集成化的汽車故障診斷研究范文

本站小編為你精心準備了集成化的汽車故障診斷研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1儀器設備診斷法

儀器設備診斷法是在人工經驗診斷法的基礎上發展而來的。運用現代的專業診斷儀器和設備，檢測整車、總成或機構的診斷參數，通過微機（PC機，單片機等）控制，診斷儀器設備自動分析、判斷、存儲并打印汽車的診斷結果，為維修人員提供定量的依據。該方法具有檢測速度快，準確性高，能夠實現定量分析等優點，同時也存在著投資大、占地面積大、需要專業的儀器設備操作人員等不足。隨著手持化小型設備的不斷發展，并結合其他現代診斷方法，該方法仍舊不可或缺。

2現代汽車故障診斷方法

在日趨復雜的汽車電子系統面前，傳統的一柄大錘、一把手鉗、幾把螺絲刀的便當式修理已成為歷史。取而代之的是基于OBD系統的電腦輔助診斷方法，隨著人工智能技術的發展，用于汽車故障診斷的專家系統也在不斷的發展。

2.1基于OBD系統的電腦輔助診斷方法基于OBD系統（On-BoardDiagnosisSysem），以車載網絡為媒介，通過診斷儀和電腦的輔助進行汽車故障診斷，是目前汽車診斷的主要途徑。OBD系統是在用車排放耐久性能監測的重要控制技術。它對與排放相關的車輛控制系統和零部件進行實時在線監測，能診斷出導致車輛排放超過OBD排放限值的故障，并存儲相關故障碼及凍結幀，同時點亮故障指示燈以警示駕駛員及時進行維修。基于OBD系統的故障診斷基本流程是：將診斷儀連接到OBD診斷口上、汽車上電、讀取故障碼、查詢維修手冊確定故障部件和類型，根據故障相關信息和經驗制定維修方案、排除故障、清除故障碼及重新運行車輛，檢查故障碼是否會復現，確認故障已被排除。隨著OBD的發展，其可監測的范圍已經逐步從發動機電控系統擴展到了電控自動變速器（ECT）、防抱死制動系統（ABS）、安全氣囊（SRS）和巡航控制系統（CCS）等方面。OBD系統以其標準化的硬件和軟件，給汽車維修檢測提供了極大的方便。然而，基于OBD系統的診斷無法脫離對“故障碼”和“維修手冊”的依賴。OBD系統的故障碼只能告訴維修人員車輛有故障，而不能告訴維修人員如何找到引起這個故障的根本原因。因此在面對綜合性的故障時，往往會產生“誤換件”，“屢修不好”甚至“修出新故障”等現象。另一方面，對駕駛者是否接受故障指示等的警告，當前的OBD系統是無能為力的。

2.2專家系統診斷方法雖然OBD系統在汽車診斷工作中有著很好的表現，但人們依然在不停的尋找更加智能化的診斷方式。隨著人們對汽車診斷維修經驗的逐漸積累，加上由人工智能技術發展而來的專家系統，用于汽車故障診斷的專家系統應運而生。專家系統（ExpertSystem,ES）由人工智能發展而來，是一種模擬人類專家解決某一領域問題的計算機軟件系統。專家系統內部含有大量的某個領域的專家水平的知識與經驗，能夠運用人類專家的知識和解決問題的方法進行推理和判斷，模擬人類專家的決策過程來解決該領域的復雜問題。汽車故障診斷專家系統包含了專家系統的各個要素：知識庫、推理機、全局數據庫和人機接口組成，同時包括知識獲取機制和解釋機制。知識庫和推理機構成了專家系統的“核心”部分。典型的專家系統結構如圖1所示。在進行故障診斷時，通過人機接口利用計算機采集被診斷對象的實時診斷數據輸入專家系統，需要時還可以向用戶索取其他的必要信息，推理機可以根據故障信息（OBD故障碼或用戶提供的信息等），按照一定的策略調用知識庫中的規則進行推理，找到引發故障的根本原因或最有可能的原因，并由人機接口輸出診斷結果和解釋器給出的解釋，之后再由用戶來證實。目前已研究的汽車故障診斷專家系統包括：基于規則的診斷專家系統（Rule-basedreasoning,RBR）、基于案例的診斷專家系統（Case-basedreasoning,CBR）、基于模糊理論的診斷專家系統、基于神經網絡的診斷專家系統和基于行為的診斷專家系統等。RBR作為第一代汽車故障診斷專家系統，是以產生式規則為基礎構建的。具有知識表述直觀、形式統一、易于理解和解釋等優點。但是其缺乏自學能力，不適用于診斷復雜系統或經驗不足的系統；對復雜系統的規則獲取十分困難；對于大型規則庫，易產生規則匹配沖突，組合爆炸等問題。CBR采用的是基于實例的推理方法，是類比推理的一個獨立子類，符合人類的認知心理。CBR推理速度快；無需將知識規則化，降低了知識獲取的難度；系統能夠進行增量式學習，可使實例庫的覆蓋度逐漸增加，系統越用越完善。由于CBR自身的特點，該系統也存在其無法避免的缺陷：不能覆蓋所有解空間，搜索時可能會漏掉最優解等。

