【正文】 故障檢測診斷 技術的特征 隨著汽車電子化程度的提高，汽車的結構日益復雜，因此 現代汽車發(fā)動機故障診斷技術具有以下幾個特征 ： （ 1） 故障分析手段的多樣化 故障分析是提高故障診斷水平的關鍵因素，是將多種理論應用于故障診斷實踐，從魯東大學本科畢業(yè) 設計 5 而發(fā)展成多種故障分析的有效方法。其故障分析 過程是以診斷特征參數為基礎，從特征信號分析和狀態(tài)識別兩方面入手，采用現代數學手段進行處理，找出故障的內在規(guī)律，以對系統(tǒng)的故 障作出定量分析。比如，現代汽車結構的復雜性決定了其故障狀態(tài)呈現出多樣性、模糊性和不確定性，將模糊集理論、神經網絡技術應用于故障診斷分析，大大提高了診斷速度和診斷精度。 （ 2） 故障診斷系統(tǒng)的現代化 汽車故障診斷系統(tǒng)有兩種，一種是車外診斷系統(tǒng)，即診斷功能的實現需要車外儀器診斷系統(tǒng)。一種是車載診斷系統(tǒng)，即電控汽車的故障自診斷系統(tǒng)，它能自動檢測系統(tǒng)故障，并以故障碼的形式顯示出來。由于車載診斷系統(tǒng)還存在著適應性差等缺點，使得車外診斷系統(tǒng)又得到進一步 地 發(fā)展。現代汽車故障診斷儀器綜合了機械、電子、流體、聲學、光學等技術， 通過各種參數、曲線、波形 的 變化，測試汽車的性能和故障，還具有自動分析、判斷、打印結果的功能，并不斷向著集成化和智能化方向發(fā)展。 （ 3） 故障診斷信息的網絡化 汽車故障診斷 信息網絡化的特點 有以下幾個方面。首先， 突破了傳統(tǒng)汽車診斷技術信息傳遞在空間、時間 上的局限性，各維修企業(yè)間實現了資源共享。其次，實現了維修診斷技術的網絡集成化 ， 運用現代通信技術，集維修企業(yè)的管理軟件、維修診斷技術信息系統(tǒng)、各種設備、儀器、維修診斷專家系統(tǒng)等為一體，實現了各維修企業(yè)的維修軟、硬件共享。用戶可通過汽車故障遠程診斷業(yè)務，將現場診斷時傳 感器輸出的數據遠程傳輸到計算中心處理，計算中心再將分析結果反饋回現場 來 指導故障診斷。故障診斷信息網絡一體化具有信息傳遞快、便于管理的特點，是現代信息技術在汽車故障診斷領域的有效體現。 現代汽車故障診斷技術集現代診斷理論與先進診斷技術為一體，以多功能、電子化、集成化、智能化的診斷設備為手段，以信息技術為依托，成為現代汽車可靠性實現的技術保障。 汽車故障檢測診斷的方法 汽車故障 診斷是指汽車有了故障之后，在不解體或僅拆下個別小件的情況下，判斷故障部位和查明故障原因，最后 提 出排除故障的對策。其基本方法 主要有四種 [5]。 （ 1） 人工經驗診斷法 維修 人員依據實踐經驗和專業(yè)知識，借助簡單工具，憑耳聽、眼看、手摸等 直接的進行檢查分析，確定故障原因和故障部位。這種早期的診斷方法雖然準確性差、速度慢，但是由于不需要專門 儀器 設備，投資小 ， 現代汽車上某些故障的診斷仍然采用該方法。 （ 2） 簡 單儀器診斷法 由于汽車結構日趨復雜，電器設備 的 采用逐步增多，因此汽車診斷開始使用真空表、萬用表和示波器等 儀器 ，對汽車零部件和總成進行檢測，為分析判斷汽車技術狀況提供數據和波形 等資料 。 （ 3） 計算機 檢 測診斷法 魯東大學本科畢業(yè) 設計 6 隨著汽車電子化程度越來越高 ，動態(tài)的隨機 性 故障以及控制系統(tǒng)功能性故障日益增多，以計算機技術為核心的各種精密 檢 測手段被廣泛使用，大大提高了汽車故障診斷的準確率。 （ 4） 人工智能診斷法 隨著電子控制技術、計算機技術的廣泛應用，汽車故障診斷迫切需要自動化及自適應能力 高 的智能化診斷系統(tǒng)。 智能化的診斷系統(tǒng)是電控發(fā)動機檢測診斷的主要發(fā)展方向。 