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70年代末，當(dāng)時主要用于工程領(lǐng)域的故障診斷研究，汽車發(fā)動機的故障診斷成為早期專家系統(tǒng)的一個重要研究內(nèi)容，也是人工智能的一個最具挑戰(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)動態(tài)，對新理論、新方法和新趨勢等方面的把握和研究及時，逐步取得了一些有價值的成果。

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，將其歸納成規(guī)則，通過啟發(fā)式經(jīng)驗知識進行故障診斷，適合于具有豐富經(jīng)驗的專業(yè)領(lǐng)域故障診斷?；谝?guī)則的診斷具有知識表述直觀、形式統(tǒng)一、易理解和解釋方便等優(yōu)點，診斷知識的獲取依賴于領(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，但存在知識獲取困難、知識臺階窄以及控制策略不靈活等缺點。對大型規(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，難以實現(xiàn)實時在線診斷要求。

2 基于實例的診斷專家系統(tǒng)

基于實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)，是類比推理的一個獨立子類，符合人類的認知心理?；趯嵗脑\斷專家系統(tǒng)具有諸多優(yōu)點，無須顯式的領(lǐng)域知識；無須規(guī)則提取，降低知識獲取難度；系統(tǒng)是開放體系，增量式學(xué)習(xí)，實例庫的覆蓋度隨系統(tǒng)的不斷使用而逐漸增加。基于實例的診斷適用于領(lǐng)域定理難以表示成規(guī)則形式，而易表示成實例的領(lǐng)域。

基于實例推理的關(guān)鍵是建立一個有效的檢索機制與實例組織方式。實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。

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

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)動機溫度“偏高”、輪胎磨損“較嚴重”等具有模糊性，運用模糊理論的診斷方法將更為有效。模糊診斷的實質(zhì)是引入隸屬函數(shù)概念，模糊邏輯以其較強的結(jié)構(gòu)性知識表達能力，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，再進行模糊邏輯推理的診斷過程。模糊診斷知識獲取困難，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，實現(xiàn)語言變量與隸屬函數(shù)之間的轉(zhuǎn)換是一個難點。

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)從一個狀態(tài)轉(zhuǎn)移到另—個狀態(tài)的過程，一個狀態(tài)的出現(xiàn)是系統(tǒng)行為動作的結(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)與診斷對象的實時交互。這種NN模塊化單元不同于一般基于NN的診斷系統(tǒng)，它是一種相對獨立且能夠動態(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之間進行數(shù)據(jù)交互，可實現(xiàn)實時在線監(jiān)控診斷。

基于行為的診斷專家系統(tǒng)的突出優(yōu)點是在缺乏經(jīng)驗診斷知識情況下，通過與診斷對象系統(tǒng)行為進行交互作用，逐步學(xué)習(xí)進化，最終構(gòu)成一個完善的診斷系統(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)的自動獲取難度較大；新故障尤其是同時出現(xiàn)多故障時的自動識別和分類，是該方法的根本突破點。

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)具有較好的容錯性、響應(yīng)快、強大的學(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)，變基于符號的推理為基于數(shù)值運算的推理，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)作為知識源的表示與處理模式，并與其他推理機制相融合，實現(xiàn)多模式推理。

基于神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)是—類新的知識表達體系，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)機制，實現(xiàn)知識表示、存儲和推理三者融為一體，在知識獲取、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，知識的自動獲取一直是智能故障診斷專家系統(tǒng)研究的難點。解決知識獲取的途徑是機器學(xué)習(xí)，即讓機器能夠在實際工作中不斷地總結(jié)成功和失敗的經(jīng)驗教訓(xùn)，對知識庫中的診斷知識進行調(diào)整和修改，以豐富和完善系統(tǒng)知識。機器學(xué)習(xí)的方法有：基于實例的學(xué)習(xí)、基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等。機器學(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—個系統(tǒng)智能程度的主要標(biāo)志。

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

基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)是廣泛應(yīng)用的—種機器學(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抽取方法。如動態(tài)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、改進訓(xùn)練算法等。因此，發(fā)展和完善現(xiàn)有的機器學(xué)習(xí)方法，探索新的學(xué)習(xí)方法，建立新的機器學(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)

故障診斷與知識表示、處理和診斷推理方法密切相關(guān)，同時又與診斷對象領(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，單一的知識表示、推理方法難以完成對故障的有效診斷。再者，汽車故障診斷實例來源豐富，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。

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

【1】 孫志成.汽車故障診斷與排除實例[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，研究方向為汽車運用與檢測技術(shù)。E-mail:sjc.6301@163.com。