【導讀】特別是在電子控制技術的廣泛應用，使汽車進入整車的電子化階段。同時，也毫無疑問的。帶來了故障檢測診斷的復雜化。專業(yè)的維修知識，并要同先進的診斷設備相配合。知識和經(jīng)驗的基礎上，開發(fā)針對奧迪A6轎車電控發(fā)動機故障診斷系統(tǒng)。汽車故障診斷技術及其特點、方法，并從宏觀上論述了汽車故障診斷專家系統(tǒng)的發(fā)展過程。在模糊診斷矩陣中隸屬度的確定是整個診斷推理的關鍵，它的準確性決定了推理的準確性。本文采用常用的二元對比排序法確定故障的隸屬度，并進行可信度的計算。的診斷、知識的查詢等功能，來引導用戶逐步進行深入診斷，最終確定發(fā)動機故障的部位，環(huán)境的不穩(wěn)定性致使發(fā)動機產(chǎn)生的故障占全車故障比例最高。同時，電控發(fā)動機的。因而汽車電控發(fā)動機的故障癥狀和故障原因之間存在復雜的模糊關系，使診斷的難。本文利用模糊數(shù)學建立的發(fā)動機故障診斷系

　　

【正文】 關聯(lián)度分析法、二元對比排序法、加權統(tǒng)計法等。本文運用 的是 模糊二元對比排序法來確定故障診斷中隸屬函數(shù)。 在汽車故障診斷中常有各種不同的故障原因導致相同征兆的出現(xiàn)，要確定哪一個故障原因的可信度最大， 就要運用下述二元對比排序方法，求解“模糊次序”的問題。在生活實踐中，人們認識事物往往是從兩個事 物 地 對比開始的。一般先對兩個對象進行比較，如此重復多次，每一次比較 就 得到一個認識，而這種認識是模糊的，諸如甲比已更優(yōu)越些等，并將這種模糊認識數(shù)量化，最后用模糊數(shù)學的方法給出總體的排列順序，這就是模糊二元對比決策。其中根據(jù)各自特點， 又 將模糊二元對比決策分為模糊優(yōu)先關系排序決策法、模糊相似優(yōu)先比較決策法、模糊相對比較決策法。這里僅介紹實用又方便的模糊優(yōu)先關系排序決策 [19] [20]。 由于汽車發(fā)動機故障的復雜性，同一 種故障可能 由 多種原因造成。設論域? ?xxxu n,..., 21? 為 n個 可能的 備選方案（ 故障 原因） ，在 U上 確定一個模糊集 A，運用模糊數(shù)學的方法在 n 個備選方案中建立一 種 模糊優(yōu)先關系，然后將 它 們排出一個優(yōu)劣次序，這就是模糊優(yōu)先關系排序決策。 現(xiàn) 以 發(fā)動機怠速不穩(wěn)為例進行具體說明。其中發(fā)動機出現(xiàn)此故障的原因有：進氣歧管泄 漏 、燃油系統(tǒng)滲漏、燃油壓力調節(jié)器故障、噴油器 阻塞 、火花塞松動或高壓線連接故障、 點火正時不正確、 節(jié)氣門電位計故障。把上述原因依次設為 xxxxxxx 7654321 ,, 。由此確定論域 ? ?xxxu 721 ,...,? （故障的可能原因） ， A=“發(fā)動機怠速不穩(wěn)”是 U 上的模糊集 ，現(xiàn) 將 它 們進行排序。由維修專家和維修人員組成的評議組 m=10（人） 進行對產(chǎn)生的故障的可能的原因進行評分 ，評分標準如表 3 所示 （注：等級越高說明故障的可能性越大） 。 表 3 評分標準 評分標準 一等 二等 三等 四等 五等 六等 分數(shù) 10 8 6 4 3 1 將 論域 中故障原因兩兩進行比較評分，例如： xx 21? （以先評價的 x2 為基準 ，后評價的 x1 為對象進行相對比較評分） 。 比如 10 人所給評分相加的總分是 80 分，則 x1 對x2 的優(yōu)先選擇比為 r12 =80? 100=（ 其中分母是 100 為 10 個 人 評價 都給最高分時的總分） 。 相應的 x2 對 x1 的優(yōu)先選擇比為 r21 =1r12 =。利用上述原則得出的結果如表 4所示。 魯東大學本科畢業(yè) 設計 23 表 4 專家評價表 一等 二等 三等 四等 五等 六等 評 議 組給的總分數(shù) 優(yōu)先選擇比 rij 分數(shù) 10 8 6 4 3 1 xx 21? 3 4 3 80 xx 31? 1 5 3 1 72 xx 41? 2 5 2 1 76 xx 51? 6 2 1 1 86 xx 61? 3 1 4 2 70 xx 71? 4 3 1 2 78 xx 32? 1 4 3 2 68 xx 42? 4 2 1 1 1 1 70 xx 52? 2 2 3 2 1 63 xx 62? 5 2 1 2 80 xx 72? 3 2 3 1 1 71 xx 43? 