汽車故障診斷新技術(shù)

2021年7月中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase汽車故障診斷方法問診法觀察法聽診法感觀診斷法觸摸法嗅覺法車載儀表診斷人工經(jīng)驗診斷萬用表診斷試驗診斷法氣缸壓力表、真空表診斷燃油壓力表診斷分段檢查診斷法征兆模擬法儀表診斷法測量診斷法局部拆裝診斷法故障樹分析法診斷流程圖、表檢查法故障征兆表檢查法圖表分析診斷故障碼診斷法數(shù)據(jù)流分析法波形分析法儀器設(shè)備診斷人工讀碼儀器讀碼

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

汽車故障診斷的根本思路1)問診2)試車3)分析4)假設(shè)5)驗證中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

故障診斷的定義?故障診斷是汽車維修中的關(guān)鍵步驟汽車修理前確實診環(huán)節(jié)故障診斷是以檢測和試驗的綜合方式對汽車故障進(jìn)行的全面分析中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

車輛檢測與故障診斷的關(guān)系車輛檢測在汽車檢測線上對汽車整體性能作定性分析故障診斷在汽車診斷中心對故障發(fā)生部位作定量分析中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

傳統(tǒng)與現(xiàn)代汽車診斷的區(qū)別經(jīng)驗判斷形象思維定性分析比照試驗故障診斷邏輯思維定量分析檢測試驗中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

診斷對象變化：以汽車發(fā)動機(jī)為例：傳統(tǒng)檢測診斷1.機(jī)械系統(tǒng)2.進(jìn)氣系統(tǒng)3.燃油系統(tǒng)4.電氣系統(tǒng)現(xiàn)代檢測診斷1.機(jī)械系統(tǒng)2.進(jìn)氣系統(tǒng)3.燃油系統(tǒng)4.電氣系統(tǒng)5.電腦控制系統(tǒng)中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

汽車電控系統(tǒng)對故障診斷的影響1.電腦軟件的影響(程序設(shè)定)2.電腦控制電路的影響(元件與電路)3.電腦匹配的影響(軟件參數(shù))4.電腦網(wǎng)絡(luò)的影響中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

汽車電腦控制系統(tǒng)信號分類1.汽車的物理化學(xué)信號〔根本物理化學(xué)參數(shù)〕2.傳感器轉(zhuǎn)換的電子信號〔傳感器轉(zhuǎn)換的電子信號〕3.電腦轉(zhuǎn)換的輸入信號〔電腦接口電路轉(zhuǎn)換的電子信號〕4.電腦控制的輸出信號〔電壓/電流/頻率/脈寬/脈沖信號〕5.電腦診斷通訊信號〔診斷座傳遞的串行通訊信號〕6.汽車電腦局域網(wǎng)通訊信號〔網(wǎng)絡(luò)串行通訊信號〕中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

1.故障碼診斷分析法根本步驟故障碼分析(歷史性\當(dāng)前性\相關(guān)性\無關(guān)性\間歇性\持續(xù)性\元件性\功能性)數(shù)據(jù)流分析(值域\時域\關(guān)聯(lián)\因果\比較)元器件測試(傳感器\執(zhí)行器\機(jī)械裝置\真空裝置)電路檢測(傳感器電路\執(zhí)行器電路\電源電路\接地電路)電腦測試(匹配\信號\置換)無關(guān)性\功能性故障碼轉(zhuǎn)入病癥診斷分析法中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

萬用表診斷：汽車故障一般分為持續(xù)性故障和間歇性故障，萬用表診斷主要針對持續(xù)性故障。比方電路的短路、斷路、電子元件的損壞等。萬用表種類：指針式、數(shù)字式汽車故障診斷多采用阻抗高、對電子元件影響小、能有效防止因瞬間過電壓而燒壞的數(shù)字式萬用表。優(yōu)點：根據(jù)資料的經(jīng)驗數(shù)據(jù)，即可快速而又準(zhǔn)確地診斷出故障，即使車型不斷更新。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

