摘要
本发明公开了一种应用于新能源汽车的电机声纹故障诊断方法,预先获取新能源车辆电机在正常和不同故障状态下的声纹信号,采用改进的辛几何模态分解ASGMD对故障数据进行去噪分解;提取多尺度散布熵特征,提取声纹信号的ASGMD特征能量熵特征和多尺度散布熵特征构建混合特征向量集,并划分训练集和测试集;在战争策略算法WSO中引入Tent混沌映射和非线性自适应权重策略,得到改进的战争策略算法AWSO;构建Flowformer‑CNN模型,并采用AWSO对Flowformer‑CNN进行参数寻优;所述Flowformer模型为将标准的Transformer中的二次复杂度Attention替换为Flow‑Attention;将优化的Flowformer‑CNN模型与Softmax分类器结合,输入测试集,得到电机的声纹故障诊断结果。本发明实现对电机不同故障的精准判断,进一步保证车辆的正常运行。