專利名稱：一種汽車電子系統(tǒng)的故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種汽車復(fù)雜電控系統(tǒng)的診斷建模方法，尤其涉及一種汽車電子系統(tǒng)的故障診斷方法。
背景技術(shù)：
由于汽車電子技術(shù)發(fā)展迅猛，汽車各個(gè)系統(tǒng)的電子化程度越來越高，相應(yīng)的汽車電子故障檢修也越來越復(fù)雜。汽車整車電控系統(tǒng)就是一個(gè)復(fù)雜系統(tǒng)。復(fù)雜系統(tǒng)普遍存在， 包括自然的系統(tǒng)和人造的系統(tǒng)；以人造系統(tǒng)為例，復(fù)雜系統(tǒng)本身由數(shù)十種、數(shù)百種甚至數(shù)以千計(jì)的子系統(tǒng)、器件構(gòu)成，它們本身就十分復(fù)雜，作為組成，子系統(tǒng)和部件之間的相互聯(lián)系和作用也比較復(fù)雜，同時(shí)與外界也進(jìn)行交互聯(lián)系，因而稱為復(fù)雜系統(tǒng)。為了應(yīng)對(duì)日益復(fù)雜的汽車電子故障診斷，不同的車廠不斷研發(fā)功能更強(qiáng)大的診斷儀來應(yīng)對(duì)汽車故障診斷，然而診斷儀對(duì)診斷帶有故障碼的信息有效，而對(duì)于沒有故障碼的故障現(xiàn)象無能為力。然而，通常故障碼在整車電器故障中的比例不超過37%，其他的故障現(xiàn)象出現(xiàn)時(shí)通常借助于萬用表、 汽車壓力表、專用診斷儀等等，非常繁瑣，對(duì)檢測人員的專業(yè)要求也非常高；另外，故障診斷過程中沒有充分利用數(shù)據(jù)流，更沒有積累下寶貴的診斷經(jīng)驗(yàn)。
針對(duì)當(dāng)前存在的弱點(diǎn)，如何快速、低成本、準(zhǔn)確地診斷出故障系統(tǒng)的故障原因，是本領(lǐng)域技術(shù)人員需要解決的技術(shù)問題。發(fā)明內(nèi)容
本發(fā)明的目的就是為了解決上述問題，提供一種汽車電子系統(tǒng)的故障診斷方法， 它能夠提高故障診斷的準(zhǔn)確性，縮短故障診斷的時(shí)間，并且可以預(yù)測未來的故障概率。
本發(fā)明提供一種汽車電子系統(tǒng)的故障診斷方法，該方法的診斷步驟如下
步驟1 監(jiān)測汽車總線上的異常數(shù)據(jù)流并對(duì)數(shù)據(jù)流信息進(jìn)行分組與排查；
步驟2 對(duì)獲取到的異動(dòng)數(shù)據(jù)流利用數(shù)據(jù)預(yù)處理法則進(jìn)行故障預(yù)處理，預(yù)處理的目標(biāo)是提取有效信息，轉(zhuǎn)化為故障征兆向量fs，作為歷史故障庫輸入匹配故障模式的依據(jù)；
步驟3 將所述故障征兆向量fs輸入到歷史故障庫進(jìn)行故障模式匹配，如果能搜索到故障征兆向量fs，則說明匹配成功；
步驟4 匹配成功的故障征兆向量，匹配對(duì)應(yīng)故障原因集找出故障；沒有匹配成功的故障征兆向量作為訓(xùn)練樣本，通過決策樹算法得到故障征兆故障原因?qū)?yīng)集，并且存入歷史故障庫；
步驟5 歷史故障庫存儲(chǔ)的故障征兆故障原因?qū)?yīng)集不斷積累完善，在歷史故障庫的基礎(chǔ)上分析各類故障類型及計(jì)算其故障率，利用故障率預(yù)測系統(tǒng)未來的發(fā)生故障的概率。
所述步驟2中，所述數(shù)據(jù)預(yù)處理法則，是根據(jù)故障診斷對(duì)象的故障征兆向量與故障原因向量之間的對(duì)應(yīng)關(guān)系，按照歷史故障庫故障征兆向量存儲(chǔ)的形式進(jìn)行編碼。
所述步驟2-5中所述歷史故障庫是由故障征兆向量和故障原因?qū)?yīng)集組成。
所述步驟4中決策樹算法的決策過程如下
a)設(shè)未匹配成功的故障征兆向量組成的訓(xùn)練樣本集合為S，計(jì)算集合S的期望信息設(shè)Sl，s2，…，知是S的m個(gè)例子集，期望信息由式⑴得出
