基于案例信息檢索的汽車故障診斷系統(tǒng)的構(gòu)建

唐偉萍　賴德鵬

基于案例信息檢索的汽車故障診斷系統(tǒng)的構(gòu)建

唐偉萍賴德鵬

（廣西電力職業(yè)技術(shù)學(xué)院，廣西 南寧 530007）

傳統(tǒng)車輛維修養(yǎng)護(hù)診斷模式依賴于人工經(jīng)驗和配套設(shè)備，已經(jīng)適應(yīng)不了汽車更新?lián)Q代的速度，迫切需要更高效更智能的定位故障、快速檢修技術(shù)來提升車輛安全性和可靠性，從而誕生了車輛故障診斷技術(shù)這個綜合性學(xué)科。文章通過基于人工智能設(shè)計思想，采用大量的維修實例可以作為系統(tǒng)的訓(xùn)練樣本，應(yīng)用最新信息技術(shù)完成汽車故障認(rèn)知診斷系統(tǒng)的設(shè)計與實現(xiàn)，為用戶提供一個高效簡便的故障診斷平臺，為專業(yè)維修人員解決汽車故障、對汽車維修提供依據(jù)，經(jīng)實驗測試，系統(tǒng)大大降低故障診斷難度，節(jié)約故障診斷時間，帶來良好的經(jīng)濟(jì)效益。

案例信息檢索；車輛診斷；系統(tǒng)構(gòu)建

引言

據(jù)公安部2022年7月6日發(fā)布的2022年上半年全國機動車統(tǒng)計數(shù)據(jù)顯示：截至2022年6月底，全國機動車保有量達(dá)4.06億輛。說明隨著人們物質(zhì)生活水平的提高，汽車逐漸成為每個家庭必備的交通工具。同時，隨著信息技術(shù)發(fā)展和工業(yè)化程度的加深，更先進(jìn)更智能的精密電子和計算機信息技術(shù)應(yīng)用到汽車上，除了代步需求外，更安全、更舒適、更智能成了汽車品質(zhì)評價的重要指標(biāo)，也促使汽車結(jié)構(gòu)日趨復(fù)雜，日常檢測、常規(guī)保養(yǎng)顯得越來越重要。如何排除汽車安全隱患、存在故障快速定位檢修成了汽車售后服務(wù)行業(yè)的重點和難點，迫切需求新技術(shù)新方法為汽車維修業(yè)提供更直接、更準(zhǔn)確、更簡便的車輛故障診斷[1]。

汽車廠商旗下品牌多樣化是當(dāng)前一個顯著特點，伴隨汽車加載設(shè)備復(fù)雜化，給傳統(tǒng)主要依靠工人經(jīng)驗和儀器分析的診斷極大的困惑和被動。汽車故障診斷技術(shù)是以車輛故障診斷學(xué)理論為指導(dǎo)，應(yīng)用信息化技術(shù)對車輛各種指標(biāo)進(jìn)行采集分析，并將數(shù)據(jù)存儲，形成專業(yè)級案例庫，方便同類故障診斷時進(jìn)行檢索[2]，為精確診斷提供依據(jù)，從而實現(xiàn)故障診斷預(yù)防、故障快速定位及準(zhǔn)確維修提高技術(shù)支持，進(jìn)而提高汽車的安全性和可靠性。

1　相關(guān)技術(shù)概述

1.1 故障診斷

故障診斷的目的是檢測對象運行時特征信息進(jìn)行綜合分析，判斷運行狀態(tài)是否正常，一旦有異常特征被捕捉，馬上對故障產(chǎn)生的成因進(jìn)行分析，給出診斷結(jié)果并給出具體解決方案，從而實現(xiàn)對設(shè)備全生命周期監(jiān)管，進(jìn)而避免故障引發(fā)的安全隱患，降低損失[2]。本質(zhì)上是基于故障特征進(jìn)行成因分析推理的技術(shù)或解決方案，一般分定期檢測和按需特殊診斷兩種，分設(shè)備信號采集、特征碼分析、案例匹配分析和診斷結(jié)果反饋四個過程[4]。

