基于案例推理的車輛故障診斷系統(tǒng)

劉 輝

甘肅金證司法醫(yī)學(xué)鑒定所 甘肅蘭州 730000

隨著車輛的使用時間延長，各個零部件老化或損壞會造成車輛故障，針對此類問題很多人都是結(jié)合日常工作經(jīng)驗來判斷故障發(fā)生位置、故障類型，并對可能出現(xiàn)的故障一一排除，最終找到故障所在，并將故障排除?；诎咐评恚ㄏ挛暮喎Q“CBR”）的故障診斷系統(tǒng)與專家系統(tǒng)類似（也可以說就是一種專家系統(tǒng)），可以結(jié)合車輛故障案例對車輛故障進行對比分析，從而提出可能出現(xiàn)的故障。在CBR系統(tǒng)使用當(dāng)中，需要構(gòu)建一個診斷模型，建立系統(tǒng)中各個要素間的關(guān)系，從而生成一個因果關(guān)系網(wǎng)絡(luò)，對故障因果關(guān)系進行推導(dǎo)，并輸入已經(jīng)解決的相關(guān)案例，從而生成故障案例庫，在汽車故障診斷中在案例庫中找到類似的案例，從而提出相應(yīng)的解決方法。

一、CBR相關(guān)闡述

很多現(xiàn)實中的問題由于十分復(fù)雜，所以不能僅采用數(shù)學(xué)模型方法解決。部分簡單限制性條件在建模過程中也變得難以實現(xiàn)?；诖?，可以采用CBR方案。CBR方案能夠搜尋與該故障類似的問題從提出問題發(fā)生點以及線索，從而幫助人們解決故障問題。從本質(zhì)來說，CBR是人工智能技術(shù)的一個分支，更像是模糊神經(jīng)系統(tǒng)與專家系統(tǒng)的結(jié)合，在特定領(lǐng)域中提取推理特征，結(jié)合過去已經(jīng)解決的案例，將故障問題和案例內(nèi)容相似度進行對比分析的一種推理技術(shù)。

想要實現(xiàn)CBR功能，需要建立一個因果關(guān)系模型，并將車輛專業(yè)知識存儲到模型當(dāng)中，這樣即可對車輛知識進行分類、互聯(lián)，構(gòu)成一個完整的分析鏈，對車輛故障進行匹配和推理。需要用戶提取重要的知識特征，也就是可能產(chǎn)生的故障因素，為車輛出現(xiàn)故障時給用戶提供相應(yīng)的參數(shù)，根據(jù)專業(yè)知識定義因果關(guān)系，確定每個因果關(guān)系的強度（0-1之間），最終形成一個可以推理車輛故障的關(guān)系模型。其中，案例庫主要是存儲已經(jīng)解決的案例，一個案例當(dāng)中必須要涵蓋問題描述、解決方法，問題描述是各項屬性與特征、解決方法是某個確定狀態(tài)。

二、構(gòu)建試驗系統(tǒng)

在構(gòu)建試驗系統(tǒng)過程中，需要采用CBR系統(tǒng)知識編輯庫，如TrollCreek就是較為理想的智能推理編輯器。在實際使用過程中，需要創(chuàng)建故障診斷系統(tǒng)，其步驟為：（1）完善因果關(guān)系模型；（2）加入已經(jīng)解決的案例；（3）輸入新案例進行推理；（4）得到結(jié)果；（5）確定結(jié)果。

整個CBR車輛故障診斷模型的核心是編輯因果關(guān)系模型，主要包括增加節(jié)點、構(gòu)建層次結(jié)構(gòu)、構(gòu)架因果關(guān)系模型。首先要在準(zhǔn)備創(chuàng)建領(lǐng)域中抽取相關(guān)的特征項，并作為節(jié)點加入到系統(tǒng)當(dāng)中，之后將特征項加入到系統(tǒng)中，之后即可完善節(jié)點層次結(jié)構(gòu)，構(gòu)成一個分類層次結(jié)構(gòu)，將系統(tǒng)故障狀態(tài)當(dāng)做節(jié)點加入到因果關(guān)系當(dāng)中，這樣即可將兩個節(jié)點相關(guān)聯(lián)，組成完整的關(guān)系模型，通過該模型即可對車輛故障進行診斷。

