一种eVTOL飞行器电机健康监测方法

在现代工业与交通领域，电机作为核心动力组件，广泛应用于电动汽车、电动飞机(包括电动垂直起降飞行器eVTOL)、无人机等各类电动设备中(图1中的电动飞机400)。电机的稳定运行直接决定了设备的可靠性、安全性与运行效率，其健康状态监测已成为保障设备持续作业的关键环节。随着电动化技术的快速发展，电机向高功率、小型化、集成化方向演进，内部结构愈发复杂，运行环境也日趋严苛，温度、振动、电流波动等因素均可能引发故障，甚至导致设备停机或安全事故。

图1 为根据本公开实施例的、集成于电动飞机的电机的透视图

传统电机健康监测方式已难以满足现代电动设备的高精度、实时性需求。在此背景下，本文提出了一种基于增强现实(AR)技术的电机健康监测系统与方法，通过多维度传感器感知、智能数据处理与直观可视化展示的有机结合，实现电机健康状态的实时监测、故障预警与维护指导，为电动设备的安全高效运行提供了全新技术支撑，尤其适用于对可靠性要求极高的电动航空与地面交通领域。

尽管电机健康监测技术已发展多年，但当前主流解决方案仍存在诸多亟待解决的痛点，严重制约了监测效率与实用性，具体体现在以下五个方面：

首先，信息显示维度有限且形式单一。传统电机监测器多依赖传统仪表盘或独立显示屏，仅能呈现电压、电流等少数基础参数，无法全面反映电机的多维度健康状态(如温度分布、振动频率、绝缘性能等)。监测数据通常以数字或简单曲线形式呈现，缺乏直观性，操作人员难以快速识别异常趋势，更无法精准定位故障发生的具体部位，导致故障诊断滞后。

其次，可视化程度不足，数据与物理实体脱节。现有技术未能将监测数据与电机的实际结构关联，操作人员需要在监测设备与电机本体之间频繁切换注意力，不仅增加了工作负担，还容易因信息匹配偏差导致误判。例如，当电机出现局部过热时，传统系统仅能显示温度数值，却无法直观展示过热区域在电机上的具体位置，给故障排查带来极大困难。

第三，数据处理与分析能力薄弱。传统监测系统多以数据采集与简单展示为主，缺乏对历史数据的存储、对比分析能力，无法通过与同类电机、同工况下的历史运行数据对比识别潜在异常。同时，缺乏智能诊断算法支持，难以实现故障的提前预警，往往在故障已经发生并影响运行时才能被发现，错失了预防性维护的最佳时机。

第四，维护指导性不足。当前技术仅能告知操作人员电机存在异常，却无法提供具体的维护建议，如故障原因分析、需要检修的部件、维护流程等。对于复杂电机结构(如图2中的电机300，包含定子304、转子组件、推进器312等多个精密部件)，操作人员需凭借自身经验进行排查，不仅效率低下，还可能因操作不当造成二次损坏。

图2 为根据本公开实施例的示例性电机的分解视图

最后，存在操作干扰风险。在电动车辆、电动飞机等设备的运行过程中，操作人员需要专注于驾驶或飞行控制。传统监测系统的独立显示屏需要操作人员分心查看，极易分散注意力，引发安全隐患。尤其对于电动飞机等对操作精度要求极高的设备，这种干扰可能导致严重的飞行事故。

本文提出的电机健康监测系统100(图3)通过传感器模块、增强现实显示模块与计算设备模块的协同工作，构建了一套“感知-处理-可视化”的全链路解决方案，彻底解决了传统技术的痛点。系统核心架构如图3所示，主要包括三大核心组件：至少一个传感器112、增强现实显示器124以及计算设备132，三者通过通信连接形成闭环监测系统，同时可应用于电动车辆108(如电动飞机、电动汽车)中的电机104。

图3 为根据本公开实施例的电机健康监测系统的框图

图3清晰展示了各组件的连接关系：传感器112负责检测电机104的各类运行指标，生成电机数据120并传输至计算设备132；计算设备132对接收的电机数据120进行处理、分析与诊断；增强现实显示器124接收计算设备132的指令，以直观的视觉形式展示电机健康状态。该架构实现了数据采集、处理与可视化的无缝衔接，确保监测的实时性与准确性。

传感器模块是系统数据采集的基础，通过部署多种类型的传感器112(图3)，实现对电机104全方位健康指标的监测，解决了传统传感器单一维度监测的局限。

传感器112的核心功能是检测至少一项电机指标116，并基于该指标生成电机数据120。电机指标116涵盖温度、湿度、电流、电压、振动、声音、应变、转速等物理与电气参数，全面覆盖电机运行的关键状态维度。为实现多维度监测，传感器112可采用多种类型的传感设备，包括温度传感器、湿度传感器、加速度计、电化学传感器、陀螺仪、磁力计、惯性测量单元(IMU)、压力传感器、接近传感器、位移传感器、力传感器、振动传感器、气体探测器等(图4中的传感器套件200)。