7CWJ=-Zt4oIT,=1 J (1)
其中，Si表示訓(xùn)練樣本集合S的第i個(gè)子集，i = 1，2，...，m;
b)計(jì)算屬性A將集合S劃分為子集的熵E (A)；
c)計(jì)算屬性A為結(jié)點(diǎn)的信息增益kin(A)
Gain(A) = I (Sl，s2，…，sm)_E(A) (2)
d)計(jì)算屬性A將集合S劃分為子集的信息增益比，通過計(jì)算將信息增益比最高的屬性作為集合S的測試屬性，用它來創(chuàng)建節(jié)點(diǎn)，對(duì)A屬性的各個(gè)值或各個(gè)區(qū)間創(chuàng)建分支，如此來劃分樣本，完成決策樹決策。
在本發(fā)明中，提出的故障診斷依據(jù)是在系統(tǒng)建模的基礎(chǔ)上采用定性與定量相結(jié)合的方式。因?yàn)橄到y(tǒng)建模的過程實(shí)際是指將真實(shí)系統(tǒng)的構(gòu)造、性能、輸入輸出用數(shù)學(xué)邏輯關(guān)系描述并且無限擬合，建模需要經(jīng)驗(yàn)知識(shí)也就是對(duì)真實(shí)系統(tǒng)的定性認(rèn)識(shí)；然后，根據(jù)歷史數(shù)據(jù)、計(jì)算機(jī)模擬仿真方法不斷修正改進(jìn)模型，直到模型運(yùn)行達(dá)到最優(yōu)化，此為定量認(rèn)識(shí)。本發(fā)明中提出的故障診斷方法適用汽車復(fù)雜電控系統(tǒng)，電控系統(tǒng)包括硬件、軟件，同時(shí)它與外部環(huán)境進(jìn)行信息交互，外部環(huán)境故障的原因包括人為因素、電磁干擾因素、實(shí)用環(huán)境因素等；內(nèi)部故障原因包括硬件故障、軟件故障或者機(jī)械故障等。系統(tǒng)包括信息流的輸入，輸出； 輸入的信息流包括傳感器采集數(shù)據(jù)、人機(jī)接口信息等，輸出的信息流包括執(zhí)行器指令和故障信息等。
根據(jù)汽車復(fù)雜電控系統(tǒng)特點(diǎn)，本發(fā)明提出的故障診斷建模框架是領(lǐng)域?qū)＜腋鶕?jù)理論知識(shí)和經(jīng)驗(yàn)，明確系統(tǒng)運(yùn)行機(jī)制和故障原因，確定系統(tǒng)診斷框架，界定邊界和參數(shù)變量； 在此基礎(chǔ)上用數(shù)學(xué)模型、邏輯模型描述輸入輸出關(guān)系，并且對(duì)建立的模型進(jìn)行仿真驗(yàn)證，不斷優(yōu)化模型，調(diào)整先前設(shè)定的參數(shù)變量和邊界變量，重復(fù)多次直到各方面滿足要求的確定結(jié)果。
在本發(fā)明中，故障診斷算法采用公知的Quinlan于1986年提出C4. 5決策樹算法訓(xùn)練測試樣本集，通過采用信息增益比作為選擇屬性的標(biāo)準(zhǔn)，計(jì)算得出故障征兆與故障原因?qū)?yīng)關(guān)系集。本發(fā)明中提出了基于歷史故障庫的故障預(yù)測，其原理是統(tǒng)計(jì)計(jì)算歷史故障庫中各故障類型及其故障率，利用故障率預(yù)測未來發(fā)生故障的概率。
本發(fā)明的有益效果是系統(tǒng)能從繁冗復(fù)雜、海量高緯的數(shù)據(jù)中把握住內(nèi)在規(guī)律，更加有效利用信息流，能夠?qū)⒃\斷經(jīng)驗(yàn)存儲(chǔ)下來，根據(jù)歷史故障庫數(shù)據(jù)統(tǒng)計(jì)能對(duì)未來進(jìn)行故障概率預(yù)測。故障診斷變得更快速、簡便、低成本，診斷算法本身能夠自學(xué)習(xí)、自適應(yīng)，隨著樣本的增加令診斷更加準(zhǔn)確、可靠。


圖1為本發(fā)明實(shí)施過程中系統(tǒng)故障診斷思路框架圖2為本發(fā)明實(shí)施例中系統(tǒng)故障診斷方法具體的流程圖3為電控節(jié)氣門控制系統(tǒng)框架圖4為決策樹圖。
具體實(shí)施方式
下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。
