唐偉萍　賴德鵬

基于案例信息檢索的汽車(chē)故障診斷系統(tǒng)的構(gòu)建

唐偉萍賴德鵬

（廣西電力職業(yè)技術(shù)學(xué)院，廣西 南寧 530007）

傳統(tǒng)車(chē)輛維修養(yǎng)護(hù)診斷模式依賴于人工經(jīng)驗(yàn)和配套設(shè)備，已經(jīng)適應(yīng)不了汽車(chē)更新?lián)Q代的速度，迫切需要更高效更智能的定位故障、快速檢修技術(shù)來(lái)提升車(chē)輛安全性和可靠性，從而誕生了車(chē)輛故障診斷技術(shù)這個(gè)綜合性學(xué)科。文章通過(guò)基于人工智能設(shè)計(jì)思想，采用大量的維修實(shí)例可以作為系統(tǒng)的訓(xùn)練樣本，應(yīng)用最新信息技術(shù)完成汽車(chē)故障認(rèn)知診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，為用戶提供一個(gè)高效簡(jiǎn)便的故障診斷平臺(tái)，為專業(yè)維修人員解決汽車(chē)故障、對(duì)汽車(chē)維修提供依據(jù)，經(jīng)實(shí)驗(yàn)測(cè)試，系統(tǒng)大大降低故障診斷難度，節(jié)約故障診斷時(shí)間，帶來(lái)良好的經(jīng)濟(jì)效益。

案例信息檢索；車(chē)輛診斷；系統(tǒng)構(gòu)建

引言

據(jù)公安部2022年7月6日發(fā)布的2022年上半年全國(guó)機(jī)動(dòng)車(chē)統(tǒng)計(jì)數(shù)據(jù)顯示：截至2022年6月底，全國(guó)機(jī)動(dòng)車(chē)保有量達(dá)4.06億輛。說(shuō)明隨著人們物質(zhì)生活水平的提高，汽車(chē)逐漸成為每個(gè)家庭必備的交通工具。同時(shí)，隨著信息技術(shù)發(fā)展和工業(yè)化程度的加深，更先進(jìn)更智能的精密電子和計(jì)算機(jī)信息技術(shù)應(yīng)用到汽車(chē)上，除了代步需求外，更安全、更舒適、更智能成了汽車(chē)品質(zhì)評(píng)價(jià)的重要指標(biāo)，也促使汽車(chē)結(jié)構(gòu)日趨復(fù)雜，日常檢測(cè)、常規(guī)保養(yǎng)顯得越來(lái)越重要。如何排除汽車(chē)安全隱患、存在故障快速定位檢修成了汽車(chē)售后服務(wù)行業(yè)的重點(diǎn)和難點(diǎn)，迫切需求新技術(shù)新方法為汽車(chē)維修業(yè)提供更直接、更準(zhǔn)確、更簡(jiǎn)便的車(chē)輛故障診斷[1]。

汽車(chē)廠商旗下品牌多樣化是當(dāng)前一個(gè)顯著特點(diǎn)，伴隨汽車(chē)加載設(shè)備復(fù)雜化，給傳統(tǒng)主要依靠工人經(jīng)驗(yàn)和儀器分析的診斷極大的困惑和被動(dòng)。汽車(chē)故障診斷技術(shù)是以車(chē)輛故障診斷學(xué)理論為指導(dǎo)，應(yīng)用信息化技術(shù)對(duì)車(chē)輛各種指標(biāo)進(jìn)行采集分析，并將數(shù)據(jù)存儲(chǔ)，形成專業(yè)級(jí)案例庫(kù)，方便同類故障診斷時(shí)進(jìn)行檢索[2]，為精確診斷提供依據(jù)，從而實(shí)現(xiàn)故障診斷預(yù)防、故障快速定位及準(zhǔn)確維修提高技術(shù)支持，進(jìn)而提高汽車(chē)的安全性和可靠性。

