集成化的汽车故障诊断研究范文

本站小编为你精心准备了集成化的汽车故障诊断研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1仪器设备诊断法

仪器设备诊断法是在人工经验诊断法的基础上发展而来的。运用现代的专业诊断仪器和设备，检测整车、总成或机构的诊断参数，通过微机（PC机，单片机等）控制，诊断仪器设备自动分析、判断、存储并打印汽车的诊断结果，为维修人员提供定量的依据。该方法具有检测速度快，准确性高，能够实现定量分析等优点，同时也存在着投资大、占地面积大、需要专业的仪器设备操作人员等不足。随着手持化小型设备的不断发展，并结合其他现代诊断方法，该方法仍旧不可或缺。

2现代汽车故障诊断方法

在日趋复杂的汽车电子系统面前，传统的一柄大锤、一把手钳、几把螺丝刀的便当式修理已成为历史。取而代之的是基于OBD系统的电脑辅助诊断方法，随着人工智能技术的发展，用于汽车故障诊断的专家系统也在不断的发展。

2.1基于OBD系统的电脑辅助诊断方法基于OBD系统（On-BoardDiagnosisSysem），以车载网络为媒介，通过诊断仪和电脑的辅助进行汽车故障诊断，是目前汽车诊断的主要途径。OBD系统是在用车排放耐久性能监测的重要控制技术。它对与排放相关的车辆控制系统和零部件进行实时在线监测，能诊断出导致车辆排放超过OBD排放限值的故障，并存储相关故障码及冻结帧，同时点亮故障指示灯以警示驾驶员及时进行维修。基于OBD系统的故障诊断基本流程是：将诊断仪连接到OBD诊断口上、汽车上电、读取故障码、查询维修手册确定故障部件和类型，根据故障相关信息和经验制定维修方案、排除故障、清除故障码及重新运行车辆，检查故障码是否会复现，确认故障已被排除。随着OBD的发展，其可监测的范围已经逐步从发动机电控系统扩展到了电控自动变速器（ECT）、防抱死制动系统（ABS）、安全气囊（SRS）和巡航控制系统（CCS）等方面。OBD系统以其标准化的硬件和软件，给汽车维修检测提供了极大的方便。然而，基于OBD系统的诊断无法脱离对“故障码”和“维修手册”的依赖。OBD系统的故障码只能告诉维修人员车辆有故障，而不能告诉维修人员如何找到引起这个故障的根本原因。因此在面对综合性的故障时，往往会产生“误换件”，“屡修不好”甚至“修出新故障”等现象。另一方面，对驾驶者是否接受故障指示等的警告，当前的OBD系统是无能为力的。

2.2专家系统诊断方法虽然OBD系统在汽车诊断工作中有着很好的表现，但人们依然在不停的寻找更加智能化的诊断方式。随着人们对汽车诊断维修经验的逐渐积累，加上由人工智能技术发展而来的专家系统，用于汽车故障诊断的专家系统应运而生。专家系统（ExpertSystem,ES）由人工智能发展而来，是一种模拟人类专家解决某一领域问题的计算机软件系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程来解决该领域的复杂问题。汽车故障诊断专家系统包含了专家系统的各个要素：知识库、推理机、全局数据库和人机接口组成，同时包括知识获取机制和解释机制。知识库和推理机构成了专家系统的“核心”部分。典型的专家系统结构如图1所示。在进行故障诊断时，通过人机接口利用计算机采集被诊断对象的实时诊断数据输入专家系统，需要时还可以向用户索取其他的必要信息，推理机可以根据故障信息（OBD故障码或用户提供的信息等），按照一定的策略调用知识库中的规则进行推理，找到引发故障的根本原因或最有可能的原因，并由人机接口输出诊断结果和解释器给出的解释，之后再由用户来证实。目前已研究的汽车故障诊断专家系统包括：基于规则的诊断专家系统（Rule-basedreasoning,RBR）、基于案例的诊断专家系统（Case-basedreasoning,CBR）、基于模糊理论的诊断专家系统、基于神经网络的诊断专家系统和基于行为的诊断专家系统等。RBR作为第一代汽车故障诊断专家系统，是以产生式规则为基础构建的。具有知识表述直观、形式统一、易于理解和解释等优点。但是其缺乏自学能力，不适用于诊断复杂系统或经验不足的系统；对复杂系统的规则获取十分困难；对于大型规则库，易产生规则匹配冲突，组合爆炸等问题。CBR采用的是基于实例的推理方法，是类比推理的一个独立子类，符合人类的认知心理。CBR推理速度快；无需将知识规则化，降低了知识获取的难度；系统能够进行增量式学习，可使实例库的覆盖度逐渐增加，系统越用越完善。由于CBR自身的特点，该系统也存在其无法避免的缺陷：不能覆盖所有解空间，搜索时可能会漏掉最优解等。

