基于車聯(lián)網(wǎng)的汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷研究*

林素敏 劉 方 段少勇

（楊凌職業(yè)技術(shù)學(xué)院 陜西 咸陽 712100）

引言

隨著我國(guó)因汽車故障造成交通事故的頻發(fā)，汽車故障診斷工作受到社會(huì)各界的廣泛關(guān)注。但伴隨著信息技術(shù)的不斷發(fā)展，人們對(duì)汽車故障的診斷與維修已不僅僅停留在人工檢測(cè)層面，而是渴望利用先進(jìn)的信息技術(shù)對(duì)汽車進(jìn)行遠(yuǎn)程監(jiān)測(cè)與故障診斷。在汽車內(nèi)部結(jié)構(gòu)中，發(fā)動(dòng)機(jī)無疑是最最重要的部分，為汽車的啟動(dòng)與行駛提供動(dòng)力。發(fā)動(dòng)機(jī)是造成汽車故障的重大因素，其性能狀況將直接影響著汽車的使用情況。由此可見，具備準(zhǔn)確性與及時(shí)性，并且能夠針對(duì)汽車發(fā)動(dòng)機(jī)故障進(jìn)行診斷的汽車遠(yuǎn)程故障診斷系統(tǒng)，既是人們的需求所向，又是汽車故障診斷行業(yè)今后的發(fā)展趨勢(shì)。然而就當(dāng)前汽車遠(yuǎn)程故障診斷來看，主要存在兩方面問題：在進(jìn)行汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障信號(hào)采集時(shí)，主要采用汽車車載傳感器系統(tǒng)進(jìn)行信號(hào)采集工作[1]。目前，通過這種方法采集到的故障信號(hào)普遍存在不完整與不全面的缺陷，從而無法為該系統(tǒng)提供準(zhǔn)確有效的故障特征，嚴(yán)重影響著汽車遠(yuǎn)程故障診斷系統(tǒng)的診斷質(zhì)量；另一方面，該系統(tǒng)主要借助OBD故障代碼對(duì)汽車故障問題進(jìn)行遠(yuǎn)程診斷。這種診斷方法只能在故障特征明確且故障問題單一的情況下，為該系統(tǒng)提供準(zhǔn)確的故障診斷依據(jù)。在汽車故障突發(fā)或是故障較為復(fù)雜的情況下，卻并不適用?；诖?，本文將針對(duì)汽車遠(yuǎn)程故障診斷系統(tǒng)存在的問題，提出一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，并對(duì)其實(shí)現(xiàn)進(jìn)行詳細(xì)闡述。

1 發(fā)動(dòng)機(jī)遠(yuǎn)程故障采集構(gòu)建思路

本系統(tǒng)設(shè)計(jì)的目的是實(shí)現(xiàn)對(duì)汽車發(fā)動(dòng)機(jī)故障的遠(yuǎn)程采集。結(jié)合該構(gòu)建的目的，其主要實(shí)現(xiàn)兩個(gè)方面：一是借助車聯(lián)網(wǎng)完成對(duì)采集終端數(shù)據(jù)采集及傳輸?shù)膶?shí)現(xiàn)；二是通過相關(guān)的算法完成對(duì)故障特征的有效識(shí)別。因此，基于上述的目的和需求，本文構(gòu)建的架構(gòu)如圖1所示。在該思路中，將整個(gè)采集與診斷終端分為采集終端、傳輸部分和故障識(shí)別3個(gè)部分。通過車輛上嵌入式模塊完成對(duì)發(fā)動(dòng)機(jī)數(shù)據(jù)的采集，然后通過GRPS或4G網(wǎng)絡(luò)等將數(shù)據(jù)傳輸給后臺(tái)，最后通過后臺(tái)數(shù)據(jù)庫(kù)和軟件，完成對(duì)信號(hào)特征的處理與識(shí)別。

圖1 整體架構(gòu)設(shè)計(jì)思路

2 系統(tǒng)詳細(xì)設(shè)計(jì)

