0 引言

柴油機(jī)具有經(jīng)濟(jì)性好、熱效率高和耐久性強(qiáng)的特點(diǎn)，因此在長(zhǎng)途運(yùn)輸、工程做業(yè)等領(lǐng)域廣泛使用。但是車輛在長(zhǎng)期的使用過程中，不可避免存在零件磨損、傳感器和執(zhí)行器失效等故障，如不及時(shí)有效的進(jìn)行狀態(tài)監(jiān)測(cè)和維修，必然造成柴油機(jī)狀態(tài)的下降甚至機(jī)器本身不可逆的損壞。特別是柴油機(jī)排放標(biāo)準(zhǔn)已升級(jí)到國(guó)六階段，氧化催化器(diesel oxidation catalyst，DOC)-顆粒捕集器(diesel particulate filter，DPF)-選擇性催化還原(selective catalytic reduction，SCR)路線是柴油機(jī)后處理排放控制的主流技術(shù)路線，較國(guó)四國(guó)五排放階段，后處理傳感器大量增加，故障率升高，同時(shí)對(duì)線下維修能力有所挑戰(zhàn)。對(duì)柴油機(jī)的運(yùn)行進(jìn)行科學(xué)有效的監(jiān)控與維修成為各廠家研究的熱點(diǎn)?，F(xiàn)代化信息技術(shù)廣泛應(yīng)用于維修技術(shù)，由于多數(shù)車企沒有完善的全流程售后系統(tǒng)，大多集中在數(shù)學(xué)建模研究上，有必要建立科學(xué)智能的維修決策支持系統(tǒng)，系統(tǒng)化和規(guī)范化決策過程。

1 智能決策支持系統(tǒng)

1.1 系統(tǒng)介紹

決策支持系統(tǒng)

(Decision Support System,DSS)是一種綜合利用管理科學(xué)、控制理論、數(shù)據(jù)庫和運(yùn)籌學(xué)等，以模型、知識(shí)、數(shù)據(jù)和方法等為手段，通過人機(jī)交互方法和協(xié)調(diào)器，輔助決策者處理半結(jié)構(gòu)化決策問題的體系。通過人機(jī)會(huì)話接口實(shí)現(xiàn)對(duì)實(shí)際模型的控制、調(diào)用以及數(shù)據(jù)信息收集，模型庫(KBMS)、數(shù)據(jù)庫(MEBM)和方法庫(DBMS)分別由其本身資源集合和管理系統(tǒng)組成

，實(shí)現(xiàn)模型庫的管理和運(yùn)行，其中模型管理系統(tǒng)是DSS的核心，這三種庫構(gòu)成的支持系統(tǒng)即為DSS三庫結(jié)構(gòu)。

DSS通過采集的數(shù)據(jù)，借助數(shù)學(xué)模型如線性規(guī)劃模型、層次分析法、貝葉斯決策分析法等處理得到結(jié)果，以解決半結(jié)構(gòu)化決策問題。

高等職業(yè)院校智慧課堂教學(xué)的實(shí)施與信息化教學(xué)手段密不可分，VR、云計(jì)算、智慧課堂軟件、微課教學(xué)等信息化教學(xué)手段的實(shí)施，從教學(xué)中面臨的實(shí)際問題出發(fā)，有效促進(jìn)信息技術(shù)與實(shí)際教學(xué)的深度融合，提升教師的教學(xué)效果和學(xué)生的學(xué)習(xí)效率。本部分重點(diǎn)闡述VR技術(shù)在高職智慧課堂中的應(yīng)用。

智能決策支持系統(tǒng)在傳統(tǒng)三庫結(jié)構(gòu)的基礎(chǔ)上加入知識(shí)庫(KBMS)，也就是規(guī)則庫，用來存儲(chǔ)規(guī)則、經(jīng)驗(yàn)數(shù)值和關(guān)系邏輯等

，DSS基本結(jié)構(gòu)如圖1所示。DSS的專家系統(tǒng)可用來識(shí)別問題和類別，決策支持系統(tǒng)具有以計(jì)算機(jī)技術(shù)、仿真技術(shù)為基礎(chǔ)的定量分析特點(diǎn)，可以定性定量的為決策者提供信息，大大加強(qiáng)了處理半結(jié)構(gòu)化問題、非機(jī)構(gòu)化問題的能力和范圍

。

有一個(gè)朋友總是抱怨她的寶貝兒子非常磨蹭。就讀小學(xué)四年級(jí)的他，每天寫作業(yè)都要拖到很晚才能完成，早上起床也慢慢悠悠，仿佛除了玩兒，做一切事情都磨磨蹭蹭。朋友向我詢問解決的辦法，閑聊中我問她：“你當(dāng)了這么多年全職媽媽，有沒有想要做點(diǎn)別的事情呢？”她懶洋洋地說：“我想做很多事情，可一去做，我就不想動(dòng)了！”