基于模糊理论的专家系统主要有两种诊断方法：模糊矩阵法和模糊规则推理法。该方法可以利用快速的不确定性的模糊推理很好的处理诊断过程中遇到的模糊性问题。该方法的难点是如何确定故障与征兆的模糊关系以及实现语言变量与隶属函数之间的转换。由于诊断能力完全依赖模糊知识库，学习能力差，故易发生漏诊或误诊。凭借人工神经网络（Artificialneuralnetwork,ANN）强大的学习能力、自适应能力和非线性逼近能力，响应快且容错性较好的特点，基于神经网络的专家系统被广泛应用于汽车故障诊断。但该方法的不足之处也很明显：推理过程难以解释；只能进行数值化计算，忽视了专家的经验知识；诊断结果依赖于训练样本的选取。基于行为的专家系统采用神经网络模块化单元，是一种相对独立且能够动态构建故障诊断子神经网络模块单元的变结构单元。该方法的优点是可以不必事先给出所有故障类型，系统会通过与诊断对象系统的数据交互，逐步学习进化成一个完善的诊断系统，这减轻了专家系统开发的规模和知识获取的难度。实现该方法的关键是故障行为征兆的自动获取问题，以及新故障的自动识别和分类问题。专家系统作为新的诊断方式，在知识的获取和表达以及如何将不同的推理方法有机的结合起来等方面仍需要进一步研究。1994年在美国奥兰多召开的IEEE全球计算智能大会（WCCI）将模糊算法、神经网络和遗传算法三个领域综合在一起，利用模糊理论来处理诊断领域的模糊性问题，利用遗传算法来优化网络结构和隶属函数，有力地促进了不同研究领域之间的交叉渗透和共同发展。

3汽车故障诊断技术的集成化管理

通过综合考虑各种诊断方法的优缺点，结合未来诊断发展的趋势，本文提出了一种集成化的汽车故障诊断管理方案，从而提升故障诊断的效率，以适应未来汽车故障诊断技术的发展。

3.1在线离线一体化诊断针对OBD车载诊断系统的不足，本文提出了离线诊断（Off-Board-Diagnosis,OFBD）的概念。“离线”是相对于OBD的实时在线诊断而言的，OFBD与OBD系统集成在一起，平时处于“休眠”状态，只有在维修过程中满足特定条件的情况下才会激活OFBD的某个诊断模块。在线离线一体化诊断（On/Off-Board-LinkedDiagnosis,OFBLD）系统包括与OBD集成在一起的OFBD子系统，融合多种诊断方法的专家系统，以及符合OBD通讯标准的诊断设备。该方法的构成及诊断流程如图2所示。维修人员使用诊断设备通过OBD诊断接口与汽车上的ECU进行通讯，设备从OBD系统中获取ODX信息（OpenDiagnosiseXchangefiles），ODX不仅包含故障代码，还包括车辆运行的关键参数[27]。专家系统通过分析ODX，提出若干假设和维修建议，然后通过诊断设备向OFBD系统发送激活指令，激活相应的功能模块。激活的OFBD功能模块根据优先级顺序执行，通过主动控制发动机执行特定的动作，有针对性的对车辆进行诊断，然后将诊断结果通过诊断设备反馈给专家系统，专家系统根据OFBD反馈的信息指导维修人员逐个排除假设，最终锁定故障的根本原因。该方法能够避免OBD自身存在的问题，能够将维修过程中的人为因素对诊断结果的影降到最低，同时专家系统还能对每个诊断步骤进行解释，使维修人员了解每个步骤的理由。

