摘要：隨著汽車(chē)行業(yè)的發(fā)展，對(duì)汽車(chē)的性能檢測(cè)、維修、管理提出更高的要求。通過(guò)分析多傳感器數(shù)據(jù)融合技術(shù)故障診斷方法及汽車(chē)診斷系統(tǒng)(故障預(yù)測(cè)與健康管理)的特點(diǎn)，在不改變當(dāng)前汽車(chē)智能檢測(cè)系統(tǒng)硬件組成的情況下，將多傳感器信息融合技術(shù)運(yùn)用到汽車(chē)診斷系統(tǒng)，并且比較智能化分析系統(tǒng)的故障，以及記錄下全部傳感器和驅(qū)動(dòng)器的數(shù)據(jù)，實(shí)現(xiàn)對(duì)汽車(chē)系統(tǒng)的實(shí)時(shí)狀態(tài)監(jiān)測(cè)、健康評(píng)估和故障診斷。
關(guān)鍵詞：故障分析；診斷系統(tǒng)；信息融合；傳感器

O 引言
    目前的大部分故障檢測(cè)方法往往只是對(duì)系統(tǒng)狀態(tài)信息中的一種或幾種信息進(jìn)行多層次、多角度的分析和觀察，從中提取有關(guān)系統(tǒng)行為的特征，所以給系統(tǒng)故障的有效診斷帶來(lái)了局限性。比如，在汽車(chē)的運(yùn)動(dòng)過(guò)程中，利用發(fā)動(dòng)機(jī)氣缸的缸溫對(duì)發(fā)動(dòng)狀態(tài)進(jìn)行診斷時(shí)，由于信號(hào)類(lèi)型中能夠提供的信息較少，因而很難做出準(zhǔn)確評(píng)價(jià)。但如果能將氣缸的溫度信息、發(fā)動(dòng)機(jī)轉(zhuǎn)速，以及汽車(chē)的運(yùn)動(dòng)速度綜合起來(lái)考慮，那么就可以對(duì)發(fā)動(dòng)機(jī)的狀態(tài)進(jìn)行更準(zhǔn)確的評(píng)價(jià)。在某些故障診斷過(guò)程中，雖然有時(shí)利用一種信息，即可判斷機(jī)器的故障，但在許多情況下得出的診斷結(jié)果并不可靠。因而多傳感器數(shù)據(jù)融合技術(shù)從多個(gè)不同的信息源獲得有關(guān)系統(tǒng)狀態(tài)的特征參數(shù)進(jìn)行有效的集成與融合，能較為準(zhǔn)確和可靠地實(shí)現(xiàn)系統(tǒng)運(yùn)行狀態(tài)的識(shí)別和故障的診斷與定位。
    隨著微電子技術(shù)、現(xiàn)場(chǎng)總線、計(jì)算機(jī)測(cè)控技術(shù)、信息與處理技術(shù)、無(wú)線通信、線控驅(qū)動(dòng)等技術(shù)的發(fā)展，多傳感器信息融合的智能化診斷技術(shù)在汽車(chē)系統(tǒng)故障診斷中的應(yīng)用已成為一個(gè)新的研究方向。多傳感器數(shù)據(jù)融合與所有單傳感器信號(hào)處理相比，單傳感器信號(hào)處理是對(duì)人腦
數(shù)據(jù)處理的一種低水平模仿，而通過(guò)多傳感器數(shù)據(jù)融合可以更大程度地獲得被測(cè)目標(biāo)和環(huán)境的信息量，能夠在最短的時(shí)間內(nèi)，以最小代價(jià)獲取單個(gè)傳感器所無(wú)法獲取的更精確特征。多傳感器數(shù)據(jù)融合的基本原理也象人腦綜合處理信息一樣，充分利用多個(gè)傳感器資源，通過(guò)對(duì)這些傳感器及其觀測(cè)信息的合理支配和使用，把多個(gè)傳感器在空間或時(shí)間的信息冗余或互補(bǔ)依據(jù)某種準(zhǔn)則進(jìn)行組合，以獲得被測(cè)對(duì)象的一致性解釋或描述，但從現(xiàn)代生活應(yīng)用的角度看，多傳感器信息的融合技術(shù)可以定義為通過(guò)對(duì)空間分布的多源信息，各種傳感器的時(shí)空采樣，對(duì)所關(guān)心的目標(biāo)進(jìn)行檢測(cè)、關(guān)聯(lián)、跟蹤、估計(jì)等多級(jí)多功能處理，以更高的精度、較高的概率或置信度得到人們所需要的目標(biāo)狀態(tài)和估計(jì)，以及完整及時(shí)的態(tài)勢(shì)和威脅評(píng)估，為駕駛員提供有用的決策信息。實(shí)際上也是對(duì)各類(lèi)傳感器提供的信息進(jìn)行綜合處理，模擬人腦對(duì)復(fù)雜問(wèn)題的綜合處理。它的基本原理就是充分利用不同時(shí)間與空間的多傳感器信息資源，通過(guò)在一定準(zhǔn)則下對(duì)計(jì)算機(jī)技術(shù)這些傳感器及觀測(cè)信息進(jìn)行自動(dòng)分析、綜合以及合理支配和使用，將各種單個(gè)傳感器獲取的信息冗余或互補(bǔ)依據(jù)某種準(zhǔn)則組合起來(lái)，獲得對(duì)被測(cè)對(duì)象的一致性解釋與描述，使系統(tǒng)獲得比它的各組成部分更優(yōu)越的性能，以此來(lái)提高整個(gè)傳感器系統(tǒng)的有效性，消除單個(gè)或少量傳感器的局限性。因此，它應(yīng)用在汽車(chē)系統(tǒng)中就能使整個(gè)系統(tǒng)的各個(gè)子系統(tǒng)更好的管理和維修。