1　相關(guān)技術(shù)概述

1.1 故障診斷

故障診斷的目的是檢測(cè)對(duì)象運(yùn)行時(shí)特征信息進(jìn)行綜合分析，判斷運(yùn)行狀態(tài)是否正常，一旦有異常特征被捕捉，馬上對(duì)故障產(chǎn)生的成因進(jìn)行分析，給出診斷結(jié)果并給出具體解決方案，從而實(shí)現(xiàn)對(duì)設(shè)備全生命周期監(jiān)管，進(jìn)而避免故障引發(fā)的安全隱患，降低損失[2]。本質(zhì)上是基于故障特征進(jìn)行成因分析推理的技術(shù)或解決方案，一般分定期檢測(cè)和按需特殊診斷兩種，分設(shè)備信號(hào)采集、特征碼分析、案例匹配分析和診斷結(jié)果反饋四個(gè)過(guò)程[4]。

1.2 自然語(yǔ)言處理

自然語(yǔ)言處理是計(jì)算機(jī)科學(xué)技術(shù)與人工智能、大數(shù)據(jù)挖掘相融合的一個(gè)重要方向，萌芽于1949年美國(guó)人威弗提出的機(jī)器程序思路，興起于1956年人工智能誕生，壯大于20世紀(jì)90年代計(jì)算機(jī)算力、存儲(chǔ)的快速提升和互聯(lián)網(wǎng)快速發(fā)展，逐漸出現(xiàn)基于統(tǒng)計(jì)、實(shí)例和規(guī)則的語(yǔ)料庫(kù)產(chǎn)品，實(shí)現(xiàn)信息學(xué)、哲學(xué)、統(tǒng)計(jì)學(xué)等多學(xué)科交叉融合[5]。因?yàn)樯婕叭祟愖?、詞、句、段的組合，對(duì)象是人類常用語(yǔ)言，基此而產(chǎn)生的理解和翻譯，進(jìn)而形成信息檢索和文本歸類，均屬于自然語(yǔ)言處理范圍，目前主要分語(yǔ)言學(xué)、數(shù)據(jù)挖掘、AI和認(rèn)知、語(yǔ)言工程四個(gè)方向[6]。

1.3 車(chē)輛診斷技術(shù)

因?yàn)槠?chē)零部件質(zhì)量、壽命、使用環(huán)境的差異以及駕駛習(xí)慣[7]，不可避免出現(xiàn)故障，同時(shí)由于檢測(cè)、保養(yǎng)和使用汽油等消耗品的差異，也導(dǎo)致成因各異，因此，在車(chē)輛全生命周期中重視故障預(yù)防和處理，定期檢測(cè)、及時(shí)排除隱患顯得非常必要。隨著計(jì)算機(jī)技術(shù)和智能技術(shù)的發(fā)展，逐步出現(xiàn)了工人經(jīng)驗(yàn)法、儀表診斷法、專家系統(tǒng)診斷法和數(shù)值特征判斷法等新技術(shù)和新方法，隨著更多學(xué)科的融合和技術(shù)迭代賦能[8]，汽車(chē)故障診斷技術(shù)開(kāi)始向網(wǎng)絡(luò)化、智能化、自動(dòng)化的邁進(jìn)。

2 基于案例信息檢索的車(chē)輛故障診斷系統(tǒng)總體設(shè)計(jì)

由于汽車(chē)品牌和車(chē)型眾多，大大增加了汽車(chē)維修人員判斷的難度，而準(zhǔn)確鎖定故障是維修的基礎(chǔ)，因此，建立基于案例信息檢索庫(kù)的車(chē)輛故障診斷系統(tǒng)可以方便維修人員科學(xué)了解故障成因，有效提高故障判斷準(zhǔn)確度和維修維護(hù)的效率。設(shè)計(jì)的關(guān)鍵包括準(zhǔn)確的需求、合理的架構(gòu)。

