蘇建成(安徽蚌埠汽車士官學(xué)校裝備保障系,安徽蚌埠 233011)

汽車故障診斷專家系統(tǒng)技術(shù)研究

蘇建成
(安徽蚌埠汽車士官學(xué)校裝備保障系,安徽蚌埠 233011)

闡述汽車故障診斷專家系統(tǒng)模型的發(fā)展及應(yīng)用成果，敘述了汽車故障診斷系統(tǒng)技術(shù)研究的發(fā)展趨勢及需要解決和把握的關(guān)鍵問題等。

汽車；故障診斷；專家系統(tǒng)

0 引言

汽車故障診斷技術(shù)是現(xiàn)代工業(yè)化生產(chǎn)發(fā)展的產(chǎn)物，而其專家系統(tǒng)的研究始于20世紀(jì)70年代末，當(dāng)時(shí)主要用于工程領(lǐng)域的故障診斷研究，汽車發(fā)動(dòng)機(jī)的故障診斷成為早期專家系統(tǒng)的一個(gè)重要研究內(nèi)容，也是人工智能的一個(gè)最具挑戰(zhàn)性的問題。特別是現(xiàn)代汽車電控系統(tǒng)的不斷增加，其故障診斷正向高難度復(fù)雜化方向發(fā)展。

國內(nèi)在汽車故障診斷技術(shù)的研究方面雖然起步較晚，但專家系統(tǒng)方面的研究一直緊跟國外學(xué)術(shù)動(dòng)態(tài)，對(duì)新理論、新方法和新趨勢等方面的把握和研究及時(shí)，逐步取得了一些有價(jià)值的成果。

1 基于規(guī)則的診斷專家系統(tǒng)

第一代汽車故障診斷專家系統(tǒng)構(gòu)筑在產(chǎn)生式規(guī)則的基礎(chǔ)上?；谝?guī)則的診斷方法是根據(jù)以往專家診斷的經(jīng)驗(yàn)，將其歸納成規(guī)則，通過啟發(fā)式經(jīng)驗(yàn)知識(shí)進(jìn)行故障診斷，適合于具有豐富經(jīng)驗(yàn)的專業(yè)領(lǐng)域故障診斷?；谝?guī)則的診斷具有知識(shí)表述直觀、形式統(tǒng)一、易理解和解釋方便等優(yōu)點(diǎn)，診斷知識(shí)的獲取依賴于領(lǐng)域?qū)＜摇５珡?fù)雜系統(tǒng)所觀測到的癥狀與所對(duì)應(yīng)診斷之間的聯(lián)系相當(dāng)復(fù)雜，通過歸納專家經(jīng)驗(yàn)來獲取規(guī)則，有相當(dāng)難度，且一致性難以保證。

盡管基于規(guī)則的診斷專家系統(tǒng)獲得初步成功，但存在知識(shí)獲取困難、知識(shí)臺(tái)階窄以及控制策略不靈活等缺點(diǎn)。對(duì)大型規(guī)則庫來說，容易產(chǎn)生規(guī)則匹配沖突等問題，其求解過程搜索空間大，速度慢，難以實(shí)現(xiàn)實(shí)時(shí)在線診斷要求。

2 基于實(shí)例的診斷專家系統(tǒng)

基于實(shí)例推理診斷是近年來人工智能領(lǐng)域興起的—種診斷推理技術(shù)，是類比推理的一個(gè)獨(dú)立子類，符合人類的認(rèn)知心理?；趯?shí)例的診斷專家系統(tǒng)具有諸多優(yōu)點(diǎn)，無須顯式的領(lǐng)域知識(shí)；無須規(guī)則提取，降低知識(shí)獲取難度；系統(tǒng)是開放體系，增量式學(xué)習(xí)，實(shí)例庫的覆蓋度隨系統(tǒng)的不斷使用而逐漸增加?；趯?shí)例的診斷適用于領(lǐng)域定理難以表示成規(guī)則形式，而易表示成實(shí)例的領(lǐng)域。

基于實(shí)例推理的關(guān)鍵是建立一個(gè)有效的檢索機(jī)制與實(shí)例組織方式。實(shí)例匹配不僅要考慮表面特征的相似性，而且結(jié)構(gòu)相似性和深層特征有時(shí)也具有同樣不容忽視的作用。深層信息不僅能減小搜索空間，還可以增加匹配成功率。

基于實(shí)例的診斷方法難點(diǎn)還在于實(shí)例特征的選擇、權(quán)重分配以及處理實(shí)例修訂時(shí)的一致性檢驗(yàn)問題等。

3 基于模糊理論的診斷專家系統(tǒng)