二、汽車故障診斷專家系統(tǒng)：專家系統(tǒng)EP(ExpertSystem)是依據(jù)具備某一專業(yè)領(lǐng)域特長的人類專家的知識與經(jīng)驗，在計算機(jī)內(nèi)建立的基于這些知識的信息系統(tǒng)，它能以人類專家的知識水平完成專門領(lǐng)域的任務(wù)。一般分為以下數(shù)據(jù)庫：1、發(fā)動機(jī)故障診斷數(shù)據(jù)庫2、底盤機(jī)械傳動故障診斷數(shù)據(jù)庫3、電路電氣故障診斷數(shù)據(jù)庫每個數(shù)據(jù)庫中又包含假設(shè)干相互關(guān)聯(lián)的數(shù)據(jù)表，在數(shù)據(jù)表中存儲每種汽車故障表現(xiàn)病癥、故障發(fā)生機(jī)理、故障發(fā)生原因、故障發(fā)生部位、故障排除與維修處理方法等字段，在數(shù)據(jù)表與數(shù)據(jù)表之間，數(shù)據(jù)字段與數(shù)據(jù)字段之間建立一對一或一對多的層次樹結(jié)構(gòu)，使整個維修知識庫成為有機(jī)整體。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

舉例：轉(zhuǎn)向系的故障診斷專家系統(tǒng)中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

1.基于規(guī)那么的診斷專家系統(tǒng)基于規(guī)那么的診斷方法是根據(jù)以往專家診斷的經(jīng)驗,將其歸納成規(guī)那么,通過啟發(fā)式經(jīng)驗知識進(jìn)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。基于規(guī)那么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)＜?。但?fù)雜系統(tǒng)所觀測到的病癥與所對應(yīng)診斷之間的聯(lián)系是相當(dāng)復(fù)雜的,通過歸納專家經(jīng)驗來獲取規(guī)那么,有相當(dāng)難度,且一致性難以保證。故障診斷專家系統(tǒng)的現(xiàn)狀目前已研究的故障診斷專家系統(tǒng)模型有:基于規(guī)那么的診斷專家系統(tǒng)、基于實例的診斷專家系統(tǒng)、基于行為的診斷專家系統(tǒng)、基于模糊邏輯的診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

3基于模糊理論的診斷專家系統(tǒng)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(qiáng)的結(jié)構(gòu)性知識表達(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根本方法,一種是先建立征兆與故障類型之間的因果關(guān)系矩陣R,再建立故障與征兆模糊關(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和征兆的模糊規(guī)那么庫,再進(jìn)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,學(xué)習(xí)能力差,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。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

4.基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)

人工神經(jīng)網(wǎng)絡(luò)(Artificialneuralnetwork,簡稱ANN)具有較好的容錯性、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)字運算的推理,提高系統(tǒng)效率,解決自學(xué)習(xí)問題;另一種是把神經(jīng)網(wǎng)絡(luò)作為知識源的表示和處理模式,并與其它推理機(jī)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)是一類新的知識表達(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,一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、知識存儲容量與系統(tǒng)運行速度的矛盾及知識的窄臺階效應(yīng)等問題。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase故障診斷專家系統(tǒng)的開展趨勢

1.從單一模型的診斷系統(tǒng)到多模型診斷系統(tǒng)，這里指的模型包括知識表示的模型和推理模型,故障診斷與知識表示和推理方法有著密切的聯(lián)系,其領(lǐng)域知識可用對象模型、經(jīng)驗規(guī)那么、神經(jīng)網(wǎng)模型、案例等來表示。基于對象模型、基于經(jīng)驗規(guī)那么、基于神經(jīng)網(wǎng)模型、基于案例的診斷方法各有其優(yōu)勢和特點,但它們各自也存在著局限性。對于實際對象的故障診斷,如用單一的知識表示方法,有時難以完整表示對象的故障診斷領(lǐng)域知識。因此,集成多種知識表示方法那么能更好地表示對象的故障診斷領(lǐng)域知識。集成基于對象模型、基于經(jīng)驗規(guī)那么、基于神經(jīng)網(wǎng)模型、基于案例的集成型診斷方法能綜合各診斷方法的特點,克服各診斷方法的局限性,從而提高了診斷系統(tǒng)的智能性和診斷效率。集成型的故障診斷系統(tǒng)還能有效地處理真值維護(hù)、結(jié)論解釋、機(jī)器學(xué)習(xí)。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