2.1 需求分析

清晰可行的需求是系統(tǒng)開(kāi)發(fā)成功的前提。一個(gè)成熟科學(xué)的汽車(chē)故障診斷系統(tǒng)應(yīng)該能夠根據(jù)維修人員輸入相應(yīng)故障現(xiàn)象，馬上能反饋故障成因和解決建議，為準(zhǔn)確維修提供科學(xué)依據(jù)和可靠指導(dǎo)。在此過(guò)程中，對(duì)輸入故障描述進(jìn)行中文分詞，通過(guò)詞條相似度計(jì)算機(jī)匹配案例，對(duì)零配件標(biāo)注，數(shù)據(jù)信息存儲(chǔ)是關(guān)鍵。根據(jù)對(duì)南寧市不同品牌4S店維修人員的調(diào)研，經(jīng)過(guò)整理梳理，得出系統(tǒng)工作流程如下所示：

step1：維修人員輸入故障描述。

step2：中文分詞。系統(tǒng)對(duì)輸入的故障描述進(jìn)行中文分詞處理，解決計(jì)算機(jī)不能直接使用自然語(yǔ)言問(wèn)題。

step3：案例匹配。文本相似度計(jì)算，反饋計(jì)算結(jié)果，同時(shí)要充分考慮復(fù)雜度，進(jìn)而提高結(jié)果的準(zhǔn)確度。

step4：器件標(biāo)注。目的是提高器件和故障的關(guān)聯(lián)度，進(jìn)而提高維修人員對(duì)診斷結(jié)果中涉及器件的敏感度，從而遇到同類故障時(shí)迅速作出預(yù)判。

step5：數(shù)據(jù)管理。一是不斷地為系統(tǒng)添加和存儲(chǔ)新的案例數(shù)據(jù)，從而訓(xùn)練系統(tǒng)模型，提高檢測(cè)能力和匹配度；二是記錄用戶習(xí)慣，形成關(guān)聯(lián)記憶，方便檢索。

step6：輸入新的描述跳轉(zhuǎn)step2，否則結(jié)束。

2.2 系統(tǒng)總體架構(gòu)設(shè)計(jì)

系統(tǒng)主要面向汽車(chē)維修維護(hù)專業(yè)人員或者汽車(chē)專業(yè)師生，因此系統(tǒng)應(yīng)具有經(jīng)濟(jì)性、操作簡(jiǎn)易性和可拓展性。也就是說(shuō)，一是盡量降低成本，減少時(shí)間、地域、設(shè)備等制約；二是用戶均為專業(yè)人員，交互界面一定要方便輸入，方便檢索，方便閱讀和分析；系統(tǒng)通過(guò)物理接口能與車(chē)載平臺(tái)互連互通，方便記憶用戶習(xí)慣，同時(shí)預(yù)留下一步連接互聯(lián)網(wǎng)或者應(yīng)用公有云的方式。基于此，設(shè)計(jì)總體架構(gòu)如圖1所示。

圖1 系統(tǒng)總體架構(gòu)設(shè)計(jì)圖

用戶使用終端輸入故障描述，數(shù)據(jù)庫(kù)同時(shí)記錄用戶輸入習(xí)慣，以生成關(guān)聯(lián)記憶；終端收到輸入信息后傳遞至案例匹配接口，和數(shù)據(jù)庫(kù)中的語(yǔ)料庫(kù)進(jìn)行對(duì)比，得出匹配結(jié)果并返回給用戶。

3 系統(tǒng)關(guān)鍵技術(shù)的設(shè)計(jì)和實(shí)現(xiàn)

3.1 案例分詞技術(shù)

這是基于中文分詞基礎(chǔ)上延伸出來(lái)的技術(shù)，將輸入的內(nèi)容切分成一個(gè)個(gè)單獨(dú)的詞條，相較以英文為代表的分詞技術(shù)，中文分詞相對(duì)滯后，主要難點(diǎn)在于歧義識(shí)別和新詞識(shí)別，因此模型訓(xùn)練越久準(zhǔn)確率越高。按照分類方式不同，常見(jiàn)案例分詞有基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計(jì)的分詞方法，這三種方法各有優(yōu)缺。