基于模糊理論的專家系統主要有兩種診斷方法：模糊矩陣法和模糊規則推理法。該方法可以利用快速的不確定性的模糊推理很好的處理診斷過程中遇到的模糊性問題。該方法的難點是如何確定故障與征兆的模糊關系以及實現語言變量與隸屬函數之間的轉換。由于診斷能力完全依賴模糊知識庫，學習能力差，故易發生漏診或誤診。憑借人工神經網絡（Artificialneuralnetwork,ANN）強大的學習能力、自適應能力和非線性逼近能力，響應快且容錯性較好的特點，基于神經網絡的專家系統被廣泛應用于汽車故障診斷。但該方法的不足之處也很明顯：推理過程難以解釋；只能進行數值化計算，忽視了專家的經驗知識；診斷結果依賴于訓練樣本的選取。基于行為的專家系統采用神經網絡模塊化單元，是一種相對獨立且能夠動態構建故障診斷子神經網絡模塊單元的變結構單元。該方法的優點是可以不必事先給出所有故障類型，系統會通過與診斷對象系統的數據交互，逐步學習進化成一個完善的診斷系統，這減輕了專家系統開發的規模和知識獲取的難度。實現該方法的關鍵是故障行為征兆的自動獲取問題，以及新故障的自動識別和分類問題。專家系統作為新的診斷方式，在知識的獲取和表達以及如何將不同的推理方法有機的結合起來等方面仍需要進一步研究。1994年在美國奧蘭多召開的IEEE全球計算智能大會（WCCI）將模糊算法、神經網絡和遺傳算法三個領域綜合在一起，利用模糊理論來處理診斷領域的模糊性問題，利用遺傳算法來優化網絡結構和隸屬函數，有力地促進了不同研究領域之間的交叉滲透和共同發展。

3汽車故障診斷技術的集成化管理

通過綜合考慮各種診斷方法的優缺點，結合未來診斷發展的趨勢，本文提出了一種集成化的汽車故障診斷管理方案，從而提升故障診斷的效率，以適應未來汽車故障診斷技術的發展。

3.1在線離線一體化診斷針對OBD車載診斷系統的不足，本文提出了離線診斷（Off-Board-Diagnosis,OFBD）的概念。“離線”是相對于OBD的實時在線診斷而言的，OFBD與OBD系統集成在一起，平時處于“休眠”狀態，只有在維修過程中滿足特定條件的情況下才會激活OFBD的某個診斷模塊。在線離線一體化診斷（On/Off-Board-LinkedDiagnosis,OFBLD）系統包括與OBD集成在一起的OFBD子系統，融合多種診斷方法的專家系統，以及符合OBD通訊標準的診斷設備。該方法的構成及診斷流程如圖2所示。維修人員使用診斷設備通過OBD診斷接口與汽車上的ECU進行通訊，設備從OBD系統中獲取ODX信息（OpenDiagnosiseXchangefiles），ODX不僅包含故障代碼，還包括車輛運行的關鍵參數[27]。專家系統通過分析ODX，提出若干假設和維修建議，然后通過診斷設備向OFBD系統發送激活指令，激活相應的功能模塊。激活的OFBD功能模塊根據優先級順序執行，通過主動控制發動機執行特定的動作，有針對性的對車輛進行診斷，然后將診斷結果通過診斷設備反饋給專家系統，專家系統根據OFBD反饋的信息指導維修人員逐個排除假設，最終鎖定故障的根本原因。該方法能夠避免OBD自身存在的問題，能夠將維修過程中的人為因素對診斷結果的影降到最低，同時專家系統還能對每個診斷步驟進行解釋，使維修人員了解每個步驟的理由。