故障診斷技術 中 用 到 的數學方法有 ： 基于模式識別的診斷方法 、 基于模糊數學的診斷方法 、 故障樹分析診斷方法 、 以及神經網絡等新發(fā)展的診斷方法。 汽車故障診斷系統(tǒng) 國 內 外汽車發(fā)動機故障診斷專家系 統(tǒng)的發(fā)展 汽車故障診斷系統(tǒng)的發(fā)展是隨著汽車工業(yè)和診斷技術的發(fā)展而同步前進的。在汽車上采用的故障診斷技術可分為兩大類隨車診斷 系統(tǒng)（車內診斷系統(tǒng)） 與車外診斷 系統(tǒng) [6]。 80 年代初 ， 出現了隨車診斷系統(tǒng)，即第一代隨車診斷系統(tǒng) OBD— 1(On Board Diagnosis)。自 1994 年以來，美日歐主要汽車制造廠家生產的電控汽車開始逐漸采用OBD— 2 第二代隨車電腦診斷系統(tǒng)，它由美國汽車工程學會 SAE 提出，經環(huán)保機構 EPA和加州資源學會認證 ， 各廠商按 OBD— 2 提供統(tǒng)一的診斷模式和統(tǒng)一的診斷插座，只要通過一臺儀器即可 對各種車型進行診斷檢測 ， 產生故障時向駕駛員報警 、 儲存和顯示故障碼，使汽車出現故障時按保護模式行駛。為了擴充隨車診斷的功能， 80 年代中后期開始研究多功能車外診斷系統(tǒng)。它是指利用通用或專用儀器對汽車電控系統(tǒng)進行檢測和診斷，并通過儀表或顯示器顯示檢測結果。 1982 年，意大利米蘭汽車工業(yè)大學首先成功研制了汽車電系故障診斷專家系統(tǒng)，該系統(tǒng)采用反向推理，知識庫有 100 多種規(guī)則組成，主要來自修理工人的經驗和維修手冊，此系統(tǒng)的實際目的是為了教學。不久，美國通用電器公司研制成功了內燃 — 電力機車故障排除和修理咨詢系統(tǒng) DETA， 1985 年研制了發(fā)動機冷卻系統(tǒng)噪聲識別與診斷專家系統(tǒng)，系統(tǒng)的作用是利用領域專家和維修人員的經驗，用于識別和診斷出發(fā)動機冷卻系統(tǒng)中的主要噪聲，系統(tǒng)具有近 200 條規(guī)則，是一個簡單的咨詢系統(tǒng)。日本豐田中央研究所開發(fā)了汽車故障診斷專家系統(tǒng) ATERX，它根據司機日常注意到 的 現象，推斷引起發(fā)動機故障的原因及維修方法，該系統(tǒng)是一個產生式系統(tǒng)，知識結構中約 120 條規(guī)則，采用正向推理，把可能的故障原因全部輸出。日本NISSAN 汽車公司于 1986 年研制了用于該公司發(fā)動機電控系統(tǒng)的診斷專家系統(tǒng)，它是典型的產生式系統(tǒng)，用 PROLOG 語言實現，該系統(tǒng)采用寬度優(yōu)先的正向推理策略。 1978年，日產公司研制隨車和離車的汽車發(fā)動機故障診斷系統(tǒng)。 1998 年 等人研制的發(fā)動機故障診斷系統(tǒng)軟件 ，使系統(tǒng) 適應面較廣，商用化程度 提 高。這些系統(tǒng)實用性強，結構簡單，但知識水平不高，所用知識類型和推理控制策略過于單一。 國內在基于知識的發(fā)動機故障診斷系統(tǒng)方面的研究較晚。 1988 年天津工程學院在魯東大學本科畢業(yè) 設計 7 PC 機上用 DBASE 語言開發(fā)，以 TURBE— PROLOG語言改寫的汽車故障診斷專家系統(tǒng)，該系統(tǒng)以老解放汽油車為主要研究對象。 1990 年華中理工大 學在 PC 機上用 IQLISP 語言和匯編語言開發(fā)了發(fā)動機故障診斷專家系統(tǒng)，約 200 條規(guī)則， 90 多個框架和 100 多個過程，能對十多個故障做出比較完整的診斷。