由于故障診斷結(jié)果準(zhǔn)確性和診斷速度直接關(guān)鍵到用戶對(duì)汽車(chē)故障診斷系統(tǒng)的體驗(yàn)，因此選擇基于字符串匹配和語(yǔ)料庫(kù)統(tǒng)計(jì)混合的分詞方法，工作流程如下所示：

step1：輸入描述預(yù)處理，去掉標(biāo)點(diǎn)符號(hào)、段落標(biāo)記、空格等，切分成短句；

step2：按規(guī)則切分成最小原子；

Step3：使用N-最短路徑算法切分；

step4：識(shí)別未登錄詞；

step5：重復(fù)、重疊詞性合并；

step6：輸出分詞結(jié)果。

其中語(yǔ)料庫(kù)存放的是真實(shí)語(yǔ)言材料，是經(jīng)過(guò)取樣和預(yù)處理后的電子文本數(shù)據(jù)庫(kù)，系統(tǒng)采用基于字符串和專用車(chē)輛故障描述結(jié)合的處理方法，原子分詞就是對(duì)預(yù)處理后的斷句進(jìn)行原子切分。首先對(duì)所有原子進(jìn)行遍歷，然后再把原子和后面相鄰原子進(jìn)行組合，同時(shí)匹配詞典確認(rèn)是否新詞。N-最短路徑分詞是最大路徑和最短路徑取均值，將前N個(gè)最優(yōu)路徑予以保留，通過(guò)Dijkstra算法求解出N條最優(yōu)路徑，通過(guò)分詞二維表轉(zhuǎn)化為Dijkstra算法矩陣實(shí)現(xiàn)。未登錄詞識(shí)別主要是針對(duì)詞典未錄入的詞，通過(guò)隱馬爾可夫模型實(shí)現(xiàn)識(shí)別和應(yīng)用。

3.2 案例匹配技術(shù)

案例匹配，實(shí)際上是在分詞基礎(chǔ)上，通過(guò)特定算法通過(guò)文本相似度計(jì)算，與語(yǔ)料庫(kù)故障描述進(jìn)行匹配，為器件標(biāo)注服務(wù)。主要有詞項(xiàng)加權(quán)、詞向量計(jì)算、和編輯距離三種方法，詞項(xiàng)加權(quán)主要分通過(guò)打分公式計(jì)算的有無(wú)監(jiān)督計(jì)算和利用機(jī)器學(xué)習(xí)方法預(yù)測(cè)權(quán)值的有監(jiān)督計(jì)算兩種；詞向量計(jì)算主要有基于神經(jīng)網(wǎng)絡(luò)模型和基于輔助特征擴(kuò)充兩種；編輯距離是字符串轉(zhuǎn)換，計(jì)算編輯次數(shù)，以距離最小為越優(yōu)。

本系統(tǒng)通過(guò)構(gòu)建汽車(chē)故障搜索引擎，可以有效提高系統(tǒng)交互性和體驗(yàn)感。建立方法如下：首先檢索已有案例生成案例庫(kù)；接著進(jìn)行預(yù)處理，包括詞性一致詞和中文分詞等，同時(shí)為新案例構(gòu)建索引；最后，用戶向系統(tǒng)提出訪問(wèn)請(qǐng)求時(shí)，觸發(fā)索引進(jìn)行查詢并向用戶返回結(jié)果。

文本相似度計(jì)算是系統(tǒng)的核心，通過(guò)合適的算法可以實(shí)現(xiàn)信息檢索的智能化和自動(dòng)化。由于輸入故障描述經(jīng)過(guò)案例分詞后數(shù)據(jù)量很大，給故障檢索引擎造成較大的被動(dòng)，因此結(jié)合相似度算法計(jì)算結(jié)果進(jìn)行關(guān)聯(lián)度排序，可以大大提高用戶搜索的過(guò)程和效率。根據(jù)故障檢索引擎和系統(tǒng)實(shí)際，我們選擇TF-IDF算法進(jìn)行案例匹配，并與調(diào)整向量和編輯距離共同實(shí)現(xiàn)相似度計(jì)算。TF-IDF算法是一種無(wú)監(jiān)督的計(jì)算方法，也是主流詞項(xiàng)加權(quán)算法，其中TF指的是詞頻，就是該詞在文本中出現(xiàn)次數(shù)除文本總詞數(shù)的商，代表該詞與文本關(guān)聯(lián)度；IDF代表某詞規(guī)律出現(xiàn)程度，定義為逆向文件詞頻。因此，某詞重要性等于詞頻和逆向文件詞頻兩者的乘積。TF-IDF算法是通過(guò)公式1實(shí)現(xiàn)的。