2.1 車載終端整體架構(gòu)設(shè)計(jì)

在車載終端采集部分，每次采集都需要獲取車輛的GPS位置，同時(shí)通過MCU完成對(duì)每一個(gè)CAN總線節(jié)點(diǎn)上數(shù)據(jù)信息的匯總。因此在本文中，采用REB-3571LP模塊中的NMEA0183協(xié)議完成對(duì)定位信息的數(shù)據(jù)。整體的架構(gòu)設(shè)計(jì)框圖如圖2所示。

2.2 CAN通信設(shè)計(jì)

在本文中，一個(gè)重要的部分是通過車載CAN總線完成對(duì)汽車內(nèi)部發(fā)動(dòng)機(jī)不同部位的特征信號(hào)傳輸，然后再通過GPRS或4G網(wǎng)絡(luò)將數(shù)據(jù)傳輸給后臺(tái)。而在CAN總線通信中，其主要是通過總線編碼的方式完成對(duì)數(shù)據(jù)信息的解讀。對(duì)此，本文則主要采用符合ISO 15031-3的OBDII標(biāo)準(zhǔn)診斷A型接口完成數(shù)據(jù)讀取和記錄[2]。具體的引腳接口如圖3所示。

圖2 車載終端架構(gòu)設(shè)計(jì)框圖

圖3 CAN引腳接口

2.3 發(fā)動(dòng)機(jī)故障識(shí)別算法設(shè)計(jì)

2.3.1 故障識(shí)別整體思路

在本文中，將故障識(shí)別的整體思路設(shè)計(jì)如圖1所示。通過采集到的發(fā)動(dòng)機(jī)故障特征，考慮到在信號(hào)中包含很多的噪音和無效信號(hào)。因此本文則提出首先采用小波去噪的方法對(duì)信號(hào)進(jìn)行預(yù)處理，然后再通過診斷算法完成對(duì)故障的診斷。

2.3.2 小波閾值去噪故障預(yù)處理

由于汽車發(fā)動(dòng)機(jī)的ECU數(shù)據(jù)流中存在噪聲，使發(fā)動(dòng)機(jī)故障特征提取工作存在一定的難度。對(duì)此，本文將通過小波閾值去噪方法對(duì)汽車發(fā)動(dòng)機(jī)ECU數(shù)據(jù)流進(jìn)行去噪，并對(duì)發(fā)動(dòng)機(jī)故障特征進(jìn)行提取。具體小波降噪過程框圖如圖4所示。

如圖4所示，小波降噪過程主要分為3步：首先，以確定的尺度為基礎(chǔ)，對(duì)含有噪音的發(fā)動(dòng)機(jī)故障數(shù)據(jù)流進(jìn)行小波分解，以此獲取小波系數(shù)；然后，對(duì)該系數(shù)進(jìn)行閾值處理；最后，對(duì)歷經(jīng)以上2個(gè)處理步驟后的小波系數(shù)進(jìn)行小波逆變化，恢復(fù)先前變形的小波系統(tǒng)，并利用經(jīng)過處理的小波系統(tǒng)取得去噪后的故障信號(hào)。

小波閾值去噪法提取故障信號(hào)的優(yōu)劣性，可通過對(duì)均方根誤差以及信噪比2大評(píng)價(jià)指標(biāo)的對(duì)比進(jìn)行判斷。

圖4 小波降噪過程框圖

其中，均方根誤差的定義為[3]：

在公式（1）中：N代表故障信號(hào)采樣點(diǎn)數(shù)；Yi代表輸入信號(hào)第i個(gè)樣本點(diǎn)的值；代表去噪后i的值。

信噪比的定義公式為[4]：

其中：

公式中：A代表原始輸入信號(hào)方差；Yi代表原始輸入信號(hào)均值；B代表均方根誤差。RMSE與SNR在公式中的關(guān)系為此消彼長(zhǎng)。其中，B值越小表示最終去噪效果越好。