從單機(jī)模型到分布式網(wǎng)絡(luò)診斷系統(tǒng)現(xiàn)有的設(shè)備診斷系統(tǒng)大局部都是面向單臺、單機(jī)或單類設(shè)備的,可擴(kuò)充性、靈活性、通用性較差,各診斷系統(tǒng)之間相互獨立,即使是不同開發(fā)單位研制的針對同類設(shè)備的異構(gòu)診斷系統(tǒng)之間也不能進(jìn)行有效的信息交流和共享,造成了巨大的資源浪費?，F(xiàn)在很多大型成套設(shè)備或機(jī)構(gòu)由遠(yuǎn)程分布的不同類子系統(tǒng)組成,相應(yīng)其診斷系統(tǒng)中的系統(tǒng)級診斷系統(tǒng)和各子診斷系統(tǒng)也要進(jìn)行診斷信息的傳輸交流。同時,由于故障源的不確定性和時發(fā)性,導(dǎo)致異地診斷和遠(yuǎn)程診斷的需求不斷增加。隨著網(wǎng)絡(luò)的普及,通過局域網(wǎng),因特網(wǎng)來傳輸診斷信息成為一種趨勢,網(wǎng)絡(luò)架構(gòu)下的集成故障診斷系統(tǒng)成為新的研究熱點,因此,建立遠(yuǎn)程分布式全系統(tǒng)智能診斷系統(tǒng),可以實現(xiàn)異地多專家對同一設(shè)備的協(xié)同診斷以及多臺設(shè)備共享同一診斷系統(tǒng),提高診斷的準(zhǔn)確率和效率,同時也有利于診斷案例的積累,以彌補(bǔ)單個診斷系統(tǒng)領(lǐng)域知識的缺乏,提高診斷的智能化水平,促進(jìn)診斷學(xué)的綜合開展。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

3.從單一專家系統(tǒng)到協(xié)同式專家系統(tǒng)當(dāng)前的絕大多數(shù)診斷專家系統(tǒng),在規(guī)定的診斷領(lǐng)域內(nèi)是一個“專家〞,但是一旦越出該診斷范圍,系統(tǒng)就可能無法工作,限制了系統(tǒng)的適用性。由于診斷的領(lǐng)域過窄,就很難獲得滿意的應(yīng)用。協(xié)同式專家系統(tǒng)是克服一般專家系統(tǒng)的局限性的一個重要途徑。也被稱作是“群專家系統(tǒng)〞,由假設(shè)干個相近領(lǐng)域或一個領(lǐng)域的多個方面的分專家系統(tǒng)組成,這些分專家系統(tǒng)分別發(fā)揮其自身的特長,解決某一方面的問題,同時又相互協(xié)作。聯(lián)合協(xié)作多專家系統(tǒng)的特點是:每一個專家系統(tǒng)僅有一種問題求解方法,但卻充分了解自身的局限性以及協(xié)作專家的長處,從而知道何時和怎樣傳遞問題。其設(shè)計思想是:相應(yīng)于問題狀態(tài)空間,生成一個協(xié)作求解的主專家集,再根據(jù)每一位主專家在問題求解中的當(dāng)前狀況,動態(tài)形成一個支持該主專家的輔助專家集。這種系統(tǒng)有時與分布式專家系統(tǒng)有些共性,因為他們都可涉及多個子專家系統(tǒng)。但是這種系統(tǒng)更強(qiáng)調(diào)子系統(tǒng)之間的協(xié)同合作,而不著重于處理的分布和知識的分布。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

一、基于網(wǎng)絡(luò)的汽車遠(yuǎn)程故障診斷中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

在線檢測遠(yuǎn)程診斷專家會診

信息檢索服務(wù)基本結(jié)構(gòu)遠(yuǎn)程學(xué)習(xí)3.遠(yuǎn)程故障診斷的物理結(jié)構(gòu).中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.4.遠(yuǎn)程故障診斷的參數(shù)采集中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.5.遠(yuǎn)程故障診斷的數(shù)據(jù)傳輸方式●各種信號提取以后，經(jīng)過信號預(yù)處理電路的整形、濾波、放大／衰減、隔離后，送入高速A／D轉(zhuǎn)換器，由PIC單片機(jī)控制進(jìn)行數(shù)據(jù)采集，并將采集得到的數(shù)據(jù)存入RAM中，然后單片機(jī)通過調(diào)制解調(diào)器撥入Internet接入效勞商(Internet