1.2 自然語言處理

自然語言處理是計算機科學(xué)技術(shù)與人工智能、大數(shù)據(jù)挖掘相融合的一個重要方向，萌芽于1949年美國人威弗提出的機器程序思路，興起于1956年人工智能誕生，壯大于20世紀(jì)90年代計算機算力、存儲的快速提升和互聯(lián)網(wǎng)快速發(fā)展，逐漸出現(xiàn)基于統(tǒng)計、實例和規(guī)則的語料庫產(chǎn)品，實現(xiàn)信息學(xué)、哲學(xué)、統(tǒng)計學(xué)等多學(xué)科交叉融合[5]。因為涉及人類字、詞、句、段的組合，對象是人類常用語言，基此而產(chǎn)生的理解和翻譯，進(jìn)而形成信息檢索和文本歸類，均屬于自然語言處理范圍，目前主要分語言學(xué)、數(shù)據(jù)挖掘、AI和認(rèn)知、語言工程四個方向[6]。

1.3 車輛診斷技術(shù)

因為汽車零部件質(zhì)量、壽命、使用環(huán)境的差異以及駕駛習(xí)慣[7]，不可避免出現(xiàn)故障，同時由于檢測、保養(yǎng)和使用汽油等消耗品的差異，也導(dǎo)致成因各異，因此，在車輛全生命周期中重視故障預(yù)防和處理，定期檢測、及時排除隱患顯得非常必要。隨著計算機技術(shù)和智能技術(shù)的發(fā)展，逐步出現(xiàn)了工人經(jīng)驗法、儀表診斷法、專家系統(tǒng)診斷法和數(shù)值特征判斷法等新技術(shù)和新方法，隨著更多學(xué)科的融合和技術(shù)迭代賦能[8]，汽車故障診斷技術(shù)開始向網(wǎng)絡(luò)化、智能化、自動化的邁進(jìn)。

2 基于案例信息檢索的車輛故障診斷系統(tǒng)總體設(shè)計

由于汽車品牌和車型眾多，大大增加了汽車維修人員判斷的難度，而準(zhǔn)確鎖定故障是維修的基礎(chǔ)，因此，建立基于案例信息檢索庫的車輛故障診斷系統(tǒng)可以方便維修人員科學(xué)了解故障成因，有效提高故障判斷準(zhǔn)確度和維修維護(hù)的效率。設(shè)計的關(guān)鍵包括準(zhǔn)確的需求、合理的架構(gòu)。

2.1 需求分析

清晰可行的需求是系統(tǒng)開發(fā)成功的前提。一個成熟科學(xué)的汽車故障診斷系統(tǒng)應(yīng)該能夠根據(jù)維修人員輸入相應(yīng)故障現(xiàn)象，馬上能反饋故障成因和解決建議，為準(zhǔn)確維修提供科學(xué)依據(jù)和可靠指導(dǎo)。在此過程中，對輸入故障描述進(jìn)行中文分詞，通過詞條相似度計算機匹配案例，對零配件標(biāo)注，數(shù)據(jù)信息存儲是關(guān)鍵。根據(jù)對南寧市不同品牌4S店維修人員的調(diào)研，經(jīng)過整理梳理，得出系統(tǒng)工作流程如下所示：

step1：維修人員輸入故障描述。

step2：中文分詞。系統(tǒng)對輸入的故障描述進(jìn)行中文分詞處理，解決計算機不能直接使用自然語言問題。

step3：案例匹配。文本相似度計算，反饋計算結(jié)果，同時要充分考慮復(fù)雜度，進(jìn)而提高結(jié)果的準(zhǔn)確度。

step4：器件標(biāo)注。目的是提高器件和故障的關(guān)聯(lián)度，進(jìn)而提高維修人員對診斷結(jié)果中涉及器件的敏感度，從而遇到同類故障時迅速作出預(yù)判。

step5：數(shù)據(jù)管理。一是不斷地為系統(tǒng)添加和存儲新的案例數(shù)據(jù)，從而訓(xùn)練系統(tǒng)模型，提高檢測能力和匹配度；二是記錄用戶習(xí)慣，形成關(guān)聯(lián)記憶，方便檢索。

step6：輸入新的描述跳轉(zhuǎn)step2，否則結(jié)束。

2.2 系統(tǒng)總體架構(gòu)設(shè)計

系統(tǒng)主要面向汽車維修維護(hù)專業(yè)人員或者汽車專業(yè)師生，因此系統(tǒng)應(yīng)具有經(jīng)濟(jì)性、操作簡易性和可拓展性。也就是說，一是盡量降低成本，減少時間、地域、設(shè)備等制約；二是用戶均為專業(yè)人員，交互界面一定要方便輸入，方便檢索，方便閱讀和分析；系統(tǒng)通過物理接口能與車載平臺互連互通，方便記憶用戶習(xí)慣，同時預(yù)留下一步連接互聯(lián)網(wǎng)或者應(yīng)用公有云的方式?；诖?，設(shè)計總體架構(gòu)如圖1所示。