在汽車故障診斷中，存在界限不分明的模糊概念，如發(fā)動(dòng)機(jī)溫度“偏高”、輪胎磨損“較嚴(yán)重”等具有模糊性，運(yùn)用模糊理論的診斷方法將更為有效。模糊診斷的實(shí)質(zhì)是引入隸屬函數(shù)概念，模糊邏輯以其較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力，適合處理診斷中的不確定信息和不完整信息。

模糊故障診斷有兩種基本方法，一種是先建立征兆與故障類別之間的因果關(guān)系矩陣，再建立故障與征兆的模糊關(guān)系方程，即F=S·R，這里F為模糊故障矢量；S為模糊征兆矢量；“· ”為模糊合成算子。另一種方法是先建立故障與征兆的模糊規(guī)則庫，再進(jìn)行模糊邏輯推理的診斷過程。模糊診斷知識(shí)獲取困難，尤其是故障與征兆的模糊關(guān)系較難確定，且系統(tǒng)的診斷能力依賴模糊知識(shí)庫，容易發(fā)生漏診或誤診。由于模糊語言變量是用隸屬函數(shù)表示的，實(shí)現(xiàn)語言變量與隸屬函數(shù)之間的轉(zhuǎn)換是一個(gè)難點(diǎn)。

4 基于行為的診斷專家系統(tǒng)

基于行為的診斷專家系統(tǒng)是一種動(dòng)態(tài)、模塊化的診斷系統(tǒng)。系統(tǒng)的行為是指系統(tǒng)從一個(gè)狀態(tài)轉(zhuǎn)移到另—個(gè)狀態(tài)的過程，一個(gè)狀態(tài)的出現(xiàn)是系統(tǒng)行為動(dòng)作的結(jié)果，而狀態(tài)則描述了系統(tǒng)的行為。通常，基于行為的診斷專家系統(tǒng)采用NN模塊化單元，以確保系統(tǒng)與診斷對(duì)象的實(shí)時(shí)交互。這種NN模塊化單元不同于一般基于NN的診斷系統(tǒng)，它是一種相對(duì)獨(dú)立且能夠動(dòng)態(tài)構(gòu)建故障診斷子NN模塊單元的變結(jié)構(gòu)單元。該方法同汽車電控單元ECU之間進(jìn)行數(shù)據(jù)交互，可實(shí)現(xiàn)實(shí)時(shí)在線監(jiān)控診斷。

基于行為的診斷專家系統(tǒng)的突出優(yōu)點(diǎn)是在缺乏經(jīng)驗(yàn)診斷知識(shí)情況下，通過與診斷對(duì)象系統(tǒng)行為進(jìn)行交互作用，逐步學(xué)習(xí)進(jìn)化，最終構(gòu)成一個(gè)完善的診斷系統(tǒng)。因此，不必事先給出所有故障類型，極大地減輕了故障診斷專家系統(tǒng)開發(fā)的規(guī)模和知識(shí)獲取困難問題。

開發(fā)基于行為的診斷專家系統(tǒng)關(guān)鍵問題是：故障行為征兆(語義征兆、圖形征兆)的自動(dòng)獲取難度較大；新故障尤其是同時(shí)出現(xiàn)多故障時(shí)的自動(dòng)識(shí)別和分類，是該方法的根本突破點(diǎn)。

5 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷模型

人工神經(jīng)網(wǎng)絡(luò)具有較好的容錯(cuò)性、響應(yīng)快、強(qiáng)大的學(xué)習(xí)能力、自適應(yīng)能力和非線性逼近能力等，被廣泛應(yīng)用于汽車故障診斷領(lǐng)域?；谏窠?jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)有兩種形式：一種是使用神經(jīng)網(wǎng)絡(luò)來構(gòu)造專家系統(tǒng)，變基于符號(hào)的推理為基于數(shù)值運(yùn)算的推理，提高系統(tǒng)效率和自學(xué)習(xí)問題；另一種是把神經(jīng)網(wǎng)絡(luò)作為知識(shí)源的表示與處理模式，并與其他推理機(jī)制相融合，實(shí)現(xiàn)多模式推理。

基于神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)是—類新的知識(shí)表達(dá)體系，不同于傳統(tǒng)診斷專家系統(tǒng)的高層邏輯模型，是一種低層數(shù)值模型。其分布式聯(lián)結(jié)機(jī)制，實(shí)現(xiàn)知識(shí)表示、存儲(chǔ)和推理三者融為一體，在知識(shí)獲取、并行推理和自適應(yīng)學(xué)習(xí)等方面顯示出明顯的優(yōu)越性，—定程度上克服了傳統(tǒng)診斷專家系統(tǒng)存在的知識(shí)獲取困難、推理速度慢等問題。

6 汽車故障診斷專家系統(tǒng)的發(fā)展趨勢

6.1 基于機(jī)器學(xué)習(xí)的智能故障診斷專家系統(tǒng)