決策系統(tǒng)離不開海量的數(shù)據(jù)輸入，根據(jù)不同用戶需求，需要定義不同的數(shù)據(jù)源并針對(duì)不同類的數(shù)據(jù)進(jìn)行分析，為了更好地挖掘?qū)嶋H數(shù)據(jù)中隱含的、潛在的信息，數(shù)據(jù)挖掘技術(shù)

成為目前的研究和應(yīng)用熱點(diǎn)。

1.2 數(shù)據(jù)挖掘

保利濱湖廣場(chǎng)裙樓部分共三層，公共區(qū)域包括大堂、商務(wù)、餐飲和康體四部分功能，均整合在其中。裙樓西側(cè)面對(duì)文翰湖，為主要景觀面，東側(cè)為凹入式內(nèi)景庭院，南側(cè)設(shè)計(jì)為婚宴花園，引景入室，處處有景。酒店大堂主入口設(shè)在西側(cè)，步入大堂，正對(duì)的大堂吧兩層通高，園林景觀一覽無余，接待前臺(tái)、全日制餐廳和特色餐廳設(shè)在大堂左側(cè)，亦共享庭院景觀。二層設(shè)有行政餐廳和中餐廳，滿足不同商務(wù)人群的飲食選擇。

數(shù)據(jù)挖掘又稱為資料勘探，是指從大量數(shù)據(jù)中通過模型和算法提取隱含信息的過程。由于數(shù)據(jù)庫數(shù)據(jù)量繁雜紫且數(shù)量大，決策支持系統(tǒng)僅靠數(shù)據(jù)庫處理不能精確提供給決策者需要的信息，數(shù)據(jù)挖掘作為決策過程，借助模型算法等工具，對(duì)大量的結(jié)構(gòu)化數(shù)據(jù)、關(guān)聯(lián)數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析，輔助決策者做出理性決策。

近年，一些地市成立了城市防汛抗旱指揮部，協(xié)調(diào)指揮全市防洪減災(zāi)工作，但這些城市同時(shí)設(shè)立城市防汛抗旱指揮部和城市防洪指揮部，存在城區(qū)防洪工作多頭管理的現(xiàn)象。防汛機(jī)構(gòu)尚未延伸至基層組織，城市街道、社區(qū)和企事業(yè)單位等基層防汛機(jī)構(gòu)存在人員和設(shè)施不足、崗位和職責(zé)不清等情況。城市防洪應(yīng)急管理涉及水利、交通、電力、氣象、城建、園林、市政、城管等多個(gè)部門，部分工作交叉重合，以上這些情況都容易導(dǎo)致城市防洪應(yīng)急管理中出現(xiàn)職責(zé)交叉、銜接不順甚至管理缺位。

建立柴油機(jī)故障診斷智能決策系統(tǒng)，根據(jù)柴油機(jī)數(shù)據(jù)屬性的特點(diǎn)和多維模型結(jié)構(gòu)的簡(jiǎn)潔性，選擇星型結(jié)構(gòu)作為數(shù)據(jù)邏輯模型，星型結(jié)構(gòu)包含事實(shí)表和多組維表組成，維表圍繞事實(shí)表為中心呈星型分布特點(diǎn)，針對(duì)柴油機(jī)維修決策支持系統(tǒng)，設(shè)計(jì)4個(gè)維表包括：分析參數(shù)維表、維修人員維表、時(shí)間維表和柴油機(jī)參數(shù)維表，各維表存儲(chǔ)對(duì)應(yīng)數(shù)據(jù)并通過關(guān)鍵詞與事實(shí)表連接，基于柴油機(jī)故障診斷的數(shù)據(jù)邏輯模型如圖3所示。

1.3 智能決策支持系統(tǒng)結(jié)構(gòu)

通過數(shù)據(jù)庫收集到大量數(shù)據(jù)后，數(shù)據(jù)挖掘?qū)?shù)據(jù)進(jìn)行集成、規(guī)約和清理，通過平滑聚集、數(shù)據(jù)規(guī)范化等預(yù)處理將數(shù)據(jù)初步轉(zhuǎn)化為適合數(shù)據(jù)挖掘的形式，根據(jù)數(shù)據(jù)信息，使用統(tǒng)計(jì)學(xué)方法、決策樹法，神經(jīng)網(wǎng)絡(luò)、模糊決策、遺傳算法等決策方法進(jìn)行數(shù)據(jù)分析，最后通過人機(jī)交互系統(tǒng)將需要的知識(shí)進(jìn)行可視化反饋，或者將其作為新的知識(shí)存放入數(shù)據(jù)庫中共其它使用者調(diào)取。