圖1 系統(tǒng)總體架構(gòu)設(shè)計圖

用戶使用終端輸入故障描述，數(shù)據(jù)庫同時記錄用戶輸入習(xí)慣，以生成關(guān)聯(lián)記憶；終端收到輸入信息后傳遞至案例匹配接口，和數(shù)據(jù)庫中的語料庫進(jìn)行對比，得出匹配結(jié)果并返回給用戶。

3 系統(tǒng)關(guān)鍵技術(shù)的設(shè)計和實現(xiàn)

3.1 案例分詞技術(shù)

這是基于中文分詞基礎(chǔ)上延伸出來的技術(shù)，將輸入的內(nèi)容切分成一個個單獨的詞條，相較以英文為代表的分詞技術(shù)，中文分詞相對滯后，主要難點在于歧義識別和新詞識別，因此模型訓(xùn)練越久準(zhǔn)確率越高。按照分類方式不同，常見案例分詞有基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計的分詞方法，這三種方法各有優(yōu)缺。

由于故障診斷結(jié)果準(zhǔn)確性和診斷速度直接關(guān)鍵到用戶對汽車故障診斷系統(tǒng)的體驗，因此選擇基于字符串匹配和語料庫統(tǒng)計混合的分詞方法，工作流程如下所示：

step1：輸入描述預(yù)處理，去掉標(biāo)點符號、段落標(biāo)記、空格等，切分成短句；

step2：按規(guī)則切分成最小原子；

Step3：使用N-最短路徑算法切分；

step4：識別未登錄詞；

step5：重復(fù)、重疊詞性合并；

step6：輸出分詞結(jié)果。

其中語料庫存放的是真實語言材料，是經(jīng)過取樣和預(yù)處理后的電子文本數(shù)據(jù)庫，系統(tǒng)采用基于字符串和專用車輛故障描述結(jié)合的處理方法，原子分詞就是對預(yù)處理后的斷句進(jìn)行原子切分。首先對所有原子進(jìn)行遍歷，然后再把原子和后面相鄰原子進(jìn)行組合，同時匹配詞典確認(rèn)是否新詞。N-最短路徑分詞是最大路徑和最短路徑取均值，將前N個最優(yōu)路徑予以保留，通過Dijkstra算法求解出N條最優(yōu)路徑，通過分詞二維表轉(zhuǎn)化為Dijkstra算法矩陣實現(xiàn)。未登錄詞識別主要是針對詞典未錄入的詞，通過隱馬爾可夫模型實現(xiàn)識別和應(yīng)用。

3.2 案例匹配技術(shù)

案例匹配，實際上是在分詞基礎(chǔ)上，通過特定算法通過文本相似度計算，與語料庫故障描述進(jìn)行匹配，為器件標(biāo)注服務(wù)。主要有詞項加權(quán)、詞向量計算、和編輯距離三種方法，詞項加權(quán)主要分通過打分公式計算的有無監(jiān)督計算和利用機器學(xué)習(xí)方法預(yù)測權(quán)值的有監(jiān)督計算兩種；詞向量計算主要有基于神經(jīng)網(wǎng)絡(luò)模型和基于輔助特征擴充兩種；編輯距離是字符串轉(zhuǎn)換，計算編輯次數(shù)，以距離最小為越優(yōu)。

本系統(tǒng)通過構(gòu)建汽車故障搜索引擎，可以有效提高系統(tǒng)交互性和體驗感。建立方法如下：首先檢索已有案例生成案例庫；接著進(jìn)行預(yù)處理，包括詞性一致詞和中文分詞等，同時為新案例構(gòu)建索引；最后，用戶向系統(tǒng)提出訪問請求時，觸發(fā)索引進(jìn)行查詢并向用戶返回結(jié)果。