如圖1為介紹故障診斷建模的定性定量結(jié)合解決故障的一般思路，故障診斷方法包括以下步驟
步驟1-1，根據(jù)所掌握的理論知識(shí)和經(jīng)驗(yàn)研究診斷對(duì)象，明確其運(yùn)行機(jī)制和故障原因，對(duì)問題解決得方法和途徑作出經(jīng)驗(yàn)性假設(shè)，確定系統(tǒng)框架，界定邊界和參數(shù)變量；
步驟1-2，在上一步工作的基礎(chǔ)上進(jìn)行系統(tǒng)建模，即用數(shù)學(xué)、邏輯關(guān)系描述輸入輸出關(guān)系；在系統(tǒng)模型的基礎(chǔ)上，對(duì)模型進(jìn)行仿真試驗(yàn)，目的在于發(fā)現(xiàn)問題，優(yōu)化模型，促進(jìn)建模的可靠性和準(zhǔn)確性；
步驟1-3，以歷史數(shù)據(jù)為樣本，根據(jù)仿真、優(yōu)化的測試結(jié)果對(duì)先前設(shè)定的參數(shù)、邊界參數(shù)進(jìn)行相應(yīng)調(diào)整和修改，并且反復(fù)這一過程；
步驟1-4，在定量分析的基礎(chǔ)上，重新審視先前系統(tǒng)模型的建立和邊界界定，進(jìn)一步修正參數(shù)；上述過程可能重復(fù)多次，直到各方面滿足要求確定結(jié)果；
步驟1-5，在上述過程的基礎(chǔ)上，得到定性與定量結(jié)合的故障診斷模型。
圖2為本發(fā)明實(shí)施例中系統(tǒng)故障診斷方法具體的流程圖，故障診斷具體流程包括以下幾個(gè)步驟
步驟2-1，監(jiān)測汽車總線(如CAN總線，Lin總線，或FlexRay總線等)上的異常數(shù)據(jù)流并對(duì)數(shù)據(jù)流信息進(jìn)行分組與排查；數(shù)據(jù)流信息主要包括數(shù)值信息、控制信息和內(nèi)容信息。判斷數(shù)據(jù)流是否在正常范圍內(nèi)，是否穩(wěn)定(數(shù)據(jù)流的正常范圍、閾值在每一種產(chǎn)品的技術(shù)任務(wù)書內(nèi)都明確規(guī)定)；是否發(fā)生異動(dòng)是故障診斷的前提，故障發(fā)生時(shí)，異動(dòng)的數(shù)據(jù)流是故障診斷的重要依據(jù)；
步驟2-2，對(duì)獲取到的異動(dòng)數(shù)據(jù)流進(jìn)行故障預(yù)處理，預(yù)處理的目標(biāo)是提取有效信息，轉(zhuǎn)化為故障征兆向量fs=
，作為歷史故障庫輸入匹配故障模式的依據(jù)；
步驟2-3，歷史故障庫是用來存儲(chǔ)故障征兆與故障原因?qū)?yīng)集[fn，Un]，fn代表故障征兆，Un代表故障原因。上一步驟生成的故障征兆向量輸入到歷史故障庫中，如果能搜索到故障征兆向量仁，則說明匹配成功；
步驟2-4，匹配成功的故障征兆向量，匹配對(duì)應(yīng)故障原因集Us，方便找出故障；
步驟2-5，匹配不成功的故障征兆向量，征兆向量作為訓(xùn)練樣本，通過決策樹算法生成征兆原因?qū)?yīng)規(guī)則存儲(chǔ)到故障庫中，在用例的不斷積累的條件下歷史故障庫將更加完善，能夠?yàn)槲磥淼脑\斷提供依據(jù)。
實(shí)例驗(yàn)證
本發(fā)明以電控節(jié)氣門控制系統(tǒng)為例，介紹故障診斷方法的應(yīng)用過程。電控節(jié)氣門控制系統(tǒng)(ETCs)的功能為通過ETCs，發(fā)動(dòng)機(jī)控制單元能夠以電子信號(hào)的方式，接收到駕駛者操作加速踏板行程的數(shù)據(jù)，根據(jù)這些數(shù)據(jù)計(jì)算車輛所需要的功率和扭矩，然后再根據(jù)計(jì)算功率和扭矩對(duì)節(jié)氣門的開啟和關(guān)閉進(jìn)行控制。ETCs由加速踏板位置傳感器、節(jié)氣門位置傳感器、節(jié)氣門電機(jī)、節(jié)氣門電機(jī)控制模塊及其他相關(guān)傳感器組成。ECM根據(jù)接收到數(shù)據(jù)準(zhǔn)確控制節(jié)氣門的開度，燃油噴射、點(diǎn)火和排放等。發(fā)動(dòng)機(jī)根據(jù)通過節(jié)氣門進(jìn)入的空氣多少來控制車速和動(dòng)力以及燃油供給，保持空氣混油比以達(dá)到最佳比率[1]。圖3為簡化了的電控節(jié)氣門系統(tǒng)結(jié)構(gòu)框架圖。