2.3.3 BP神經(jīng)網(wǎng)絡(luò)故障診斷

BP神經(jīng)網(wǎng)絡(luò)是一種常用的故障識(shí)別算法，該算法的優(yōu)勢(shì)在于其具有自適應(yīng)和自學(xué)習(xí)能力。將BP神經(jīng)網(wǎng)絡(luò)引入到汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)中，能夠通過對(duì)網(wǎng)絡(luò)權(quán)值與偏差的修正，使誤差平方降至最小，并最大限度地接近真實(shí)結(jié)果，以提高故障判斷的準(zhǔn)確率。

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中，權(quán)值變化量主要以學(xué)習(xí)速率Z進(jìn)行確定。其中，學(xué)習(xí)速率若是過大將會(huì)對(duì)系統(tǒng)的穩(wěn)定性造成影響；速率過小又會(huì)對(duì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間造成延長(zhǎng)。因此本文將以自適應(yīng)方法對(duì)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率進(jìn)行調(diào)整，以權(quán)值修正值為判斷依據(jù)，對(duì)學(xué)習(xí)速率進(jìn)行選取，并結(jié)合訓(xùn)練實(shí)際情況對(duì)其進(jìn)行相應(yīng)的調(diào)整。自適應(yīng)學(xué)習(xí)速率調(diào)整公式為[5]：

由于BP神經(jīng)網(wǎng)絡(luò)在求全局最小解的過程中，極易走向一個(gè)局部極小解的困境中，對(duì)求解過程造成阻礙。因此，本文就已附加一個(gè)動(dòng)量因子的方式，解決BP神經(jīng)網(wǎng)絡(luò)這一問題[6]。具體表達(dá)公式為：

公式中：k代表訓(xùn)練次數(shù)；mc代表動(dòng)力因子，通常取值為0.95左右。

通過對(duì)BP神經(jīng)網(wǎng)絡(luò)的輸入層、輸出層以及隱含層的節(jié)點(diǎn)數(shù)進(jìn)行確定后，就能在汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)中建立起B(yǎng)P神經(jīng)網(wǎng)絡(luò)。利用BP神經(jīng)網(wǎng)絡(luò)對(duì)小波閾值去噪法提取到故障特征進(jìn)行反復(fù)訓(xùn)練，就能得出最終故障權(quán)值與閾值，從而對(duì)故障類型進(jìn)行診斷。具體流程框圖如圖5所示。

圖5 BP故障診斷流程框圖

3 試驗(yàn)驗(yàn)證

為了驗(yàn)證所設(shè)計(jì)的汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)是否具備科學(xué)性，本文將以大眾捷達(dá)發(fā)動(dòng)機(jī)點(diǎn)火系故障為例，分別采用傳統(tǒng)故障診斷系統(tǒng)（1組）與本文設(shè)計(jì)的診斷系統(tǒng)（2組）進(jìn)行遠(yuǎn)程故障診斷。以兩兩對(duì)比的形式對(duì)該系統(tǒng)進(jìn)行驗(yàn)證。具體診斷結(jié)果如表1所示。

表1 火花塞間隙識(shí)別診斷結(jié)果

如表1所示，第2組對(duì)汽車發(fā)動(dòng)機(jī)點(diǎn)火系故障識(shí)別準(zhǔn)確率明顯更高，因此說明上述言論具備現(xiàn)實(shí)性。

4 結(jié)束語

綜上所述，汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)是汽車故障診斷領(lǐng)域發(fā)展的必然趨勢(shì)。本文通過對(duì)當(dāng)前汽車遠(yuǎn)程故障診斷系統(tǒng)存在的問題進(jìn)行分析后，提出在車聯(lián)網(wǎng)的基礎(chǔ)上，將小波閾值去噪法與BP神經(jīng)網(wǎng)絡(luò)引入至汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷系統(tǒng)中，并通過最后的實(shí)證賦予該方法科學(xué)性，以此提高汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷效率與質(zhì)量。