南京大學在 1998 年開發(fā)的汽車故障維修專家系統(tǒng)的基礎 ABDES，運用基于 CASE 的推理模式，采用可視化編程手段，提供了一個可視化的知識獲取工具，可以完成基本的發(fā)動機故障診斷。這些系統(tǒng)普遍存在的問題是實用性差，知識庫不完善，推理效率低，沒有商業(yè)推廣。 汽車發(fā)動機故障診斷專家系統(tǒng)的分類及發(fā)展趨勢 （ 1）基于案例的專家系統(tǒng) 基于案例推理 (Case Based Reasoning, CBR)是近年來人工智能領域興起的一種診斷推理技術。它是通過搜索曾經成功解決過的類似問題 ， 比較新、舊問題之間的特征、發(fā)生背景等差異，重新使用或參考以前的知識和信息，達到最終解決新問題的方法。 基于案例的專家系統(tǒng)具有諸多優(yōu)點 。首先， 系統(tǒng)無須對知識進行規(guī)則提取，降低了知識獲取的難度。 其次， 系統(tǒng)是開放的，便于進行增量式學習 ， 而且案例庫的覆蓋度將隨著系統(tǒng)的不斷使用而逐漸增加。該方法主要用于分析不確定性故障，適用于診斷領域源知識難以表示成規(guī)則而易于表達成案例的情況。它的 缺 點在于案例特征的 選擇、權重分配以及處理實例修訂時的一致性檢驗 （ 特征變量間的約束關系 ） 等問題。傳統(tǒng)的基于案例的方法難以表示案例間的聯系，對于大型案例庫案例檢索十分費時，并且難以決定應選擇哪些特征數據及它們的權重。 基于案例診斷的專家系統(tǒng)的技術關鍵 是 如何建立一個有效的檢索機制和案例的組織方式；案例匹配的表面相似性、結構相似性和深層相似性；診斷案例是否能夠覆蓋所有的解空間；案例特征的選擇、權重分配以及處理案例修訂的一致性檢驗等 [7][8]。 （ 2）基于模糊推理的專家系統(tǒng) 模糊理論 (Fuzzy Theory,簡稱 Fr)的概念由美國 加利福尼亞大學教授扎德在其《 Fuzzy Sets》和《 Fuzzy Algorithm》等論著中首先提出。它是為解決不確定性問題，將經典集合理論模糊化，逐步發(fā)展成一套完整的推理體系 ， 是對模糊事物相互關系的研究。模糊性是指客觀事物在狀態(tài)及其屬性方面的不分明性，其根源是在類似事物間存在一系列過渡狀態(tài)，它們互相滲透、互相貫通，使得彼此之間沒有明顯的分界線 [7]。 基于模糊邏輯的專家系統(tǒng)的優(yōu)點在于： ① 具有專家水平的專門知識，能表現專家技能和高度的技巧以及具有分析不確定性問題能力 。 ② 能進行有效的推理，具有啟發(fā)性 ，能夠運用人類專家的經驗和知識進行啟發(fā)性的搜索、試探性的推理，容易被理解 。 ③ 具有靈活性和透明性。 模糊理論擅長改善其它人工智能方法的容錯性能，但在模糊故障診斷中，構造隸屬函數是實現模糊故障診斷的前提，由于隸屬函數是人為構造的，含有一定的主觀因素 。魯東大學本科畢業(yè) 設計 8 另外對特征元素的選擇也有一定的要求，如 果 選擇 的 不合理，診斷精度會下降，甚至診斷失敗。這種診斷方法的知識獲取相對較困難，特別是故障與征兆的模糊關系不易確定，且系統(tǒng)的診斷能力依賴于模糊知識庫，學習能力差、易發(fā)生漏診和誤診 ， 而且，由于模糊語言變量是用隸屬函數表示的，實 現語言變量與隸屬函數之間的轉換是一個難點 [9]。 （ 3）基于人工神經網絡的專家系統(tǒng) 人工神經網絡 (Artificial Neural Network， ANN)是在現代神經生理學和心里學的基礎之上模仿人的大腦神經元結構特性而建立起來的一種非線性動力學網絡系統(tǒng)。它是從微觀上模擬人腦功能 ,是一種分布式的微觀數值模型，神經元 網絡通過大量經驗樣本學習知識。