1 自診斷系統(tǒng)思想的實(shí)現(xiàn)
    汽車(chē)系統(tǒng)是一個(gè)集機(jī)械、電子、材料、通信和網(wǎng)絡(luò)等先進(jìn)技術(shù)的復(fù)雜系統(tǒng)。汽車(chē)故障診斷系統(tǒng)的目標(biāo)是實(shí)現(xiàn)準(zhǔn)確故障診斷和維修，以減少汽車(chē)在運(yùn)動(dòng)中的一些事故發(fā)生。為適應(yīng)未來(lái)人們高質(zhì)量的需要，提高汽車(chē)智能化的發(fā)展，降低總的維修費(fèi)用，需要根據(jù)汽車(chē)的具體要求建立汽車(chē)故障診斷體系和技術(shù)方法，即汽車(chē)整個(gè)系統(tǒng)實(shí)施方案。首先要確定可以直接表征其故障、健康狀態(tài)的參數(shù)指標(biāo)或間接推理判斷系統(tǒng)故障、健康狀態(tài)所需的參數(shù)信息，并利用數(shù)據(jù)采集設(shè)備將該類(lèi)參數(shù)信息進(jìn)行實(shí)時(shí)采集，這些采集數(shù)據(jù)是實(shí)施汽車(chē)系統(tǒng)診斷的數(shù)據(jù)基礎(chǔ)。精確、及時(shí)、高可靠性的狀態(tài)監(jiān)測(cè)與數(shù)據(jù)處理技術(shù)作為實(shí)施汽車(chē)的前端技術(shù)，將直接影響汽車(chē)系統(tǒng)的性能。但是汽車(chē)系統(tǒng)體積小、系統(tǒng)復(fù)雜，機(jī)載設(shè)備多，載荷能力有限，所以汽車(chē)系統(tǒng)對(duì)數(shù)據(jù)信息、數(shù)據(jù)鏈路和診斷設(shè)備提出更高的要求，并借助各種算法(如快速傅里葉變換、離散傅里葉變換)和智能模型(如專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯等)將原來(lái)單一的各分系統(tǒng)的性能檢測(cè)信息、故障診斷信息和汽車(chē)運(yùn)動(dòng)信息進(jìn)行集成，實(shí)現(xiàn)對(duì)汽車(chē)各部件運(yùn)行信息的綜合管理、系統(tǒng)狀態(tài)監(jiān)測(cè)、故障診斷與預(yù)測(cè)、部件性能降級(jí)衰退分析與剩余壽命累計(jì)、預(yù)測(cè)。這種汽車(chē)智能安監(jiān)系統(tǒng)與傳統(tǒng)的故障檢測(cè)相比，優(yōu)勢(shì)在于由事后檢測(cè)轉(zhuǎn)移到事前預(yù)測(cè)，在詳細(xì)掌握部件失效機(jī)理的情況下，構(gòu)建部件失效模型,達(dá)到故障預(yù)測(cè)。同時(shí)，這種汽車(chē)安檢系統(tǒng)還需要采納傳統(tǒng)優(yōu)秀的故障檢測(cè)方法，用來(lái)探測(cè)潛在故障，以便在災(zāi)難事件造成前采取措施。將多傳感器信息融合技術(shù)運(yùn)用于汽車(chē)系統(tǒng)的故障診斷之中，通過(guò)汽車(chē)運(yùn)動(dòng)時(shí)所采集到的狀態(tài)參數(shù)、運(yùn)動(dòng)參數(shù)、發(fā)動(dòng)機(jī)以及任務(wù)設(shè)備等方面的數(shù)據(jù)信息，結(jié)合給定汽車(chē)系統(tǒng)故障機(jī)理及失效分析，找出數(shù)據(jù)信息與故障元件之間的映射關(guān)系，然后對(duì)采集的數(shù)據(jù)信息進(jìn)行融合，形成基于知識(shí)推理的多傳感器信息融合故障診斷方法，從而準(zhǔn)確無(wú)誤地診斷出故障元件。但隨著汽車(chē)故障診斷系統(tǒng)的龐大化和復(fù)雜化，傳感器的類(lèi)型和數(shù)目急劇增多，從
而使汽車(chē)系統(tǒng)形成了一個(gè)傳感器群，基于此就引出了多傳感器融合技術(shù)。當(dāng)汽車(chē)在運(yùn)行時(shí)，其傳感器群均處于實(shí)時(shí)信息采集狀態(tài)，對(duì)于每個(gè)系統(tǒng)每種故障征兆可能對(duì)應(yīng)著故障庫(kù)中多種可能的故障，而故障庫(kù)中的每個(gè)故障也可能引起多種故障征兆，所以要對(duì)各傳感器采集的故障信息進(jìn)行融合。分別通過(guò)各故障征兆對(duì)所有的假設(shè)進(jìn)行獨(dú)立的判斷，得出各假設(shè)情況下發(fā)生的故障概率分布及發(fā)生的概率，然后融合各故障信息，以求得各故障發(fā)生的概率，其中發(fā)生概率最大的為主要故障。
    多傳感器融合判定原理如圖1所示。