將已經(jīng)解決的案例狀態(tài)、結(jié)論添加到系統(tǒng)當(dāng)中，組建案例庫。案例庫中的案例數(shù)量越多，整個CBR系統(tǒng)后期推理就更加精準(zhǔn)。在輸入新案例過程中，實則就是新案例與舊案例特性進行相似度對比，并按照相似程度由大到小進行排列，并得出最為接近新案例的10個舊案例（如果案例數(shù)量較多提出10個接近案例，如果案例不足10個，則推出所有相似案例）。確認(rèn)結(jié)果是將系統(tǒng)推理的結(jié)果進行驗證，如果測試符合標(biāo)準(zhǔn)則標(biāo)記為已解決形態(tài)，并將其應(yīng)用到案例庫當(dāng)中。從CBR故障診斷系統(tǒng)特性層面分析，其故障分析能力主要是依賴案例庫，多個案例對比分析可以大大提高診斷精度。

三、測試與分析

在構(gòu)建汽車CBR故障診斷模型時，需要實現(xiàn)掌握汽車故障領(lǐng)域的因果關(guān)系案例，組建因果模型，模型中主要包括兩大部分，一是構(gòu)建層次結(jié)構(gòu)；二是建構(gòu)因果關(guān)系。其主要表現(xiàn)在：

1.層次結(jié)構(gòu)

構(gòu)建層次結(jié)構(gòu)需要把汽車各類故障過程的關(guān)系特性項作為節(jié)點加入到層次結(jié)構(gòu)圖當(dāng)中。與汽車故障相關(guān)的幾個條件是“因”，以汽車啟動為例，其主要包括發(fā)動機、電池、供電系統(tǒng)、燃油系統(tǒng)、燃油等狀態(tài)形式。并對應(yīng)每個狀態(tài)可能出現(xiàn)結(jié)果的可能性，也就是“果”，例如發(fā)動機中有正常運行、不運行、無法打火、轉(zhuǎn)動速率低等，從而按照因果發(fā)生頻次和重要程度進行排序，組建成為結(jié)構(gòu)層次圖。

2.建立因果關(guān)系

構(gòu)建因果關(guān)系是將汽車故障因果關(guān)系狀態(tài)關(guān)聯(lián)強度相連從而形成因果關(guān)系模型。如在汽車啟動因果關(guān)系建立中包括：由于電池電量不足可能會造成燈光不亮、發(fā)動機不轉(zhuǎn)，通常會導(dǎo)致發(fā)動機轉(zhuǎn)動率下降（注：其中包括“可能會”代表個別案例；而“通常會”代表常見故障案例）。將所有因果關(guān)系節(jié)點狀態(tài)連接起來，從而形成了因果關(guān)系推理模型。

將已經(jīng)求解的案例融入到案例庫當(dāng)中，并輸入待解決案例，這樣CBR故障診斷系統(tǒng)就會自動進行匹配，從而得出結(jié)果。系統(tǒng)會自動羅列出已經(jīng)解決的3個案例，并進行相似度對比，按照相似度由大到小順序羅列出CBR系統(tǒng)分析結(jié)果。并隨著案例數(shù)量不斷增加，可以對比案例相似度更高的案例就會出現(xiàn)，豐富了案例庫內(nèi)容，讓CBR分析系統(tǒng)在實際工作中更加精準(zhǔn)。

結(jié)束語

綜上所述，CBR故障診斷系統(tǒng)在原理層面上較為簡單，但想要完善案例庫較為困難，并且需要融入知識獲取、案例表示、相似度對比等。由此可見，CBR診斷系統(tǒng)是一個前期高投入、后期高回報的系統(tǒng)，這就需要做好前期的準(zhǔn)備工作。在實際應(yīng)用可以更加清晰的提出車輛故障的因果，并且所得出的結(jié)果也十分精準(zhǔn)，值得推廣。