故障診斷建模是診斷的核心，本發(fā)明提出的故障診斷建模方法是將異常的數(shù)據(jù)流經(jīng)過數(shù)據(jù)預(yù)處理后，將生成的故障征兆向量輸入到歷史故障庫中進(jìn)行模式匹配，匹配成功的向量對(duì)應(yīng)故障原因即可找到；如果沒有匹配成功，故障征兆向量作為訓(xùn)練樣本將作為診斷決策樹的訓(xùn)練集，經(jīng)過運(yùn)算得到故障決策樹并進(jìn)行剪枝之后，形成診斷規(guī)則集；將其存入歷史故障數(shù)據(jù)庫。對(duì)于電控節(jié)氣門具體診斷步驟如下[2]
1) 了解電控節(jié)氣門工作原理，分析造成故障的原因由節(jié)氣門的系統(tǒng)結(jié)構(gòu)可推斷出可能的故障部件包括節(jié)氣門位置傳感器(TPS)、怠速傳感器、油門踏板傳感器、變速箱檔位傳感器、節(jié)氣門電機(jī)、巡航控制子系統(tǒng)、發(fā)動(dòng)機(jī)控制器(ECM)等；對(duì)電控節(jié)氣門控制系統(tǒng)可能出現(xiàn)故障的部件，首先由專家根據(jù)領(lǐng)域經(jīng)驗(yàn)知識(shí)將每個(gè)部件可能出現(xiàn)的故障征兆分別進(jìn)行編碼，如表1所示
表 1
編號(hào)故障部件編碼故障征兆1節(jié)氣門位置 傳感器 (TPS)A A油門開度比正常數(shù)值范圍小3°到5°，不在有效區(qū)間內(nèi)產(chǎn)生DTC 油門開度比正常數(shù)值范圍小3°，操作與命令不符產(chǎn)生DTC2怠速傳感器A \汕門開度比正常數(shù)值范圍小3°到5°， 發(fā)動(dòng)機(jī)失速，油門開度比正常數(shù)值范圍小3°到5°，小在可操作區(qū)間產(chǎn)生DTC3變速箱傳感器 il無DTC碼，油門幵度比止常數(shù)值范圍小3"到5° 選定檔位與齒輪比不匹配產(chǎn)生DTC4踏板傳感器Λ A傳感器輸出不在有效范圍產(chǎn)生DTC 傳感器在有效范圍內(nèi)，但是間歇性產(chǎn)生DTC5節(jié)氣門電機(jī)f, f\Q兩個(gè)傳感器同時(shí)失效，并在有效范圍內(nèi)瞬時(shí)小角度動(dòng)作、檢測到大電流產(chǎn)生DTC6巡航控制子系統(tǒng)fn Z12開關(guān)對(duì)電源或地短路或開路不能換擋或者剎車產(chǎn)牛DTC7ECMfa f 不能按照設(shè)定速度行駛，存在小的加速度未能檢測到的理論錯(cuò)誤
2)數(shù)據(jù)流信息分組與排查數(shù)據(jù)流信息主要包括數(shù)值信息、控制信息和其它信息。判斷參數(shù)是否在合理范圍內(nèi)，是否穩(wěn)定。是否發(fā)生異動(dòng)是故障診斷的前提，故障發(fā)生時(shí)異動(dòng)的數(shù)據(jù)流是故障診斷的重要依據(jù)；
3)對(duì)獲取到的異動(dòng)數(shù)據(jù)流進(jìn)行故障預(yù)處理，預(yù)處理的目標(biāo)是提取有效信息，轉(zhuǎn)化為故障征兆向量，作為搜索故障模式的輸入數(shù)據(jù)；
4)歷史故障庫是故障診斷的核心構(gòu)成，主要用來存儲(chǔ)故障征兆、故障原因?qū)?yīng)集。 上一步驟生成的故障征兆向量輸入到歷史故障庫中，能夠匹配的向量方便找到故障原因； 匹配不成功時(shí)，征兆向量作為測試數(shù)據(jù)，通過決策樹算法生成征兆原因?qū)?yīng)規(guī)則存儲(chǔ)到故障庫中，在用例的不斷積累的條件下歷史故障庫將更加完善，能夠?yàn)槲磥淼脑\斷提供依據(jù)。
