，3% 波动不会触发；若仅用模型法，残差受工况影响大。最终采用“信号幅值波动 + 残差持续 200ms + 转速低于 300rpm”三条件投票，确认故障后切换至无位置传感器控制并限制扭矩，避免车辆闯动。
六、复盘：诊断方法的选择逻辑
- 快变、安全相关：优先信号分析 + 硬件冗余，确认时间要短。
- 慢变、性能相关：优先模型法 + 自适应阈值，允许较长确认窗口。
- 多工况、非线性：数据驱动法作为补充，但需保证训练覆盖度。
- 所有方法：都必须经过阈值设定与故障确认策略，才能进入降级执行层。
诊断与检测不是孤立算法，而是降级工程的“证据链”。信号分析提供原始证据，模型法提供物理一致性证据，数据驱动法提供模式证据，阈值与确认策略负责把证据转化为可执行的故障判决。只有这条链路清晰、可追溯，后续的降级动作才有可靠依据。