其中，f表示某詞出現(xiàn)的頻率，N為文本總數(shù)，n詞語(yǔ)出現(xiàn)文本次數(shù)。雖然TF-IDF算法能很好實(shí)現(xiàn)完整句子通過(guò)分詞后計(jì)算得到該查詢與案例的關(guān)聯(lián)度，但實(shí)際應(yīng)用中，往往出現(xiàn)某詞出現(xiàn)頻率很高，但沒(méi)有被賦予匹配權(quán)重的情，這就是該算法的不足，因此，系統(tǒng)通過(guò)結(jié)合向量打分、編輯距離打分來(lái)解決。

計(jì)算結(jié)果出來(lái)后，需要精確定位故障碼，本系統(tǒng)故障診斷代碼根據(jù)《吉利帝豪品牌汽車(chē)發(fā)動(dòng)機(jī)車(chē)間手冊(cè)》進(jìn)行試驗(yàn)，具體操作流程如下：

step1：案例庫(kù)中包含故障碼的信息，全部生成故障碼表，建立故障碼和案例映射關(guān)系，以提高檢索效率；

step2：故障碼表生成索引，方便查詢；

step3：通過(guò)案例分詞進(jìn)行計(jì)算，如果結(jié)果包含故障碼則通過(guò)索引直接得到匹配案例。

3.3 器件標(biāo)注技術(shù)

器件標(biāo)注是根據(jù)案例匹配計(jì)算結(jié)果，對(duì)出現(xiàn)的汽車(chē)專用器件或部件進(jìn)行標(biāo)記，目的是方便維修人員針對(duì)性進(jìn)行檢查，提高故障維修服務(wù)效率。主流算法包括TextRank算法和主題模型算法兩種。前者基于PageRank算法，一般用于文本關(guān)鍵字和摘要的生成，通過(guò)有向圖節(jié)點(diǎn)根據(jù)有向邊求解實(shí)現(xiàn)；后者則是通過(guò)主題挖掘得到語(yǔ)義關(guān)聯(lián)度進(jìn)行建模，使用模型統(tǒng)計(jì)，判斷文檔中包含主題及其所占的比例，一般通過(guò)矩陣迭代計(jì)算的收斂結(jié)果作為最終值，常用有PLSA和LDA兩種訓(xùn)練推理方法。

經(jīng)過(guò)調(diào)研，結(jié)合行業(yè)實(shí)際，系統(tǒng)采用TextRank算法進(jìn)行器件標(biāo)注。首先，對(duì)已有案例提取與主題關(guān)聯(lián)度最高的部分關(guān)鍵詞，該過(guò)程使用TextRank算法實(shí)現(xiàn)；其次，選取這些關(guān)鍵詞數(shù)據(jù)查詢，建立數(shù)據(jù)庫(kù)詞條匹配內(nèi)容的索引，完成標(biāo)注；最后，生成檢查數(shù)據(jù)，輸出結(jié)果。使用TextRank算法能有效提高計(jì)算的復(fù)雜度，提升計(jì)算效率。

3.4 數(shù)據(jù)管理

數(shù)據(jù)管理主要包括語(yǔ)料庫(kù)、案例庫(kù)、器件庫(kù)和用戶操作習(xí)慣記錄四部分，前面三個(gè)主要是側(cè)重系統(tǒng)使用過(guò)程的數(shù)據(jù)收集、存儲(chǔ)和應(yīng)用，后者則是通過(guò)隱馬爾夫模型記錄用戶輸入習(xí)慣，從而實(shí)現(xiàn)使用過(guò)程中生成的海量故障診斷案例、汽車(chē)維修數(shù)據(jù)和用戶操作數(shù)據(jù)的分析和處理，通過(guò)數(shù)據(jù)關(guān)聯(lián)索引為提高案例匹配精確率和高效性提供支撐，也應(yīng)系統(tǒng)進(jìn)一步拓展和豐富完善奠定基礎(chǔ)。