ServiceProvider，ISP)，遠(yuǎn)程效勞器驗證身份和密碼后，動態(tài)分配IP地址，連接成功，狀態(tài)指示燈亮，說明單片機(jī)與ISP遠(yuǎn)程效勞器建立了連接，然后就可以將采集得到的檢測參數(shù)通過Internet傳送給診斷中心，并可以接收到診斷結(jié)果和維修向?qū)?。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.6.汽車遠(yuǎn)程故障診斷中心系統(tǒng)設(shè)計結(jié)構(gòu)

：汽車遠(yuǎn)程故障診斷中心是整個遠(yuǎn)程故障診斷系統(tǒng)正常工作的核心局部，一個開放式的汽車遠(yuǎn)程故障診斷中心包括數(shù)臺Web效勞器，并且將汽車診斷專家系統(tǒng)，大型知識庫、數(shù)據(jù)庫、推理機(jī)構(gòu)分布在幾臺效勞器上，基于Internet的故障診斷專家系統(tǒng)功能強(qiáng)大，它的優(yōu)點主要在于實用性、協(xié)作性、高效性，遠(yuǎn)非傳統(tǒng)檢測診斷儀器自帶的專家系統(tǒng)所能到達(dá)。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.數(shù)據(jù)庫服務(wù)器端應(yīng)用服務(wù)器端視頻會議系統(tǒng)應(yīng)用服務(wù)器客戶服務(wù)機(jī)……工控PC設(shè)備1設(shè)備2設(shè)備n設(shè)備n-1數(shù)據(jù)庫服務(wù)器中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.Internet/Intranet遠(yuǎn)程故障診斷系統(tǒng)維修決策系統(tǒng)數(shù)據(jù)庫管理系統(tǒng)網(wǎng)絡(luò)通信系統(tǒng)信息服務(wù)系統(tǒng)數(shù)據(jù)庫模型庫模型庫管理系統(tǒng)用戶方各種設(shè)備數(shù)據(jù)采集及處理系統(tǒng)狀態(tài)監(jiān)控系統(tǒng)知識庫管理系統(tǒng)知識庫遠(yuǎn)程維修決策系統(tǒng)功能結(jié)構(gòu)圖中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.

數(shù)據(jù)處理：遠(yuǎn)程故障診斷中心通過Internet獲取原始采集參數(shù)后，為了進(jìn)一步分析和定位故障，先由數(shù)據(jù)處理模塊計算各種對故障診斷有所幫助的性能參數(shù)，如噴油脈寬和噴油提前角，冷卻水溫度，進(jìn)氣歧管壓力，氧傳感器輸出電壓單位時間穿越0V的次數(shù)等。這些計算好的數(shù)據(jù)被存入大型數(shù)據(jù)庫中，專家系統(tǒng)就可以按照一定的推理策略給出故障原因和部位。假設(shè)故障特別復(fù)雜，還可由診斷中心真正的汽車專家會診，并通過Internet現(xiàn)場指導(dǎo)，用戶按照專家的提示進(jìn)行檢測，直至排除故障。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.在普通集合中，論域中的元素〔如a〕與集合〔如A〕之間的關(guān)系是屬于〔a∈A〕，或者不屬于〔aA〕，它所描述的是非此即彼的清晰概念。但在現(xiàn)實生活中并不是所有的事物都能用清晰的概念來描述，如:風(fēng)的強(qiáng)弱人的胖瘦年齡大小個子上下中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.模糊集合的概念

在模糊數(shù)學(xué)中，我們稱沒有明確邊界（沒有清晰外延）的集合為模糊集合。元素屬于模糊集合的程度用隸屬度或模糊度來表示。用于計算隸屬度的函數(shù)稱為隸屬函數(shù)。隸屬度即論域元素屬于模糊集合的程度。用來表示。隸屬度的值為[0，1]閉區(qū)間上的一個數(shù)，其值越大，表示該元素屬于模糊集合的程度越高，反之則越低。計算隸屬度的函數(shù)稱為隸屬函數(shù)。用表示。