2 Bayes推理方法
    Bayes推理方法算法如下：汽車(chē)運(yùn)行過(guò)程可以看成是一個(gè)隨機(jī)過(guò)程，根據(jù)先驗(yàn)知識(shí)對(duì)故障做出概率估計(jì)稱(chēng)為先驗(yàn)概率，記為P(ωi)，(i= 0，1，2，…，c)；P(ω0)表示正常工況的概率，P(ωi)，(i=1，2，…，c)表示c類(lèi)故障發(fā)生的概率。將故障樣本X=(x1，x2，…，xn)作為輸入模式樣本，P(X|ωi)(i=1，2，…，c)表示輸入模式的c類(lèi)條件概率密度函數(shù)。根據(jù)Bayes公式：
    
    式中：P(ωi|X)是已知條件下ωi出現(xiàn)的概率，稱(chēng)為后驗(yàn)概率。因此如果滿(mǎn)足下面Bayes規(guī)則，則x∈ωi，且：
    
    主觀Bayes方法中，每條推理規(guī)則可以表示為：IF[規(guī)則名]THEN H(LS，LN)。其中，LS，LN(≥0)分別稱(chēng)為充分性度量和必要性度量(其數(shù)值由專(zhuān)家定)，主觀Bayes方法推理過(guò)程就是根據(jù)證據(jù)事件的概率P(E)，利用規(guī)則(LS，LN)，事件的系統(tǒng)性能斷言的先驗(yàn)概率P(H)更新為后驗(yàn)概率P(H|E)，同時(shí)H又作為新規(guī)則的證據(jù)，結(jié)合新的規(guī)則(LS，LN)，進(jìn)一步計(jì)算出新的后驗(yàn)概率。

3 實(shí)例
    下面用一個(gè)汽車(chē)的具體實(shí)例來(lái)說(shuō)明，如何采用Bayes方法進(jìn)行故障診斷。汽車(chē)系統(tǒng)運(yùn)行中經(jīng)常出現(xiàn)各種各樣的故障，執(zhí)行元件故障是其中最常見(jiàn)的一種情況。引發(fā)故障的原因很多，大致歸納是由傳動(dòng)控制系統(tǒng)、主動(dòng)懸掛系統(tǒng)、防自鎖剎車(chē)系統(tǒng)、發(fā)動(dòng)機(jī)控制系統(tǒng)、安全氣囊系統(tǒng)、儀表顯示系統(tǒng)、各個(gè)故障診斷系統(tǒng)、燃油噴射系統(tǒng)、電動(dòng)車(chē)門(mén)系統(tǒng)、空調(diào)系統(tǒng)、照明系統(tǒng)、電動(dòng)椅系統(tǒng)、排放控制系統(tǒng)、車(chē)身穩(wěn)定系統(tǒng)、防盜系統(tǒng)的匹配、汽車(chē)噪聲的檢測(cè)這16個(gè)部分的不同故障可能的原因所引起。
    從圖2可看出，引起執(zhí)行元件故障的因素有很多種。其中，執(zhí)行系統(tǒng)動(dòng)作的不穩(wěn)定是故障的主要現(xiàn)象之一，排氣不良、工作油質(zhì)不良等多種故障都可能導(dǎo)致執(zhí)行元件的動(dòng)作不穩(wěn)定，因此這種故障是連鎖性質(zhì)的，不是簡(jiǎn)單的一一對(duì)應(yīng)關(guān)系。通過(guò)對(duì)汽車(chē)系統(tǒng)這類(lèi)故障的統(tǒng)計(jì)，可以得到各部位發(fā)生故障的幾率具有一定的先驗(yàn)統(tǒng)計(jì)規(guī)律，上例的簡(jiǎn)單統(tǒng)計(jì)如表1所示。