系統(tǒng)用戶習(xí)慣記錄主要通過(guò)隱馬爾可夫模型（Hidden Markov Model，HMM）實(shí)現(xiàn)，HMM是一個(gè)關(guān)于時(shí)序的概率模型，拼音漢字的轉(zhuǎn)化可以當(dāng)成序列標(biāo)注問(wèn)題，給定一個(gè)線性輸入序列M=(m1，m2，m3，......，mn)，相應(yīng)給輸入的每個(gè)關(guān)鍵詞打上標(biāo)簽，集合中對(duì)應(yīng)某個(gè)標(biāo)簽N=(n1，n2，n3，......，nn)，ni是mi的標(biāo)記。通過(guò)HMM可以快速描述一個(gè)隱藏不可觀測(cè)的狀態(tài)隨機(jī)序列，同步生成一個(gè)可觀測(cè)隨機(jī)序列的過(guò)程。

4 系統(tǒng)測(cè)試

4.1 測(cè)試環(huán)境

系統(tǒng)運(yùn)行測(cè)試環(huán)境由以下四個(gè)部分組成，編程環(huán)境使用Win10 64位操作系統(tǒng)，3.0 GHz處理器，16 G內(nèi)存，確保滿足可移植可拓展性，方便修改和完善，同時(shí)使用BCG等界面增強(qiáng)工具增加人機(jī)交互的美觀性和友好度，體驗(yàn)感更強(qiáng)；編程語(yǔ)言使用Python語(yǔ)言，這是目前主流面向?qū)ο蟮慕忉屝烷_(kāi)發(fā)語(yǔ)言，能夠很好地兼容當(dāng)前汽車(chē)入式系統(tǒng)使用的C/C++，同時(shí)有豐富的庫(kù)供調(diào)用從而具有很好的拓展性，提高開(kāi)發(fā)效率；開(kāi)發(fā)平臺(tái)選擇pycharm，是Python開(kāi)發(fā)常用的集成環(huán)境，有直接簡(jiǎn)便、可直接操作的代碼編輯、編譯、調(diào)試器和圖形化操作工具，能夠跨平臺(tái)使用，有較好的移植性和較高的開(kāi)發(fā)效率；數(shù)據(jù)來(lái)源選擇吉利汽車(chē)公司帝豪品牌故障手冊(cè)，由于系統(tǒng)基于案例匹配，因此在測(cè)試過(guò)程中同步進(jìn)行數(shù)據(jù)收集，力求數(shù)據(jù)真實(shí)相關(guān)。

4.2 測(cè)試結(jié)果

系統(tǒng)測(cè)試目標(biāo)是以最少代價(jià)在最短時(shí)間內(nèi)盡最大可能找出缺陷，通過(guò)優(yōu)化和完善，提高系統(tǒng)的質(zhì)量和用戶滿意度，降低系統(tǒng)缺陷給用戶帶來(lái)?yè)p失的風(fēng)險(xiǎn)。從5個(gè)角度使用18種測(cè)試方法對(duì)系統(tǒng)開(kāi)發(fā)過(guò)程中進(jìn)行測(cè)試，具體見(jiàn)表1所示。

表1 系統(tǒng)測(cè)試情況表

經(jīng)過(guò)測(cè)試表明，符合開(kāi)發(fā)要求，同時(shí)具有以下特點(diǎn)：界面友好，簡(jiǎn)潔易用；系統(tǒng)運(yùn)行流暢，結(jié)構(gòu)完整；模塊功能完備，協(xié)作性強(qiáng)；具有可拓展性和可移植性。

5　結(jié)束語(yǔ)

汽車(chē)除了代步作用外，更舒適、更安全、更智能成為人民對(duì)汽車(chē)功能需求新的期盼，這迫使汽車(chē)結(jié)構(gòu)越來(lái)越復(fù)雜，無(wú)形中增加了保養(yǎng)和維修的難度，在此背景下，對(duì)汽車(chē)故障進(jìn)行診斷和修理成了該行業(yè)的重點(diǎn)和難點(diǎn)。本文首先對(duì)汽車(chē)故障診斷關(guān)鍵技術(shù)進(jìn)行梳理，設(shè)計(jì)一個(gè)基于案例信息檢索的汽車(chē)故障診斷系統(tǒng)，并對(duì)系統(tǒng)關(guān)鍵技術(shù)進(jìn)行闡釋，為用戶提供一個(gè)直觀簡(jiǎn)捷的故障診斷系統(tǒng)，方便維修人員對(duì)汽車(chē)故障快速定位準(zhǔn)確判斷和高效修理，經(jīng)過(guò)測(cè)試，系統(tǒng)界面友好，操作簡(jiǎn)捷，性能優(yōu)異，基本達(dá)到預(yù)期目標(biāo)。