隸屬度和隸屬函數(shù)的表示形式看起來很相似，但是它們的意義是完全不一樣的。指論域中特定元素xi屬于A的隸屬度，而中的x是一個變量，可表示論域中的任一元素。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.18～2517～3017～2818～2516～3514～2518～3018～3518～3516～2515～3018～3517～3518～2518～2518～3520～3018～3016～3020～3518～3018～3015～2518～3015～2816～2818～3018～3016～3018～3518～2518～2516～2818～3016～3016～2818～3518～3517～2716～2815～2816～3019～2815～3015～2617～2515～3618～3017～3018～3516～3515～2515～2518～2816～3015～2818～3518～3017～2818～3515～2818～3015～2515～2518～3016～2415～2516～3215～2718～3516～2518～2816～2818～3018～3518～3018～3017～3018～3018～3516～3018～3517～2515～3018～2517～3014～2518～2618～2918～3518～2818～3018～2516～3517～2918～2517～3016～2818～3016～2815～3015～3515～3020～3020～3016～2517～3015～3018～3016～3018～2818～3516～3015～3018～3518～3518～3017～3016～3517～3015～2518～3515～3015～2515～3018～3017～2518～2918～28模糊統(tǒng)計法舉例例：用模糊統(tǒng)計法確定27歲的人屬于“青年人”模糊集合的隸屬度。(見下表）中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.由統(tǒng)計結(jié)果可知，共調(diào)查統(tǒng)計129次，其中27歲的人屬于“青年人〞這個邊界可變的普通集合的次數(shù)為101次。根據(jù)模糊統(tǒng)計規(guī)律計算隸屬度為：中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.在汽車故障診斷中，同樣存在界限不清楚的模糊概念(如發(fā)動機(jī)溫度“偏高〞、輪胎磨損“較嚴(yán)重〞等具有模糊性的故障描述)，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(qiáng)的結(jié)構(gòu)性知識表達(dá)能力，適合處理診斷中的不確定信息和不完整信息。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

.模糊故障診斷有兩種根本方法，一種是先建立征兆與故障類型之間的因果關(guān)系矩陣R，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)那么庫，再進(jìn)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，學(xué)習(xí)能力差，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。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase設(shè)：X=(ux1(X1),ux2,?,uxm(Xm))為故障征兆模糊向量,簡記為X=(x1,x2,?xm).

Y=(μy〔y1),μy(y2),?,μy(yn))=(y1,y2,?,yn)為故障原因向量。

r11r12?r1n

r21r22?r2n

R=????

rm1rm2?rmn

其中模糊隸屬度確實定由下述方法進(jìn)行:

由經(jīng)驗數(shù)據(jù)確定經(jīng)驗隸屬度rij:

rij=第i征兆屬于第j原因次數(shù)；第i征兆出現(xiàn)總次數(shù)

隸屬度函數(shù)定義：稱R=(rij)m×n,0≤rij≤1為模糊診斷矩陣,即中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase某維修廠歷年統(tǒng)計的電噴發(fā)動機(jī)故障中,故障征兆xi與故障原因yj對應(yīng)出現(xiàn)次數(shù)如表一。

表1故障征兆隸屬故障原因統(tǒng)計表(原因i、征兆j)

y1y2y3y4y5y6y7y8y9

x1315004201

x2532410001

x3604023011

x4052412130

x5532401001

x6423000021

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase得經(jīng)驗診斷矩陣:

V=0.18750.06250.3125000.250.12500.0625

0.31250.18750.1250.250.06250000.0625

0.352900.235300.11760.176500.05880.0588

00.27780.11110.22220.5560.11110.05560.16670

0.31250.18750.1250.2500.0625000.0625

0.33330.16670.2500000.16670.08333

由專家擇優(yōu)得初始診斷矩陣S=(sij)6×9為

S=

0.30.10.45000.350.1500.1

0.50.30.150.40.10000.1

0.6500.3500.150.2500.10.1

00.650.150.350.10.150.10.250

0.550.30.20.3500.1000.1

0.650.250.3500000.150.1中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase設(shè)專家權(quán)重W1=0.6,經(jīng)驗權(quán)重W2=0.4,由rij=0.6sij+0.4vij,得模糊診斷矩陣為:

R=

0.25500.08500.3950000.31000.140000.0850

0.42500.25500.14000.34000.08500000.0850

0.531200.304100.13700.220600.08350.0835

00.50110.13440.29890.08220.13440.08220.21670

0.45500.25500.17000.3100.00.850000.0850

0.52330.21670.310000000.15670.0933中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase由模型:Y=XR,輸入征兆向量X,即可得出故障原因向量Y,再由最大隸屬度原那么可診斷出故障原因.