3.2集成化诊断方案构想在“在线离线一体化诊断系统”的基础上再增加一套信息反馈机制，将与故障诊断相关的汽车制造商、供应商、技术中心以及售后维修站进行有效的整合，便能形成一个系统性的集成化汽车故障诊断技术管理方案。如图3所示，该方案为客户端/服务器结构，主要由以下两个部分组成：1）数据中心：数据中心是一个数据库，用来处理和编辑各种信息，包括厂商提供的原始数据和维修站的反馈数据等。数据中心支持多人协作，可以同时进行在线编辑。2）在线离线一体化诊断系统：包括汽车端和维修站端。支持维修人员进行在线离线一体化诊断以及远程访问数据中心中的资料。上游厂商经过研发（业内共享的知识，新的概念，新的技术），制定生产计划（规范文档，模块整合，实验验证），最终投产（原型机验证，后期测试，量产资料），会产生一批“原始数据”。这些数据通过数据中心的标准化处理后，作为专家系统知识库的补充或升级发送到维修站。维修站在维修过程中产生反馈数据（经验案例，ODX等），经过数据中心的处理（甄别去重，精简分类，标准化）后，用于上游厂商改进产品，并将改进后的信息再次通过数据中心以升级资料的形式发送到维修站。一辆新车开始设计时，如果能充分考虑到各部分组件之间已经积累下来的诊断维修经验，将会使该款车型在未来的售后服务过程变得更加顺利。集成化诊断方案既保证了诊断技术的普适性和有效性，同时也能达到信息反馈、数据更新的目的，使得诊断系统能够覆盖汽车的整个生命周期，形成一个良性的循环。通过及时的将故障发生时的车辆状态、故障类别以及严重性等信息反馈给制造商，能够让制造商方便的再现故障，并对其进行研究，找出更好的解决方案，再反馈给其售后服务网络，使其诊断能力得到提高，从而带动汽车故障诊断技术的不断改善与提升。

4结束语

汽车工业发展到现在，已经是一门集合了多项领域的综合学科，因此，仅靠某单个领域内的专业知识是无法满足现代汽车故障诊断工作需求的。在实际应用研究中，不仅要不断研究单个方法或功能模块，同时也要融合不同的诊断技术并加以集成化的管理，从而促进汽车故障诊断技术的整体发展。基于OBD系统的电脑辅助诊断方式已经成为当今主流的汽车诊断方法，但该方法过度的依赖于故障码，不能指导维修人员找到汽车故障的根本原因，一定程度上会影响诊断效率，本文提出的OFBD可以较好的解决这个问题；由人工智能发展而来的专家系统在汽车故障诊断领域中表现出了极强的生命力和发展潜力，几乎所有的诊断方法都可以结合到专家系统中，但在对汽车的实时监测方面却无法与OBD相比。因此，本文提出的集成化的汽车故障检测技术也不失为一种富有潜力的发展方向。应该说，现代汽车故障诊断技术需要集现代诊断理论、先进诊断技术、创新流程管理为一体，以多功能、系统性、集成化、智能化的设备和方法为诊断手段和发展方向。今后需要从以下三方面进行重点研究及改进：1）提高专家系统的知识获取能力；2）一体化诊断中的离线诊断系统功能模块的开发及其与专家系统的信息接口；3）集成化管理体系的建立，尤其是数据中心的建立，包括汽车研发、制造、供应及售后等各个环节中信息的采集与处理。另外可以预见的是，未来的汽车故障将进入“大数据”时代，发展集成化管理的诊断技术的同时，对大量反馈、更新信息的及时处理，也将成为未来研究的重点。

作者：赵牧原冯金芝单位：上海理工大学机械工程学院机械工业汽车底盘机械零部件强度与可靠性评价重点实验室