由于受時(shí)間和經(jīng)費(fèi)等限制，系統(tǒng)還存在不少需完善提高的地方，比如診斷方案中解決方法比較簡(jiǎn)單，還需要進(jìn)一步豐富；核心算法不夠先進(jìn)，可考慮引進(jìn)神經(jīng)網(wǎng)絡(luò)、粒子群等智能算法提高運(yùn)算能力；系統(tǒng)可考慮引入云平臺(tái)實(shí)現(xiàn)隨時(shí)隨地使用。這都是系統(tǒng)下一步努力的方向。

[1] 王韻. 基于案例信息檢索的車(chē)輛故障診斷系統(tǒng)[D]. 長(zhǎng)春: 吉林大學(xué)，2016.

[2] 吳夫青. 車(chē)輛制動(dòng)系統(tǒng)常見(jiàn)故障診斷及預(yù)防措施[J]. 時(shí)代汽車(chē)，2022(9): 174-175.

[3] 王鵬宇，王峻. 車(chē)輛走行部車(chē)載故障診斷系統(tǒng)應(yīng)用與實(shí)踐[J]. 甘肅科技，2021，37(18): 53-56.

[4] 吉武俊. 車(chē)輛排放系統(tǒng)故障診斷方法研究[D]. 鄭州: 河南職業(yè)技術(shù)學(xué)院，2016.

[5] 何真承. 基于4G網(wǎng)絡(luò)和CAN總線的車(chē)輛在線故障診斷系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 重慶: 重慶大學(xué)，2019.

[6] 萬(wàn)山林. 大數(shù)據(jù)地鐵車(chē)輛牽引系統(tǒng)故障診斷技術(shù)的分析[J]. 科學(xué)技術(shù)創(chuàng)新，2020(16): 82-83.

[7] 孫麗娟. 基于云平臺(tái)的車(chē)輛故障診斷系統(tǒng)研究[D]. 杭州: 浙江科技學(xué)院，2020.

[8] 馬立玲，郭凱杰，王軍政. 基于改進(jìn)SVM的車(chē)輛傳動(dòng)系統(tǒng)故障診斷方法[J]. 北京理工大學(xué)學(xué)報(bào)，2020，40(8): 856-860.

Construction of Vehicle Fault Diagnosis System Based on Case Information Retrieval

The traditional vehicle maintenance and diagnosis mode depends on manual experience and supporting equipment, which can not adapt to the speed of vehicle replacement. There is an urgent need for more efficient and intelligent fault location and rapid maintenance technology to improve vehicle safety and reliability, thus giving birth to the comprehensive discipline of vehicle fault diagnosis technology. Based on the design idea of artificial intelligence, this paper adopts a large number of maintenance examples as the training samples of the system, applies the latest information technology to complete the design and implementation of automobile fault cognitive diagnosis system, provides users with an efficient and simple fault diagnosis platform, and provides the basis for professional maintenance personnel to solve automobile faults and automobile maintenance. Through experimental test, the system greatly reduces the difficulty of fault diagnosis and saves the time of fault diagnosis, and brings good economic benefits.

case information retrieval; vehicle diagnosis; system construction

U472

A

1008-1151(2022)10-0004-04

2022-05-30

2020年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目“基于案例信息檢索的汽車(chē)故障診斷系統(tǒng)的研究與開(kāi)發(fā)”（2020KY41016）；2022年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目“一種交流充電樁檢測(cè)裝置設(shè)計(jì)與研究”（2022KY1348）。

唐偉萍（1983－），女，廣西玉林人，廣西電力職業(yè)技術(shù)學(xué)院副教授，研究方向?yàn)橛?jì)算機(jī)技術(shù)應(yīng)用。