更重要的是，神經網絡有極強的自學 能力和適應性，對于新的模式和樣本可以通過權值的改變進行學習、記憶和存儲，進而在以后的運行中能夠判斷這些新的模式。此外，人工神經網絡還 具有冗余性，即使 某 個神經元失效，也不會影響整個網絡的功能。神經網絡技術的出現為專家系統(tǒng)提供了一種新的解決途徑。特別是對于實際中難以建立數學模型的復雜系統(tǒng)，神經網絡更顯示出其獨特的功效。然而，神經網絡專家系統(tǒng)也存在固有的弱點：系統(tǒng)性能受到所選擇的訓練樣本集的限制，訓練樣本集選擇不當，特別是在訓練樣本集很少的情形下，很難指望它具有較好的歸納推理能力；神經網絡沒有能力解釋自己的推理過程和推理依據及其存儲知識的意義；神經網絡利用知識和表達知識的方式單一，通常的神經網絡只能采用數值化的知識；神經網絡只能模擬人類 感覺層 次上的智能活動，在模擬人類復雜層次的思維方面還有不足之處 [7]。 （ 4）基于故障樹的專家系統(tǒng) 故障樹分析法簡稱 FTA 法，是一種將系統(tǒng)故障形成的原因由總體至部分按樹枝狀逐漸細化的分析方法。它是對復雜系統(tǒng)進行可靠性分析的有效工具，其目的在于判明基本故障，確定故障的原因、影響和發(fā)生的概率。故障樹分析法就是把所研究系統(tǒng) 的 最不希望發(fā)生的故障狀態(tài)作為故障分析的目標，然后尋找直接導致這一故障發(fā)生的全部因素，再找出造成下一級事件發(fā)生的全部直接因素，以致追查到那些原始的、勿須再深究的因素為止。用相應的符號代表這些事件，再用 適當的邏輯門把頂端事件、中間事件和底端事件連成樹形圖 ， 這樣的樹形圖稱為故障樹，用以表示系統(tǒng)或設備的特定事件與它的各個子系統(tǒng)或各個部件故障事件之間的邏輯關系。以故障樹為工具，分析系統(tǒng)發(fā)生故障的各種途徑，計算各個可靠性特征量，對系統(tǒng)的安全性或可靠性進行評價的方法稱為故障樹分析法 [10]。 故障樹分析法 使 復雜 的 原因直觀化、簡單化。但是故障樹分析法仍存在 以下 不足：應用 故障樹分析 方法診斷時，對多因多果事件的鑒別性差，造成自頂事件向下搜索故障起因遇到邏輯門時，并不明確應該優(yōu)先沿哪條路徑搜索下去，往往造成多次回溯，影響了 診斷效率 ； 應用該方法尋因搜索過程中，采取寬度優(yōu)先搜索，沒有利用啟發(fā)信息故屬于盲目搜索，并在安排搜索順序時沒有考慮各中間事件或底事件檢測代價的大小和發(fā)生概率的高低，此種低效搜索過程需要優(yōu)化 ， 其邏輯門形式不能適應復雜系統(tǒng)的快速故障診斷的需要。 （ 5）專家系統(tǒng)研究的應用趨勢 從上述介紹 的幾種專家系統(tǒng) 在發(fā)動機故障診斷的應用情況可看出，每種方法都有各魯東大學本科畢業(yè) 設計 9 自的適用范圍和優(yōu)缺點。依靠單一方法往往難以滿足汽車發(fā)動機較為復雜的故障診斷要求。 因此，采用 由兩種 或兩種 以上方法構成的混合系統(tǒng)在汽車發(fā)動機故障診斷中的應用也越來越廣泛，具有 診斷的智能化 、 網絡化和集成化的特點的專家系統(tǒng)將是汽車發(fā)動機故障診斷研究的一個發(fā)展趨勢。 本文的主要研究內容 本文的主要研究對象是奧迪 A6 電控發(fā)動機，采用基于模糊推理分析的方法，通過收集資料和與專家交流的形式獲得奧迪 A6 電控發(fā)動機電控系統(tǒng)故障診斷知識，建立模糊規(guī)則，然后對所建立的模糊規(guī)則進行定性分析，生成診斷系統(tǒng)的知識庫，并最終實現奧迪 A6 電控發(fā)動機電控系統(tǒng)故障的診斷。由于時間 原因 ，本文主要介紹了以下幾方面的內容： ① 隸屬函數確定方法 的 研究。在混合模糊推理的過程中，隸屬度 （ 可信度 ） 大小