文本相似度計算是系統(tǒng)的核心，通過合適的算法可以實現(xiàn)信息檢索的智能化和自動化。由于輸入故障描述經(jīng)過案例分詞后數(shù)據(jù)量很大，給故障檢索引擎造成較大的被動，因此結(jié)合相似度算法計算結(jié)果進(jìn)行關(guān)聯(lián)度排序，可以大大提高用戶搜索的過程和效率。根據(jù)故障檢索引擎和系統(tǒng)實際，我們選擇TF-IDF算法進(jìn)行案例匹配，并與調(diào)整向量和編輯距離共同實現(xiàn)相似度計算。TF-IDF算法是一種無監(jiān)督的計算方法，也是主流詞項加權(quán)算法，其中TF指的是詞頻，就是該詞在文本中出現(xiàn)次數(shù)除文本總詞數(shù)的商，代表該詞與文本關(guān)聯(lián)度；IDF代表某詞規(guī)律出現(xiàn)程度，定義為逆向文件詞頻。因此，某詞重要性等于詞頻和逆向文件詞頻兩者的乘積。TF-IDF算法是通過公式1實現(xiàn)的。

其中，f表示某詞出現(xiàn)的頻率，N為文本總數(shù)，n詞語出現(xiàn)文本次數(shù)。雖然TF-IDF算法能很好實現(xiàn)完整句子通過分詞后計算得到該查詢與案例的關(guān)聯(lián)度，但實際應(yīng)用中，往往出現(xiàn)某詞出現(xiàn)頻率很高，但沒有被賦予匹配權(quán)重的情，這就是該算法的不足，因此，系統(tǒng)通過結(jié)合向量打分、編輯距離打分來解決。

計算結(jié)果出來后，需要精確定位故障碼，本系統(tǒng)故障診斷代碼根據(jù)《吉利帝豪品牌汽車發(fā)動機車間手冊》進(jìn)行試驗，具體操作流程如下：

step1：案例庫中包含故障碼的信息，全部生成故障碼表，建立故障碼和案例映射關(guān)系，以提高檢索效率；

step2：故障碼表生成索引，方便查詢；

step3：通過案例分詞進(jìn)行計算，如果結(jié)果包含故障碼則通過索引直接得到匹配案例。

3.3 器件標(biāo)注技術(shù)

器件標(biāo)注是根據(jù)案例匹配計算結(jié)果，對出現(xiàn)的汽車專用器件或部件進(jìn)行標(biāo)記，目的是方便維修人員針對性進(jìn)行檢查，提高故障維修服務(wù)效率。主流算法包括TextRank算法和主題模型算法兩種。前者基于PageRank算法，一般用于文本關(guān)鍵字和摘要的生成，通過有向圖節(jié)點根據(jù)有向邊求解實現(xiàn)；后者則是通過主題挖掘得到語義關(guān)聯(lián)度進(jìn)行建模，使用模型統(tǒng)計，判斷文檔中包含主題及其所占的比例，一般通過矩陣迭代計算的收斂結(jié)果作為最終值，常用有PLSA和LDA兩種訓(xùn)練推理方法。

經(jīng)過調(diào)研，結(jié)合行業(yè)實際，系統(tǒng)采用TextRank算法進(jìn)行器件標(biāo)注。首先，對已有案例提取與主題關(guān)聯(lián)度最高的部分關(guān)鍵詞，該過程使用TextRank算法實現(xiàn)；其次，選取這些關(guān)鍵詞數(shù)據(jù)查詢，建立數(shù)據(jù)庫詞條匹配內(nèi)容的索引，完成標(biāo)注；最后，生成檢查數(shù)據(jù)，輸出結(jié)果。使用TextRank算法能有效提高計算的復(fù)雜度，提升計算效率。

3.4 數(shù)據(jù)管理

數(shù)據(jù)管理主要包括語料庫、案例庫、器件庫和用戶操作習(xí)慣記錄四部分，前面三個主要是側(cè)重系統(tǒng)使用過程的數(shù)據(jù)收集、存儲和應(yīng)用，后者則是通過隱馬爾夫模型記錄用戶輸入習(xí)慣，從而實現(xiàn)使用過程中生成的海量故障診斷案例、汽車維修數(shù)據(jù)和用戶操作數(shù)據(jù)的分析和處理，通過數(shù)據(jù)關(guān)聯(lián)索引為提高案例匹配精確率和高效性提供支撐，也應(yīng)系統(tǒng)進(jìn)一步拓展和豐富完善奠定基礎(chǔ)。