智能診斷系統(tǒng)的核心問題是它的學(xué)習(xí)能力問題，知識(shí)的自動(dòng)獲取一直是智能故障診斷專家系統(tǒng)研究的難點(diǎn)。解決知識(shí)獲取的途徑是機(jī)器學(xué)習(xí)，即讓機(jī)器能夠在實(shí)際工作中不斷地總結(jié)成功和失敗的經(jīng)驗(yàn)教訓(xùn)，對(duì)知識(shí)庫中的診斷知識(shí)進(jìn)行調(diào)整和修改，以豐富和完善系統(tǒng)知識(shí)。機(jī)器學(xué)習(xí)的方法有：基于實(shí)例的學(xué)習(xí)、基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等。機(jī)器學(xué)習(xí)是提高智能故障診斷專家系統(tǒng)的主要途徑，也是衡量—個(gè)系統(tǒng)智能程度的主要標(biāo)志。

基于實(shí)例的學(xué)習(xí)是指在系統(tǒng)遇到新實(shí)例時(shí)，通過分析新實(shí)例與以前存儲(chǔ)舊實(shí)例之間的關(guān)系，獲得新實(shí)例的分類?；趯?shí)例的學(xué)習(xí)方法包括基于實(shí)例的推理過程，在實(shí)例推理各階段的任務(wù)中，實(shí)例的回收體現(xiàn)了實(shí)例的學(xué)習(xí)機(jī)制。通過對(duì)結(jié)構(gòu)化實(shí)例庫的檢測，實(shí)現(xiàn)多實(shí)例整合、知識(shí)抽取，并建立實(shí)例索引，完成機(jī)器學(xué)習(xí)功能。

基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)是廣泛應(yīng)用的—種機(jī)器學(xué)習(xí)方法。該方法涉及到網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)樣本、學(xué)習(xí)算法以及深層次知識(shí)抽取方法。如動(dòng)態(tài)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、改進(jìn)訓(xùn)練算法等。因此，發(fā)展和完善現(xiàn)有的機(jī)器學(xué)習(xí)方法，探索新的學(xué)習(xí)方法，建立新的機(jī)器學(xué)習(xí)系統(tǒng)，特別是多種學(xué)習(xí)方法協(xié)同工作的智能診斷專家系統(tǒng)，是研究的—個(gè)重要方向。

6.2 網(wǎng)絡(luò)架構(gòu)下的集成故障診斷專家系統(tǒng)

故障診斷與知識(shí)表示、處理和診斷推理方法密切相關(guān)，同時(shí)又與診斷對(duì)象領(lǐng)域相關(guān)聯(lián)。就汽車故障診斷而言，由于汽車零部件多、相互影響，故障形式多樣、表現(xiàn)不一，單一的知識(shí)表示、推理方法難以完成對(duì)故障的有效診斷。再者，汽車故障診斷實(shí)例來源豐富，診斷信息不完全度較高，存在許多模糊信息，知識(shí)獲取的壓力大。因此，選擇—種適合該領(lǐng)域診斷專家系統(tǒng)的知識(shí)表示和推理方法非常重要。

網(wǎng)絡(luò)架構(gòu)下的集成汽車故障診斷專家系統(tǒng)適合汽車領(lǐng)域的故障診斷要求，該集成系統(tǒng)以多種診斷模型融合、分布式網(wǎng)絡(luò)體系和多媒體技術(shù)的應(yīng)用而成為研究熱點(diǎn)。

集成系統(tǒng)需要解決的關(guān)鍵問題是：集成診斷系統(tǒng)中診斷模型的自動(dòng)選擇；模型的結(jié)構(gòu)層次、知識(shí)表達(dá)能力和邏輯嚴(yán)謹(jǐn)性；推理機(jī)制的內(nèi)在融合機(jī)制，避免各自為政的簡單混合以及知識(shí)的靈活表示和處理等。

【1】 孫志成.汽車故障診斷與排除實(shí)例[M]. 北京:金盾出版社，2009.

【2】 張家璽.汽車技術(shù)使用理論與實(shí)踐[M]. 北京:海潮出版社，2008.

【3】 崔選盟.汽車故障診斷技術(shù)[M]. 北京:人民交通出版社，2011.

【4】 朱軍.汽車故障診斷方法[M]. 北京:人民交通出版社，2008.

Technical Study on Automobile Fault Diagnosis Expert System

SU Jiancheng
(Department of Equipment Support, Bengbu Automotive Petty Officer School of Anhui, Bengbu Anhui 233011，China)

The development and application results of automotive fault diagnosis expert system model were elaborated. The development trend about the automobile fault diagnosis system and the key problems needed to resolve were described.

Automobile; Fault diagnosis; Expert system

2013-05-22

蘇建成(1963—)，副教授，研究方向?yàn)槠囘\(yùn)用與檢測技術(shù)。E-mail:sjc.6301@163.com。