自成立以来，联盟持续开展整车及关键零部件前沿、共性技术研究工作，形成了大批研究成果。2026年9月，联盟对2025年1月立项的5项共性技术课题完成结题验收，期间联盟秘书处通过组织课题中期评审、技术研讨会及线上微课堂等活动多次开展阶段性成果分享。现将课题成果进行发布，联盟成员单位可登录共享数据库获取课题成果。

基于数据的电机系统全生命周期健康管理技术

课题负责人

程远 哈尔滨工业大学教授

研究目标

提出基于数据驱动的电机系统全生命周期健康管控体系架构；建立电机系统及其关键零部件的状态监测、故障诊断与寿命预测等健康管理模型与算法。通过对于大数据的科学利用，实现电机全生命周期的健康管理，提高系统安全等级与可靠性水平。

 研究内容

（1）建立面向运维管控的新能源汽车驱动电机系统全生命周期健康管理评价体系，制定各层间交互机制与通信协议，研究电机系统数字孪生模型建模及运行方法。

（2）研究基于数据的电机系统故障特征提取与诊断方法，重点研究传感增强，高信噪比强鲁棒性故障特征数据提取方法，高效数据驱动故障诊断模型以及多故障分离方法。

（3）研究电机系统及其关键零部件状态与寿命衍变影响因素，包含电机绝缘系统、高速轴承、功率模块等，探究数字模型参数与状态关系;开发基于优化算法与参数辨识的电机数字孪生模型在线更新技术与状态可视化方法，研究电流、电压、音频与其他传感器多维异构数据融合算法，并结合深度学习模型实现电机状态参数识别与寿命预测。

考核指标

完成面向运维管理的车用电机数字孪生系统架构的制定，提供完整的故障诊断与寿命预测方案，基于3种及以上传感信号融合，实现6种类型故障以上的精确诊断（包含绕组短路故障、永磁体退磁故障、转子偏心故障等），3种以上关键状态的监测。在低速、高速、轻载与过载工况下，台架验证诊断准确率≥95%，估计参数值与实测值误差＜10%。提高电驱系统功能安全水平与等级。

主要成果

本课题研究数据驱动的电机系统健康管理，建立车用电机系统数字孪生架构，提出多种故障诊断与状态监测算法，显著提升系统可靠性。主要成果：构建驱动电机全生命周期健康管理评价体系，制定各层交互机制与通信协议，建立数字孪生模型；提出基于数据的故障特征提取与诊断方法，突破传感增强、强鲁棒性特征提取、高效诊断模型及多故障分离等关键技术；探明电机绝缘系统、高速轴承、功率模块等关键零部件状态与寿命衍变规律，开发基于优化算法与参数辨识的数字孪生在线更新与可视化技术，融合电流、电压、音频等多维异构数据，结合深度学习实现电机状态识别与寿命预测。

报告PPT

加入联盟  联系人：国老师  18920825538