(1)一定類型、結(jié)構(gòu)、編碼規(guī)則和行業(yè)規(guī)則的數(shù)據(jù)被采集后，經(jīng)過轉(zhuǎn)換、裝載等預(yù)處理方法，數(shù)據(jù)倉庫從信息收集平臺(tái)得到多維數(shù)據(jù)，通過了解分析和決策需求，刪除非戰(zhàn)略性數(shù)據(jù)，增加時(shí)間主鍵，調(diào)整數(shù)據(jù)粒度，

模型庫是支持系統(tǒng)的關(guān)鍵，通過系統(tǒng)的調(diào)用命令快速相應(yīng)，及時(shí)更換不同計(jì)算方法和模型，主要模型包括預(yù)測(cè)模型、最佳停運(yùn)時(shí)間模型、最佳維修成本模型、最佳維修時(shí)間模型、劣化分析預(yù)測(cè)模型等。

寫話教學(xué)是作文教學(xué)的啟蒙階段，是作文教學(xué)的重要基礎(chǔ)。低年級(jí)學(xué)生閱讀面窄，語言積累不足，生活經(jīng)驗(yàn)缺乏，這些導(dǎo)致學(xué)生寫話能力發(fā)展較為緩慢。因而，我們?cè)谡Z文閱讀教學(xué)中，重視語言的積累以及語言文字的訓(xùn)練，更能有效地促進(jìn)學(xué)生寫話能力的提高。因此抓好小學(xué)低年級(jí)學(xué)生說話和寫話的訓(xùn)練，是提高學(xué)生作文能力的基礎(chǔ)環(huán)節(jié)。

(4)結(jié)論評(píng)價(jià)模塊會(huì)對(duì)最終的分析結(jié)果進(jìn)行有效評(píng)估，根據(jù)用戶需求，判斷決策是否冗余或者無法滿足需求，若是則需要返回重新篩選戰(zhàn)略性數(shù)據(jù)，優(yōu)化或重新選擇參數(shù)和工具再次進(jìn)行數(shù)據(jù)挖掘，知道滿足需求。

2 柴油機(jī)故障診斷智能決策系統(tǒng)

2.1 系統(tǒng)構(gòu)建

數(shù)據(jù)挖掘需要對(duì)數(shù)據(jù)進(jìn)行分類，將海量數(shù)據(jù)按照共同特點(diǎn)劃分入不同的類，再通過聚類分析對(duì)事例進(jìn)行細(xì)分，將同一類數(shù)據(jù)間的相似性盡可能大，不同類數(shù)據(jù)間的相似性盡可能小；關(guān)聯(lián)兩個(gè)及以上變量，發(fā)現(xiàn)其之間存在的規(guī)律性，利用歷史數(shù)據(jù)的變化規(guī)律來預(yù)測(cè)未來的趨勢(shì)、種類和特性，偏差分析用來發(fā)現(xiàn)數(shù)據(jù)中的異常，主要方法是對(duì)比觀察對(duì)象和參照物之間的差異。

(2)數(shù)據(jù)挖掘是整個(gè)系統(tǒng)中的重要環(huán)節(jié)，其與數(shù)據(jù)倉庫共同推動(dòng)數(shù)據(jù)分析的進(jìn)行，并影響分析精度和效率，通過聚類、關(guān)聯(lián)分析，對(duì)分析結(jié)果進(jìn)行歸納并預(yù)測(cè)未來趨勢(shì)

。

智能決策支持系統(tǒng)、數(shù)據(jù)挖掘有效結(jié)合可以極大地提高診斷和維修效率，其基本框架如圖2所示。

(3)模型庫、方法庫和知識(shí)庫管理系統(tǒng)基于數(shù)據(jù)挖掘和各庫建立，圍繞維修決策的需求和數(shù)據(jù)挖掘模型，建立豐富模型庫方法庫和知識(shí)庫，提供各類決策支持工具，以滿足不同需求以及不同信息源的分析。

2.2 應(yīng)用案例

該系統(tǒng)在某地區(qū)試運(yùn)行，目前各廠家國(guó)六車輛一般標(biāo)配TBOX車載設(shè)備，通過車載設(shè)備可以查看車輛運(yùn)行狀態(tài)，監(jiān)控一些關(guān)鍵的運(yùn)行參數(shù)。針對(duì)幾個(gè)國(guó)六柴油機(jī)典型故障進(jìn)行跟蹤，通過數(shù)據(jù)庫信息匯總、相應(yīng)算法進(jìn)行數(shù)據(jù)挖掘分析，最后通過人機(jī)交互系統(tǒng)將需要的知識(shí)進(jìn)行可視化反饋，通過運(yùn)行，不斷發(fā)現(xiàn)問題，不斷完善數(shù)據(jù)庫，不斷對(duì)模型庫進(jìn)行訓(xùn)練優(yōu)化。在運(yùn)行過程中，系統(tǒng)能發(fā)現(xiàn)一些問題，達(dá)到預(yù)期效果。