歷史故障庫主要用來存儲(chǔ)故障征兆和故障原因?qū)?yīng)集，由于歷史故障庫初始是由專家經(jīng)驗(yàn)知識(shí)設(shè)定的初始集，存在精度低下、考慮不完全的因素；但是隨著故障測試用例的不斷積累，故障診斷的準(zhǔn)確性將提高，因此歷史故障庫需要一個(gè)不斷積累不斷完善的過程， 才能在診斷測試中增加準(zhǔn)確性和可靠性。表2為故障征兆集f與故障原因U對(duì)應(yīng)關(guān)系的示例表。U為故障原因集。
權(quán)利要求
1.一種汽車電子系統(tǒng)的故障診斷方法，其特征是，該方法的診斷步驟如下步驟1 監(jiān)測汽車總線上的異常數(shù)據(jù)流并對(duì)數(shù)據(jù)流信息進(jìn)行分組與排查；步驟2 對(duì)獲取到的異動(dòng)數(shù)據(jù)流利用數(shù)據(jù)預(yù)處理法則進(jìn)行故障預(yù)處理，預(yù)處理的目標(biāo)是提取有效信息，轉(zhuǎn)化為故障征兆向量fs，作為歷史故障庫輸入匹配故障模式的依據(jù)；步驟3 將所述故障征兆向量fs輸入到歷史故障庫進(jìn)行故障模式匹配，如果能搜索到故障征兆向量fs，則說明匹配成功；步驟4 匹配成功的故障征兆向量，匹配對(duì)應(yīng)故障原因集找出故障；沒有匹配成功的故障征兆向量作為訓(xùn)練樣本，通過決策樹算法得到故障征兆故障原因?qū)?yīng)集，并且存入歷史故障庫；步驟5 歷史故障庫存儲(chǔ)的故障征兆故障原因?qū)?yīng)集不斷積累完善，在歷史故障庫的基礎(chǔ)上分析各類故障類型及計(jì)算其故障率，利用故障率預(yù)測系統(tǒng)未來的發(fā)生故障的概率。
2.如權(quán)利要求1所述的一種汽車電子系統(tǒng)的故障診斷方法，其特征是，所述步驟2中， 所述數(shù)據(jù)預(yù)處理法則，是根據(jù)故障診斷對(duì)象的故障征兆向量與故障原因向量之間的對(duì)應(yīng)關(guān)系，按照歷史故障庫故障征兆向量存儲(chǔ)的形式進(jìn)行編碼。
3.如權(quán)利要求1所述的一種汽車電子系統(tǒng)的故障診斷方法，其特征是，所述步驟2-5中所述歷史故障庫是由故障征兆向量和故障原因?qū)?yīng)集組成。
4.如權(quán)利要求1所述的一種汽車電子系統(tǒng)的故障診斷方法，其特征是，所述步驟4中決策樹算法的決策過程如下a)設(shè)未匹配成功的故障征兆向量組成的訓(xùn)練樣本集合為S，計(jì)算集合S的期望信息設(shè) S1, s2,…，知是S的m個(gè)例子集，期望信息由式⑴得出
全文摘要
本發(fā)明公開了一種汽車電子系統(tǒng)故障診斷方法，該系統(tǒng)通過監(jiān)測汽車總線上的異常數(shù)據(jù)流并提取記錄，根據(jù)異常數(shù)據(jù)流，按照數(shù)據(jù)預(yù)處理法則將其轉(zhuǎn)換成故障征兆向量，轉(zhuǎn)換成的故障征兆向量可作為歷史故障庫模式識(shí)別的輸入，其中歷史故障庫是由故障征兆向量和故障原因?qū)?yīng)集組成，沒有匹配成功的故障征兆向量作為訓(xùn)練樣本通過決策樹算法得到故障征兆故障原因?qū)?yīng)集，并且存入歷史故障庫，歷史故障庫存儲(chǔ)的故障征兆故障原因?qū)?yīng)集不斷積累完善，通過統(tǒng)計(jì)算法可以預(yù)測未來的故障概率。由于故障診斷模型結(jié)合定性與定量的方法，將專家經(jīng)驗(yàn)與數(shù)據(jù)、算法模型有機(jī)結(jié)合起來，使故障診斷具有快速性、準(zhǔn)確性和可靠性。
文檔編號(hào)G06K9/62GK102521613SQ20111042766
公開日2012年6月27日 申請(qǐng)日期2011年12月17日 優(yōu)先權(quán)日2011年12月17日
發(fā)明者莊汝科, 張曉波, 李楊, 李研強(qiáng), 王知學(xué) 申請(qǐng)人:山東省科學(xué)院自動(dòng)化研究所