图4 为根据本公开实施例的示例性传感器套件的示意图

图4展示了示例性传感器套件200的结构，该套件可集成多个独立传感器112，通过电路元件(如印刷电路板组件)实现信号的统一采集与传输。传感器套件200具备冗余设计能力，可部署多个测量同一现象的传感器，确保在单个传感器故障时仍能维持监测功能。例如，传感器套件200中可集成多个温度传感器，分别监测电机定子304、转子轴336、推进器312等关键部件的温度，形成温度分布数据。

传感器112的安装位置灵活多样，可部署在电机104的外表面、内部或远程位置。例如，红外传感器可远程指向电机104，通过检测红外能量计算电机温度；接触式温度传感器可直接安装在定子304的线圈绕组上，实时监测绕组发热情况(图2)。此外，传感器112既可以是接触式也可以是非接触式，可通过有线或无线方式与计算设备132通信，传输的电机数据120可采用二进制、模拟、脉冲宽度调制等多种信号形式。

针对电机运行的关键电气参数，传感器112特别包含电流传感器，可测量直轴电流(d轴)、交轴电流(q轴)以及纹波电流，这些参数能精准反映电机的电磁运行状态，为故障诊断提供核心数据支持。例如，纹波电流的异常波动可预示逆变器或绕组故障，直轴与交轴电流的不平衡则可能指向磁路异常。

增强现实显示模块(AR显示器124，图3)是系统的核心创新点之一，通过将电机数据120以可视化形式叠加于真实电机场景中，解决了传统显示方式不直观、分散注意力的问题。

AR显示器124的核心功能是接收计算设备132的指令，显示电机数据120的视觉表征128。视觉表征128可采用图形图像、符号、数值或组合形式，包括多色图像、警报提示、热图等。其中，热图是最具代表性的可视化形式，能够直观展示电机104的温度分布，帮助操作人员快速定位过热区域。

AR显示器124的实现形式多样，包括平视显示器(HUD)、增强现实头戴设备、透明显示屏(如驾驶舱窗户、眼镜式镜片)、隐形眼镜或眼贴设备等。其核心优势在于“虚实融合”，即通过反射波导、衍射波导、透镜等技术，将虚拟的视觉表征128叠加于操作人员的真实视野中(图3)。例如，当操作人员通过AR头戴设备观察电机104时，热图128会精准叠加在电机本体上，使得过热部位与真实电机结构一一对应，无需在显示屏与电机之间切换注意力。

为实现精准叠加，AR显示器124与计算设备132协同工作，通过图像识别技术定位视野中的电机104，自动调整视觉表征128的大小、位置与角度。例如，当操作人员移动观察角度时，计算设备132会实时调整热图128的投影参数，确保其始终与电机104的物理结构对齐；对于复杂电机结构(如图2中的电机300)，AR显示器124还可显示电机的3D虚拟模型，并将健康数据叠加于模型上，操作人员可通过交互操作旋转模型，查看电机内部部件(如转子轴336、轴承盒340、叶轮344)的健康状态。

警报功能是AR显示器124的另一重要特性，可根据计算设备132的诊断结果生成不同级别、不同类型的警报。例如，当电机104温度超过阈值时，AR显示器124会在对应区域显示红色闪烁提示；当检测到振动异常时，会生成符号化警报并标注异常部位。警报提示既可以是通用状态通知，也可以是具体参数警报(如“定子304温度达到150℃”)，确保操作人员快速获取关键信息。

AR显示器124的部署位置靠近操作人员的视野范围(如驾驶舱前方、头戴设备)，使得操作人员在专注于设备操作的同时即可获取监测信息，彻底消除了传统显示方式的操作干扰，尤其适用于电动飞机等对操作专注度要求极高的场景(图1中的电动飞机400)。

计算设备132(图3、图5)是系统的“大脑”，负责数据接收、处理、分析、诊断与指令下发，解决了传统系统数据处理能力薄弱、缺乏智能诊断的问题。

图5 为可用于实现本文所公开的任意一种或

多种方法及其任意一个或多个部分的计算系统框图

计算设备132的硬件架构如图5所示，包括处理器604、存储器608、存储设备624、输入设备632、网络接口设备640、显示适配器652等组件，通过总线612实现通信。处理器604可采用微控制器、微处理器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、系统级芯片(SoC)等，具备强大的运算与数据处理能力；存储器608用于存储运行指令与实时数据，存储设备624(如硬盘、固态硬盘)则用于长期存储历史运行数据与训练模型。

计算设备132的核心软件功能包括以下几个方面：

第一，数据接收与预处理。计算设备132通过有线或无线方式接收来自传感器112的电机数据120，进行信号调理(如滤波、模数转换)，去除噪声干扰，确保数据准确性。例如，通过数字信号处理(DSP)技术对振动信号进行傅里叶变换，提取特征频率；对温度数据进行平滑处理，消除瞬时波动影响。