圖4給出了本文算法的流程圖,即先初始化粒子位置和速度,根據(jù)適應(yīng)度以及式(3)重新計(jì)算粒子的速度(第一次迭代不計(jì)算),并根據(jù)式(5)更新粒子的位置,然后計(jì)算新位置粒子的適應(yīng)度,如果算法達(dá)到指定迭代次數(shù),即輸出全局的歷史最優(yōu)粒子為算法的結(jié)果,否則按圖4繼續(xù)迭代。

2.2.1 DPF過載過故障跟蹤

DPF過載問題是國(guó)六柴油機(jī)高發(fā)故障，通過數(shù)據(jù)庫售后數(shù)據(jù)分析發(fā)現(xiàn)，進(jìn)氣管漏氣問題原因占比44%，而漏氣原因車輛分析主要是廠家A的售后問題(見圖4)。通過TBOX數(shù)據(jù)庫中抽取A廠家10臺(tái)車，調(diào)取大扭矩點(diǎn)工況的進(jìn)氣壓力，通過知識(shí)庫調(diào)取改車型進(jìn)氣壓力的標(biāo)準(zhǔn)值，發(fā)現(xiàn)大扭矩工況進(jìn)氣壓力偏低，見表1。

通過模型庫分析基本鎖定廠家A進(jìn)氣管路存在漏氣，從售后服務(wù)系統(tǒng)調(diào)取故障車輛照片(見圖5)，發(fā)現(xiàn)進(jìn)氣管路膠管龜裂。后反饋廠家進(jìn)行整改跟蹤，問題得到封閉。同時(shí)整個(gè)DPF過載故障率下降24%左右。

3 應(yīng)用效果

通過三個(gè)月系統(tǒng)試運(yùn)行，不斷完善數(shù)據(jù)庫、模型庫。通過人機(jī)交互，發(fā)現(xiàn)問題，對(duì)故障進(jìn)行優(yōu)化跟蹤。經(jīng)統(tǒng)計(jì)，該運(yùn)行區(qū)域前后三個(gè)月國(guó)六柴油機(jī)TOP10故障率，發(fā)現(xiàn)整體故障率能降低20%，詳細(xì)數(shù)據(jù)見表2。

4 結(jié)論

隨著柴油機(jī)排放升級(jí)的不斷發(fā)展，傳感器等零部件增長(zhǎng)較多，客戶主觀感受故障率影響較大。柴油機(jī)故障診斷智能決策系統(tǒng)的搭建運(yùn)行，通過模型庫、方法庫對(duì)運(yùn)行故障作出判斷，識(shí)別到故障發(fā)生的原因，不斷跟蹤封閉。該系統(tǒng)運(yùn)行能大大降低國(guó)六柴油機(jī)產(chǎn)品故障率。系統(tǒng)試運(yùn)行三個(gè)月，結(jié)果顯示，國(guó)六柴油機(jī)售后高頻故障故障降低20%。如果后期數(shù)據(jù)庫打通各大系統(tǒng)(售后系統(tǒng)、研發(fā)系統(tǒng)標(biāo)定系統(tǒng)、生產(chǎn)系統(tǒng))等，該系統(tǒng)發(fā)揮的作用將會(huì)更大。

[1]蘇六十. 船舶柴油機(jī)維修決策研究[J]. 內(nèi)燃機(jī)與配件,2021,(08):113-114.

[2]金炳哲,陳冬梅,徐在強(qiáng). 基于數(shù)據(jù)庫與專家系統(tǒng)的柴油機(jī)故障診斷軟件開發(fā)[J]. 柴油機(jī),2017,39(01):42-45.

[3]葛成威. 船體外板曲面成形智能決策支持系統(tǒng)研究[D].江蘇科技大學(xué),2021.

[4]張奇. 基于專家系統(tǒng)的鐵路軌道維修智能決策支持系統(tǒng)研究[D].北京交通大學(xué),2019.

[5]馮國(guó)弟.工程機(jī)械產(chǎn)品售后數(shù)據(jù)挖掘方法及應(yīng)用[J]. 現(xiàn)代制造技術(shù)與裝備,2021,57(09):129-130+133.

[6]劉彥均,封宇,武千惠,黃必清. 面向大型裝備狀態(tài)分析的分布式實(shí)時(shí)數(shù)據(jù)倉庫構(gòu)建技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng),2017,23(10):2324-2333.