如:X=(001001)時,即有x3,x6故障現(xiàn)象時,得

Y=(1.05450.21670.614100.13700.220600.24020.1768)

由最大隸屬度原那么y1=max{yj|j=1,2,3,4,5,6,7,8,9},故診斷的故障原因為第一原因,即進(jìn)氣系統(tǒng)漏氣。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase隨著人工智能的開展,出現(xiàn)了各種故障診斷的專家系統(tǒng),專家系統(tǒng)是一種基于知識和規(guī)劃的推理系統(tǒng),但它存在著知識獲取困難、知識庫難于維護(hù)等問題,使其應(yīng)用有時也達(dá)不到預(yù)期的效果。

人工神經(jīng)網(wǎng)絡(luò)〔ArtificialNeuralNetwork〕的自學(xué)習(xí)能力、非線性映射能力、并行計算能力和容錯能力,可以克服基于邏輯與符號處理的專家系統(tǒng)的某些局限性,為專家系統(tǒng)的研究開辟了新途徑。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase根本概念由大量的簡單處理單元〔神經(jīng)元〕經(jīng)廣泛并行互連形成的一種網(wǎng)絡(luò)系統(tǒng)，其中每一單元接受一定數(shù)量的實值輸入，并產(chǎn)生單一的實值輸出對人腦系統(tǒng)的簡化、抽象和模擬，具有人腦功能的根本特征，但與人腦系統(tǒng)并不完全一致。人腦有大約1011個神經(jīng)元，平均每個與其他104個神經(jīng)元相連，其最快的神經(jīng)元轉(zhuǎn)換速度為10-3秒，比計算機(jī)的10-10秒慢很多。然而，我們卻能在10-1秒內(nèi)認(rèn)出自己的母親，其中激發(fā)的神經(jīng)元序列不長于數(shù)百步！中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase生物神經(jīng)元〔Neuron〕或稱神經(jīng)細(xì)胞，是生物神經(jīng)系統(tǒng)的最根本單元。從組成結(jié)構(gòu)看，各種神經(jīng)元具有共性，它由細(xì)胞體〔Soma〕、軸突〔Axon〕和樹突〔Dendrite〕三個主要局部組成。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase人工神經(jīng)元對生物神經(jīng)元的抽象與模擬。

M-P神經(jīng)元模型θx1x2xnyω1ω2ωn閾值〔可看作輸入固定為1時的連接權(quán)值〕輸入連接權(quán)值輸出y=f(σ)=f(∑ωi*xi–

θ)=f(∑ωj*xj)功能函數(shù)的不同確定不同的具體模型中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)1.單層或雙層網(wǎng)絡(luò)結(jié)構(gòu)(a)(b)中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase2.多層網(wǎng)絡(luò)結(jié)構(gòu)………………………………………………多層前向神經(jīng)網(wǎng)絡(luò)(B-P)多層側(cè)抑制神經(jīng)網(wǎng)絡(luò)中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase3.相互連接型網(wǎng)絡(luò)結(jié)構(gòu)中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBaseBP學(xué)習(xí)算法的步驟Step1.初始化網(wǎng)絡(luò)權(quán)值Step2.重復(fù)以下各步，直到所期望的輸出1.逐個提供訓(xùn)練模式2.正向傳播過程：對給定的輸入，計算網(wǎng)絡(luò)的輸出，并與輸出期望比較，假設(shè)存在誤差，那么進(jìn)行反向傳播；否那么，取下一個訓(xùn)練模式；3.反向傳播過程：從輸出層反向計算，逐層修正各單元的連接權(quán)值和閾值〔將閾值看作輸入始終為1的特殊連接權(quán)值〕。

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

圖1汽車故障判斷根本邏輯圖中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

圖2汽車故障診斷系統(tǒng)實現(xiàn)示意圖中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

