一种基于数据驱动的重卡电驱桥故障诊断方法

本发明公开一种基于数据驱动的重卡电驱桥故障诊断方法，先采集各种使用场景的重卡电驱桥的运行状态数据，并标注故障类别，构建原始数据集；采用基于权重噪声的生成对抗网络进行样本生成，实现数据扩充，并将扩充后的数据和原始数据合并，形成训练数据集；选用基于边界平滑的自编码器作为特征降维模型，并利用训练数据集训练特征降维模型；采用基于量子概率引导的概率神经网络作为分类器模型，并用特征降维模型输出的特征训练分类器模型；最后采集待评估的重卡电驱桥的原始数据，输入训练完成的特征降维模型中进行特征处理；再将处理得到的特征输入训练后的分类器模型中分类，得到分类结果。本发明能实现电驱桥故障诊断的高精度、高鲁棒性。