2 3 4 1 53 xx 53? 2 3 1 2 2 56 xx 63? 2 2 1 2 3 41 xx 73? 1 2 3 2 2 54 xx 54? 2 3 1 4 31 xx 64? 1 1 2 3 3 34 xx 74? 1 1 2 3 3 36 xx 65? 1 2 1 2 1 3 46 魯東大學本科畢業(yè) 設計 24 xx 75? 1 2 3 1 3 40 xx 76? 1 2 2 2 3 43 根據(jù)表 4 給出的優(yōu)先選擇比 rij 及其所滿足的條件（ 1??rr jiij ，取 rii =1）得 對應優(yōu)先先選擇比如 表 5 所示。 表 5 對應優(yōu)先選擇比 對象 基準 x1 x2 x3 x4 x5 x6 x7 x1 1 x2 1 x3 1 x4 1 x5 1 x6 1 x7 1 由表 5 得模糊優(yōu)先關系矩陣 R)1( 為 )1(?R (54) 取 ?? 得 ?? 截距陣為 魯東大學本科畢業(yè) 設計 25 1000000010000000100000001000000010011010101111111R10 .7 0?）（ (55) ?? 截距陣 R)1( 的第一行元素都等于 1，說明只有 x1 的優(yōu)越程度超過了 ，所以 x1 為第一優(yōu)越對象。 除去 R)1( 中的第一優(yōu)越對象 x1 所在的行和列，得到新的模糊優(yōu)先關系矩陣 R)2( 為)2( ?R (56) 取 ?? 得 100100010100001100000100000010111111)2(?R (57) 可知 ?? 截距陣 R)2( 的第一行全是 1，應取 x2 作為第二優(yōu)越對象。 除去 R)2( 中的第二優(yōu)越對象 x2 所在的行和列，得到新的模糊優(yōu)先關系矩陣 R)3( 為 )3( ?R (58) 取 ?? 得 魯東大學本科畢業(yè) 設計 26 1111101111011100001110111)3( ?R (59) 可知 x7 為第三優(yōu)越對象。 除去 R)3( 中的第三優(yōu)越對象 x7 所在的行和列，得到新的模糊優(yōu)先關系矩陣 R)4( 為 )4( ?R (510) 取 ?? ，得 1111011000100101)4( ?R (511) 可知 x6 可做為第四優(yōu)越對象。 類似的，可 知 為 R)5( 為 )5( ?R (512) 取 ?? ，得 110010111)5( ?R (513) 可知 x3 可以作為第五優(yōu)越對象，同樣 )6( ?R (514) 取 ?? ，得 11 .01)6( ?R (515) 可知 x5 可以作為第六優(yōu)越對象。 由公式 54 的模糊優(yōu)先關系矩陣用平均法 （其中規(guī)定 rij =0） 可以求得 x1 的隸屬度魯東大學本科畢業(yè) 設計 27 a1 ： ? ? 1 ????????a (516) 同理可以求得 a2=， a3=, a4 =, a5=， a6=， a7=。 因此 7 個故障原因的模糊優(yōu)先關系排列為 xxxxxxx 4536721 ,, 本 節(jié) 分析了 隸屬函數(shù)的確定方法 ,結合實例介紹了如何用二元對比排序的分析法來確定故障原因的隸屬度 ,為基于模糊推理的故障診斷專家系統(tǒng)的開發(fā)提供參考。 模糊診斷的原則 經(jīng)過模糊運算 Y X R??后，假設得到故障原因模糊向量 ? ?yyyyn,..., 21?，對這個結果的處理方法很多，在診 斷過程中用得最多的方法有兩個： （ 1） 最大隸屬度原則：設 ? ?12m a x , ,jny y y yr r r r? ???? (517) 則認為故障原因是 yj。 （ 2） 閾值原則： 設定一個閾值 ? ?10 ???? (有時可設定一個閾值向量? ?,? ? ?????１ 　 ２ 　 ｎ 　 )，若 ? ?iyir ??? ，則設備具有故障原因 iy 。 本系統(tǒng) 常采用最大隸屬原則與閾值原則相結合的方法進行判斷。規(guī)定一個閾值水平?? [0,1]，記： ? ? ? ? ? ?? ?12m a x , , , nu u u? ? ? ?? ? ?? ??? (518) 若 ??? ， 則作出“拒絕”判決的判斷，說明提供的信息量不足，在維修人員提供足夠的信息后再作判斷；若 ??? ，則認為診斷結論可行，按最大隸屬原則進行判斷。 