第二，历史数据对比与分析。计算设备132存储电机104的历史运行数据(如不同工况下的温度、电流曲线)，并可接入同类电机的运行数据库。当接收实时数据时，将其与历史数据、同类电机数据进行对比，识别异常趋势。例如，在电动飞机400起飞阶段，计算设备132会将当前电机104的温度、电流数据与相同起飞速率、相同环境温度下的历史数据对比，若偏差超过阈值则判定为异常。

第三，机器学习模型训练与诊断。计算设备132可训练状态机器学习模型或神经网络，以历史电机数据120与对应诊断结果为训练数据，建立输入(电机指标116)与输出(运行状态、故障类型)的映射关系。训练完成后，模型可根据实时电机数据120自动输出诊断结果，包括故障类型(如轴承磨损、绕组短路)、故障位置、严重程度等。例如，当振动传感器检测到特定频率的波动，且温度传感器检测到局部过热时，模型可诊断为轴承盒340(图3)的磨损故障，并输出维护建议。

第四，显示控制与用户交互。计算设备132允许操作人员通过输入设备632(如键盘、触摸屏、语音控制器)调整显示参数，例如切换不同电机指标116的可视化形式、查看详细数据、设置警报阈值等。同时，计算设备132会将诊断结果与影响诊断的关键数据(如导致故障的温度、振动数据)同步显示在AR显示器124上，帮助操作人员理解诊断依据。

系统100针对不同类型电机(如无刷直流电机、永磁同步电机、感应电机)进行了结构适配，尤其适用于电动飞机400(图1)的集成式电机300(图2)。图2展示了电机300的分解结构，包括定子304、推进器312、轮毂316、第二磁性元件320、电机内磁体载体324、电机外磁体载体328、转子轴336、通孔332、轴承盒340、叶轮344等部件。传感器112可根据电机结构特点部署在关键部位：例如，温度传感器部署在定子304的线圈绕组附近，振动传感器安装在轴承盒340上，电流传感器串联在供电线路中，声音传感器则部署在电机壳体内部，检测电磁噪声与机械噪声。

图1展示了电机300在电动飞机400上的应用场景，电机300通过结构特征(如机翼、机身支架)安装在飞机上，传感器112监测电机在飞行过程中的温度、振动、电流等参数，AR显示器124为飞行员提供实时健康状态反馈。在垂直起降(eVTOL)、巡航、降落等不同飞行阶段，计算设备132会自动调整监测参数与对比基准，确保在不同工况下的监测准确性。例如，在起飞阶段，重点监测推进器312的扭矩与电流，在巡航阶段则重点关注定子304的温度与轴承振动。

系统100的工作流程遵循图6所示的方法500，分为两个核心步骤，实现电机健康状态的闭环监测：

图6 为可用于实现本文所公开的任意一种或

多种方法及其任意一个或多个部分的计算系统框图

步骤505：数据采集。计算设备132接收来自至少一个传感器112的电机数据120。传感器112持续检测电机指标116(如温度、电流、振动)，将其转换为电机数据120并传输至计算设备132。例如，温度传感器每100毫秒采集一次定子304的温度数据，电流传感器实时采集直轴电流与纹波电流数据，传感器套件200(图4)将多维度数据整合后通过CAN总线或无线通信传输至计算设备132。

步骤510：可视化显示。计算设备132向AR显示器124发送指令，命令其显示电机数据120的视觉表征128。计算设备132首先对电机数据120进行预处理与分析，生成诊断结果，然后根据数据类型选择合适的可视化形式。例如，温度数据转换为热图128，电流数据转换为数值与趋势曲线，故障诊断结果转换为警报提示。AR显示器124接收指令后，将视觉表征128叠加于真实电机场景中，完成数据的直观呈现。

在实际运行过程中，该流程持续循环，实现实时监测。当计算设备132诊断到异常时，会优先触发警报提示，并调整视觉表征128的显示优先级，确保操作人员第一时间获取故障信息。

本文提出的电机健康监测系统通过三大核心组件的协同工作，全面解决了当前技术的痛点，其优势主要体现在以下方面：

第一，多维度、全场景监测能力。通过传感器套件200(图4)的多类型传感器部署，实现了对电机物理与电气参数的全面覆盖，无论是表面温度、内部振动还是电磁特性，均可精准感知，避免了传统单一传感器的监测盲区。

第二，直观化、无干扰操作体验。AR显示器124的虚实融合技术将数据与电机实体精准对齐，操作人员无需分心查看独立显示屏，在专注设备操作的同时即可获取监测信息，尤其适用于电动飞机等高危操作场景(图1)。

第三，智能化诊断与预警。计算设备132的机器学习模型与历史数据对比功能，实现了故障的提前预警与精准诊断，不仅告知操作人员“是否异常”，还能说明“哪里异常”“为何异常”，为预防性维护提供科学依据。

第四，灵活适配与扩展性。系统可适配不同类型电机(如直流电机、交流电机)与不同应用场景(电动汽车、电动飞机)，传感器112的部署位置与类型可根据需求调整，计算设备132的模型也可通过增量训练持续优化。