    基于智能診斷系統(tǒng)的一個(gè)假設(shè)將這些數(shù)據(jù)存儲(chǔ)在知識(shí)庫(kù)中。工作過(guò)程是：首先從監(jiān)測(cè)數(shù)據(jù)中發(fā)現(xiàn)問(wèn)題，傳感器反映的信息是流量、壓力、位移和溫度等，參數(shù)偏離正常范圍后，將這些數(shù)據(jù)根據(jù)故障幾率的大小，送推理機(jī)進(jìn)行融合判定?；诿總€(gè)傳感器觀測(cè)結(jié)果的決策ui構(gòu)成全局決策u，且：
    
    用P(H0)=P0，P(H1)=P1分別表示如果H0為真(正常)和如果H1為真(故障)的先驗(yàn)概率，yi(1≤i≤n)表示第i個(gè)傳感器的探測(cè)結(jié)果，ui(1≤i≤n)表示第i個(gè)傳感器基于yi的決策，且：
    
    令P(Hi|u)表示在給定全局決策u的前提下，Hi為真的概率，應(yīng)判定2個(gè)概率中較大者所對(duì)應(yīng)的假設(shè)為正確的假設(shè)。于是，若：
    
    則根據(jù)上述判決規(guī)則將選擇H0，否則將選擇H1。
   上述規(guī)則可表示為：

    對(duì)比式(7)和式(9)可以看出，Bayes準(zhǔn)則下的判決規(guī)則與最大后驗(yàn)概率的判決規(guī)則相同。將上述關(guān)系作為規(guī)則存放在知識(shí)庫(kù)中，當(dāng)發(fā)現(xiàn)這些參數(shù)偏低后，推理機(jī)利用知識(shí)庫(kù)中的規(guī)則進(jìn)行推理，即可在執(zhí)行元件發(fā)生故障前預(yù)報(bào)故障。在實(shí)際中，故障的表現(xiàn)往往是錯(cuò)綜復(fù)雜的，這就要求有中間假定，反復(fù)推理。Bayes推理法則對(duì)每個(gè)假設(shè)推理運(yùn)算為250次，所以診斷系統(tǒng)的關(guān)鍵技術(shù)是建立具有專(zhuān)家智能的知識(shí)庫(kù)，使推理計(jì)算機(jī)能進(jìn)行有效的推理分析。同時(shí)，要求推理計(jì)算機(jī)具有高速處理的能力，才能實(shí)現(xiàn)故障的預(yù)報(bào)和快速診斷功能。

4 結(jié)論
    多傳感器信息融合技術(shù)在汽車(chē)系統(tǒng)的運(yùn)用，充分利用了汽車(chē)電子系統(tǒng)本身安裝多種傳感器對(duì)汽車(chē)系統(tǒng)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，不需要增加系統(tǒng)硬件，通過(guò)融合多傳感器輸出實(shí)時(shí)狀態(tài)信息，對(duì)系統(tǒng)運(yùn)行狀況進(jìn)行綜合判斷，可以對(duì)汽車(chē)系統(tǒng)大部分故障實(shí)現(xiàn)在線診斷，當(dāng)任何單個(gè)傳感器出錯(cuò)時(shí)，不會(huì)影響汽車(chē)系統(tǒng)最終的診斷結(jié)果，使系統(tǒng)的故障診斷可靠性大大提高。汽車(chē)安檢系統(tǒng)的故障診斷不但可以提高整個(gè)系統(tǒng)運(yùn)行的可靠性，還可以提高系統(tǒng)的維修效率，對(duì)汽車(chē)系統(tǒng)的完善和發(fā)展有著重要意義，是保證汽車(chē)系統(tǒng)安全運(yùn)行的一個(gè)重要內(nèi)容。當(dāng)然，由于受到目前汽車(chē)硬件條件(如機(jī)體空間有限、增加傳感器困難)的限制，汽車(chē)系統(tǒng)監(jiān)測(cè)還不能覆蓋所有可能故障，對(duì)傳感器不能感知到的信號(hào)還不能進(jìn)行準(zhǔn)確的故障在線監(jiān)測(cè)和診斷。為了擴(kuò)大故障監(jiān)測(cè)范圍，汽車(chē)系統(tǒng)應(yīng)在汽車(chē)系統(tǒng)設(shè)計(jì)開(kāi)發(fā)時(shí)加以考慮，在汽車(chē)關(guān)鍵部位適當(dāng)增加傳感器，以保證汽車(chē)安檢系統(tǒng)可以對(duì)汽車(chē)系統(tǒng)進(jìn)行全方位的監(jiān)測(cè)和故障診斷。