模糊知識的表示 故障征兆與原因的模糊關系的知識表示 由于汽油發(fā)動機故障現(xiàn)象 （ 征兆 ） 與故障原因之間的復雜關系，它們之間沒有確定的對應關系。為此我們需要模糊數(shù)學理論來表示不確定型的診斷知識，在模糊數(shù)學中元素值是在 [0,1]的范圍內(nèi)，為使診斷知識表達方便以及便于推理將其擴展成 [0,100]，元素值相應地稱為“擴展隸屬度”，相應的矩陣則稱為“擴展模型矩陣”。元素值的大小反應了故障現(xiàn)象與原因之間的密切程度，其具體數(shù)值可根據(jù)維修專家的經(jīng)驗和概率統(tǒng)計等方法綜合評定 [21]， 如表 6 所示 。 在 電控 發(fā)動機故障診斷中， 根據(jù) 故障現(xiàn)象不同的 表現(xiàn)程度可 分為六個等級，其中等級越高說明故障的可能性越大。 在診斷模式時要將此描述進行轉換，用元素的模糊化可以實現(xiàn)此轉換。故障程度的描述如表 7 所示，其中數(shù)值可用統(tǒng)計或專家評分來獲得。 魯東大學本科畢業(yè) 設計 28 表 6 汽油發(fā)動機故障現(xiàn)象與原因部分模糊矩陣 懷疑部位 起動電器 起動機 活塞環(huán) 點火正時 汽油泵 怠速電機 點火線路 油路 連桿軸承 火花塞 現(xiàn)象 發(fā)動機不 起 動 80 70 0 0 0 0 0 0 0 0 燃燒不完全 0 0 80 70 10 0 60 0 0 0 發(fā)動機轉動慢 0 70 0 0 0 0 0 30 70 0 怠速高 0 0 0 0 0 0 0 0 0 0 怠速低 0 0 0 0 0 0 0 0 0 0 怠速不平穩(wěn) 30 40 0 40 0 70 20 50 0 60 表 7 故障現(xiàn)象嚴重程度評分表 評分標準 一等 二等 三等 四等 五等 六等 分數(shù) 10 8 6 4 3 1 知識的規(guī)范化 以“規(guī)范化形式”進行知識獲取便于把淺層知識和深層知識結合起來，可以直接輸入計算機，加快了知識獲取?！爸R規(guī)范化”是總結診斷經(jīng)驗而得出的一種概念模型，便于對知識進行整理。 同時知識的規(guī)范化對系統(tǒng)的設計和系統(tǒng)的維護的功能有著重要的作用。 在知識表示和組織中，最上層的對象是發(fā)動機本身，其下層是發(fā)動機的各系統(tǒng)，再下層是具體部件。電 控 發(fā)動機除具有一般機械裝置外，其電控系統(tǒng)包括燃油噴射控制系統(tǒng)、點火控制系統(tǒng)、怠速控制系統(tǒng)、及排放控制系統(tǒng)等，主要由傳感器、 ECU、執(zhí)行器和 基本 電路組成。為了知識表示方便、合理，可以將具體故障分為五類系統(tǒng)級別故障，包括油路故障、進氣系統(tǒng)故障、點火系統(tǒng)故障、怠速系統(tǒng)故障、 氣 缸故障。在每一個系統(tǒng)級別故障中又包括若干部件故障。具體領域專家知識可以抽象為典型故障癥狀 、系統(tǒng)級別故障、部件故障三個層次。這種知識表示方法有利于實現(xiàn)正反向混合推理。另外，檢修建議也分為系統(tǒng)級別檢修建議和部件級別檢修建議被規(guī)范化地錄入知識庫。 模糊推理策略 專家系統(tǒng)推理機是在一定的控制策略下，根據(jù)上下各種癥狀信息進行推理的策略，同診斷知識的表示有密切聯(lián)系。由于汽車故障診斷知識采用不確定型的模糊矩陣進行表示，而采用單一反向推理策略比較簡便易行，但是推理結果往往并不理想，給確診帶來魯東大學本科畢業(yè) 設計 29 一定的難度。而且其推理過程不符合診斷專家思維習慣，具有比較大的盲目性和風險性。為了解決單一反向推理策略的不足， 進而采用了符合常規(guī)診斷思路的正反向混合模糊推理策略。正反向混合推理示意圖 如 圖 9 所示 。 首先觀察故障的癥狀，依據(jù)癥狀和最易獲得的 故障 信息先反向循因推理，由典型癥狀推理 找 發(fā)出可能存在的故障 愿因 ，對所有可能故障原因進行按系統(tǒng)分類，得出系統(tǒng)級別的故障集，并計算出故障集中每一系統(tǒng)故障發(fā)生的可能性大小 。 然后對可信度最大的系統(tǒng)進行檢測確認系統(tǒng)故障，確認系統(tǒng)故障后再依據(jù) 模糊診斷的 原則，進行反向推理，對可疑元件進行檢測確診。先得出系統(tǒng)級別故障集并進行檢修有利于從系統(tǒng)的高度先排除掉大部分可能故障原因，縮小可疑故障原因范圍 ， 實現(xiàn) 快速確診。推理流程如圖 10所示 [22]。