3.2集成化診斷方案構想在“在線離線一體化診斷系統”的基礎上再增加一套信息反饋機制，將與故障診斷相關的汽車制造商、供應商、技術中心以及售后維修站進行有效的整合，便能形成一個系統性的集成化汽車故障診斷技術管理方案。如圖3所示，該方案為客戶端/服務器結構，主要由以下兩個部分組成：1）數據中心：數據中心是一個數據庫，用來處理和編輯各種信息，包括廠商提供的原始數據和維修站的反饋數據等。數據中心支持多人協作，可以同時進行在線編輯。2）在線離線一體化診斷系統：包括汽車端和維修站端。支持維修人員進行在線離線一體化診斷以及遠程訪問數據中心中的資料。上游廠商經過研發（業內共享的知識，新的概念，新的技術），制定生產計劃（規范文檔，模塊整合，實驗驗證），最終投產（原型機驗證，后期測試，量產資料），會產生一批“原始數據”。這些數據通過數據中心的標準化處理后，作為專家系統知識庫的補充或升級發送到維修站。維修站在維修過程中產生反饋數據（經驗案例，ODX等），經過數據中心的處理（甄別去重，精簡分類，標準化）后，用于上游廠商改進產品，并將改進后的信息再次通過數據中心以升級資料的形式發送到維修站。一輛新車開始設計時，如果能充分考慮到各部分組件之間已經積累下來的診斷維修經驗，將會使該款車型在未來的售后服務過程變得更加順利。集成化診斷方案既保證了診斷技術的普適性和有效性，同時也能達到信息反饋、數據更新的目的，使得診斷系統能夠覆蓋汽車的整個生命周期，形成一個良性的循環。通過及時的將故障發生時的車輛狀態、故障類別以及嚴重性等信息反饋給制造商，能夠讓制造商方便的再現故障，并對其進行研究，找出更好的解決方案，再反饋給其售后服務網絡，使其診斷能力得到提高，從而帶動汽車故障診斷技術的不斷改善與提升。

4結束語

汽車工業發展到現在，已經是一門集合了多項領域的綜合學科，因此，僅靠某單個領域內的專業知識是無法滿足現代汽車故障診斷工作需求的。在實際應用研究中，不僅要不斷研究單個方法或功能模塊，同時也要融合不同的診斷技術并加以集成化的管理，從而促進汽車故障診斷技術的整體發展。基于OBD系統的電腦輔助診斷方式已經成為當今主流的汽車診斷方法，但該方法過度的依賴于故障碼，不能指導維修人員找到汽車故障的根本原因，一定程度上會影響診斷效率，本文提出的OFBD可以較好的解決這個問題；由人工智能發展而來的專家系統在汽車故障診斷領域中表現出了極強的生命力和發展潛力，幾乎所有的診斷方法都可以結合到專家系統中，但在對汽車的實時監測方面卻無法與OBD相比。因此，本文提出的集成化的汽車故障檢測技術也不失為一種富有潛力的發展方向。應該說，現代汽車故障診斷技術需要集現代診斷理論、先進診斷技術、創新流程管理為一體，以多功能、系統性、集成化、智能化的設備和方法為診斷手段和發展方向。今后需要從以下三方面進行重點研究及改進：1）提高專家系統的知識獲取能力；2）一體化診斷中的離線診斷系統功能模塊的開發及其與專家系統的信息接口；3）集成化管理體系的建立，尤其是數據中心的建立，包括汽車研發、制造、供應及售后等各個環節中信息的采集與處理。另外可以預見的是，未來的汽車故障將進入“大數據”時代，發展集成化管理的診斷技術的同時，對大量反饋、更新信息的及時處理，也將成為未來研究的重點。

作者：趙牧原馮金芝單位：上海理工大學機械工程學院機械工業汽車底盤機械零部件強度與可靠性評價重點實驗室