本发明属于电驱动系统健康预测与管理领域，具体涉及电驱动系统复合健康指标构建与失效阈值判定方法及系统。
背景技术：
1、用户运行数据下新能源汽车电驱动系统承受复杂多变的多物理场载荷，在长期服役过程中存在多种失效模式，不同用户行为呈现的性能退化规律各异。合理构建表征性能退化程度的复合健康指标并形成不同用户下失效阈值判定依据，对电驱动系统退化状态评估与剩余寿命预测具有重要意义。目前，采用多源传感器信息融合或多维特征融合的虚拟健康指标构造方法未考虑不同部件失效机理，且性能退化规律与剩余寿命间的可解释性较弱。传统的失效阈值判定方法主要依赖于通过全寿命周期载荷的采集，并将寿命目标下健康指标定义为失效阈值。由于用户退化规律不一致、失效阈值不统一、全寿命周期退化数据不完备等情况，导致当前用户运行数据下电驱动系统失效阈值判定缺乏成熟的技术途径。
技术实现思路
1、为解决上述背景中的技术问题，本发明提出了电驱动系统复合健康指标构建与失效阈值判定方法及系统，以解决电驱动系统退化状态有效表征及不同用户下失效阈值合理判定的问题。
2、为实现上述目的，本发明提供了电驱动系统复合健康指标构建与失效阈值判定方法，步骤包括：
3、采集用户的新能源汽车电驱动系统的载荷数据，构建多维度评价指标；
4、基于所述多维度评价指标，确定用户的最小循环周期；
5、基于所述最小循环周期，构建用户基础工况片段库；
6、基于所述用户基础工况片段库，构建失效阈值分布模型；
7、利用所述失效阈值分布模型，完成失效阈值判定。
8、优选的，构建所述多维评价指标的方法包括：采用可变滑动时窗法对所述载荷数据进行分割并构造不同尺度的样本集，从时域特征、频域特征、损伤域特征、样本集与总体数据间联合分布误差角度构造所述多维度评价指标。
9、优选的，得到所述最小循环周期的方法包括：基于所述多维度评价指标，建立各维度相对复现度拟合方程，以各维度评价指标95％相对复现度对应的时间尺度为依据综合确定所述用户最小循环周期。
10、优选的，构建所述用户基础工况片段库的方法包括：基于所述最小循环周期内的所述载荷数据划分运行片段集，分析电驱动系统部件失效物理以提取损伤速率特征参数，采用深度聚类算法实现相似损伤速率的工况聚类，对每类别工况片段单独随机抽样，以最小化抽样样本与总体样本间损伤强度误差与载荷分布误差定义目标函数，对筛选的运行片段进行一致性检验分析，构建所述用户基础工况片段库。
11、优选的，构建所述失效阈值分布模型的方法包括：基于所述基础工况片段库，采用熵权法-变异系数法-主成分分析法结合的综合权重法构建电驱动系统的所述复合健康指标，定义给定寿命目标下的外推倍数，考虑多次抽样样本下复合健康指标分散性，基于蒙特卡洛仿真外推寿命目标下全体用户失效阈值，建立所述失效阈值分布模型。
12、本发明还提供了电驱动系统复合健康指标构建与失效阈值判定系统，所述系统用于实现上述方法，包括：采集模块、定标模块、工况片段库构建模块、模型构建模块和判定模块；
13、采集用户的新能源汽车电驱动系统的载荷数据，构建多维度评价指标；
14、基于所述多维度评价指标，确定用户的最小循环周期；
15、基于所述最小循环周期，构建用户基础工况片段库；
16、基于所述用户基础工况片段库，构建失效阈值分布模型；
17、利用所述失效阈值分布模型，完成失效阈值判定。
18、优选的，采集模块的工作流程包括：采用可变滑动时窗法对所述载荷数据进行分割并构造不同尺度的样本集，从时域特征、频域特征、损伤域特征、样本集与总体数据间联合分布误差角度构造所述多维度评价指标。
19、优选的，所述定标模块的工作流程包括：基于所述多维度评价指标，建立各维度相对复现度拟合方程，以各维度评价指标95％相对复现度对应的时间尺度为依据综合确定所述用户最小循环周期。
20、与现有技术相比，本发明的有益效果如下：
21、本发明提出的电驱动系统复合健康指标构造方法，用于构建表征电驱动系统退化状态指标，结合用户基础工况片段库与外推循环次数，采用蒙特卡洛仿真外推全体用户失效阈值并建立失效阈值判定准则。为电驱动系统退化状态动态评估与剩余寿命精准预测提供技术支持。
1.电驱动系统复合健康指标构建与失效阈值判定方法，其特征在于，步骤包括：
2.根据权利要求1所述的电驱动系统复合健康指标构建与失效阈值判定方法，其特征在于，构建所述多维评价指标的方法包括：采用可变滑动时窗法对所述载荷数据进行分割并构造不同尺度的样本集，从时域特征、频域特征、损伤域特征、样本集与总体数据间联合分布误差角度构造所述多维度评价指标。
3.根据权利要求1所述的电驱动系统复合健康指标构建与失效阈值判定方法，其特征在于，得到所述最小循环周期的方法包括：基于所述多维度评价指标，建立各维度相对复现度拟合方程，以各维度评价指标95％相对复现度对应的时间尺度为依据综合确定所述用户最小循环周期。
4.根据权利要求1所述的电驱动系统复合健康指标构建与失效阈值判定方法，其特征在于，构建所述用户基础工况片段库的方法包括：基于所述最小循环周期内的所述载荷数据划分运行片段集，分析电驱动系统部件失效物理以提取损伤速率特征参数，采用深度聚类算法实现相似损伤速率的工况聚类，对每类别工况片段单独随机抽样，以最小化抽样样本与总体样本间损伤强度误差与载荷分布误差定义目标函数，对筛选的运行片段进行一致性检验分析，构建所述用户基础工况片段库。
5.根据权利要求1所述的电驱动系统复合健康指标构建与失效阈值判定方法，其特征在于，构建所述失效阈值分布模型的方法包括：基于所述基础工况片段库，采用熵权法-变异系数法-主成分分析法结合的综合权重法构建电驱动系统的所述复合健康指标，定义给定寿命目标下的外推倍数，考虑多次抽样样本下复合健康指标分散性，基于蒙特卡洛仿真外推寿命目标下全体用户失效阈值，建立所述失效阈值分布模型。
6.电驱动系统复合健康指标构建与失效阈值判定系统，所述系统用于实现权利要求1-5任一项所述的方法，其特征在于，包括：采集模块、定标模块、工况片段库构建模块、模型构建模块和判定模块；
7.根据权利要求6所述的电驱动系统复合健康指标构建与失效阈值判定系统，其特征在于，采集模块的工作流程包括：采用可变滑动时窗法对所述载荷数据进行分割并构造不同尺度的样本集，从时域特征、频域特征、损伤域特征、样本集与总体数据间联合分布误差角度构造所述多维度评价指标。
8.根据权利要求6所述的电驱动系统复合健康指标构建与失效阈值判定系统，其特征在于，所述定标模块的工作流程包括：基于所述多维度评价指标，建立各维度相对复现度拟合方程，以各维度评价指标95％相对复现度对应的时间尺度为依据综合确定所述用户最小循环周期。