根據(jù)圖1,提取汽車故障征兆集和故障集,其中故障征兆集可以用X={x1,x2,x3,x4,x5,x6,x7,x8,x9,x10,x11,x12}來表示,而汽車故障集包括一級判斷故障集Y={y1,y2,y3}和二級判斷故障集Z={z1,z2,z3,z4,z5,z6,z7,z8},集合元素均以開關(guān)量0,1作為其取值,其對應(yīng)的邏輯意義見表1所示。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

下面以電氣系統(tǒng)的故障診斷為例,具體介紹BP神經(jīng)網(wǎng)絡(luò)在其中的應(yīng)用和實現(xiàn)。電氣故障診斷分系統(tǒng)采用的是由神經(jīng)網(wǎng)絡(luò)實現(xiàn)的兩級診斷結(jié)構(gòu)。采用單隱含層的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實現(xiàn),其中作用函數(shù)為Sigmoid函數(shù)。在電氣故障診斷系統(tǒng)兩級診斷中均采用這種網(wǎng)絡(luò)結(jié)構(gòu)。1輸入層節(jié)點數(shù)確實定根據(jù)電氣系統(tǒng)的故障判斷邏輯圖,我們可以確定一級判斷神經(jīng)網(wǎng)絡(luò)的輸入向量是Xin1={x1,x2},二級判斷神經(jīng)網(wǎng)絡(luò)的輸入向量是Xin2={y1,x4,x7}。所以一級判斷BP網(wǎng)絡(luò)的輸入層節(jié)點數(shù)為2,二級判斷BP網(wǎng)絡(luò)的輸入層節(jié)點數(shù)為3。其中一級判斷神經(jīng)網(wǎng)絡(luò)實現(xiàn)了Xin1到y(tǒng)1映射,二級判斷神經(jīng)網(wǎng)絡(luò)實現(xiàn)了Xin2到Zout={z1,z2}的映射,從而最終實現(xiàn)了故障征兆集{x1,x2,x4,x7}到故障集Zout的映射。2中間層節(jié)點數(shù)確實定綜合考慮神經(jīng)網(wǎng)絡(luò)的精度和收斂速度,根據(jù)經(jīng)驗中間層節(jié)點數(shù)選為輸入層節(jié)點數(shù)的2倍加上一定的余量,在此選取一級診斷神經(jīng)網(wǎng)絡(luò)中間層節(jié)點數(shù)為5,二級診斷神經(jīng)網(wǎng)絡(luò)節(jié)點數(shù)為7。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

3輸出層節(jié)點數(shù)確實定根據(jù)判斷的輸出結(jié)果,顯然一級判斷網(wǎng)絡(luò)的輸出層節(jié)點數(shù)為1,二級判斷網(wǎng)絡(luò)的輸出層節(jié)點數(shù)為2。到此,我們可以確定最終整個神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖3所示。圖3電氣系統(tǒng)故障診斷BP網(wǎng)絡(luò)示意圖中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

4網(wǎng)絡(luò)訓(xùn)練和測試首先需要準(zhǔn)備神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。訓(xùn)練樣本如表2所示。為了提高神經(jīng)網(wǎng)絡(luò)的收斂速度,防止出現(xiàn)局部極小點,通過在神經(jīng)網(wǎng)絡(luò)建模仿真平臺上進(jìn)行反復(fù)訓(xùn)練和比較后,發(fā)現(xiàn)網(wǎng)絡(luò)在學(xué)習(xí)速率為0.7,動量常數(shù)為0.6時樣本訓(xùn)練的結(jié)果可到達(dá)很高的精度,故障平均誤差保持在0.01以下。網(wǎng)絡(luò)經(jīng)過訓(xùn)練后便具備了診斷故障的能力。表3給出了對一組測試樣本進(jìn)行測試的結(jié)果,從表3的診斷結(jié)果數(shù)據(jù)中可以看出,人工神經(jīng)網(wǎng)絡(luò)具有很高的診斷精度。經(jīng)過更多組樣本的測試,診斷結(jié)果說明網(wǎng)絡(luò)同時也具有非常好的魯棒性。中德諾浩汽車實訓(xùn)基地Sino-GermanKnow-howAutomobileTrainingBase

表2

BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集一級故障征兆診斷結(jié)果二級故障征兆診斷結(jié)果x1x2y1y1x4x7z1z200000000010001