系統(tǒng)用戶習(xí)慣記錄主要通過隱馬爾可夫模型（Hidden Markov Model，HMM）實現(xiàn)，HMM是一個關(guān)于時序的概率模型，拼音漢字的轉(zhuǎn)化可以當(dāng)成序列標(biāo)注問題，給定一個線性輸入序列M=(m1，m2，m3，......，mn)，相應(yīng)給輸入的每個關(guān)鍵詞打上標(biāo)簽，集合中對應(yīng)某個標(biāo)簽N=(n1，n2，n3，......，nn)，ni是mi的標(biāo)記。通過HMM可以快速描述一個隱藏不可觀測的狀態(tài)隨機序列，同步生成一個可觀測隨機序列的過程。

4 系統(tǒng)測試

4.1 測試環(huán)境

系統(tǒng)運行測試環(huán)境由以下四個部分組成，編程環(huán)境使用Win10 64位操作系統(tǒng)，3.0 GHz處理器，16 G內(nèi)存，確保滿足可移植可拓展性，方便修改和完善，同時使用BCG等界面增強工具增加人機交互的美觀性和友好度，體驗感更強；編程語言使用Python語言，這是目前主流面向?qū)ο蟮慕忉屝烷_發(fā)語言，能夠很好地兼容當(dāng)前汽車入式系統(tǒng)使用的C/C++，同時有豐富的庫供調(diào)用從而具有很好的拓展性，提高開發(fā)效率；開發(fā)平臺選擇pycharm，是Python開發(fā)常用的集成環(huán)境，有直接簡便、可直接操作的代碼編輯、編譯、調(diào)試器和圖形化操作工具，能夠跨平臺使用，有較好的移植性和較高的開發(fā)效率；數(shù)據(jù)來源選擇吉利汽車公司帝豪品牌故障手冊，由于系統(tǒng)基于案例匹配，因此在測試過程中同步進(jìn)行數(shù)據(jù)收集，力求數(shù)據(jù)真實相關(guān)。

4.2 測試結(jié)果

系統(tǒng)測試目標(biāo)是以最少代價在最短時間內(nèi)盡最大可能找出缺陷，通過優(yōu)化和完善，提高系統(tǒng)的質(zhì)量和用戶滿意度，降低系統(tǒng)缺陷給用戶帶來損失的風(fēng)險。從5個角度使用18種測試方法對系統(tǒng)開發(fā)過程中進(jìn)行測試，具體見表1所示。

表1 系統(tǒng)測試情況表

經(jīng)過測試表明，符合開發(fā)要求，同時具有以下特點：界面友好，簡潔易用；系統(tǒng)運行流暢，結(jié)構(gòu)完整；模塊功能完備，協(xié)作性強；具有可拓展性和可移植性。

5　結(jié)束語

汽車除了代步作用外，更舒適、更安全、更智能成為人民對汽車功能需求新的期盼，這迫使汽車結(jié)構(gòu)越來越復(fù)雜，無形中增加了保養(yǎng)和維修的難度，在此背景下，對汽車故障進(jìn)行診斷和修理成了該行業(yè)的重點和難點。本文首先對汽車故障診斷關(guān)鍵技術(shù)進(jìn)行梳理，設(shè)計一個基于案例信息檢索的汽車故障診斷系統(tǒng)，并對系統(tǒng)關(guān)鍵技術(shù)進(jìn)行闡釋，為用戶提供一個直觀簡捷的故障診斷系統(tǒng)，方便維修人員對汽車故障快速定位準(zhǔn)確判斷和高效修理，經(jīng)過測試，系統(tǒng)界面友好，操作簡捷，性能優(yōu)異，基本達(dá)到預(yù)期目標(biāo)。

由于受時間和經(jīng)費等限制，系統(tǒng)還存在不少需完善提高的地方，比如診斷方案中解決方法比較簡單，還需要進(jìn)一步豐富；核心算法不夠先進(jìn)，可考慮引進(jìn)神經(jīng)網(wǎng)絡(luò)、粒子群等智能算法提高運算能力；系統(tǒng)可考慮引入云平臺實現(xiàn)隨時隨地使用。這都是系統(tǒng)下一步努力的方向。

[1] 王韻. 基于案例信息檢索的車輛故障診斷系統(tǒng)[D]. 長春: 吉林大學(xué)，2016.

[2] 吳夫青. 車輛制動系統(tǒng)常見故障診斷及預(yù)防措施[J]. 時代汽車，2022(9): 174-175.

[3] 王鵬宇，王峻. 車輛走行部車載故障診斷系統(tǒng)應(yīng)用與實踐[J]. 甘肅科技，2021，37(18): 53-56.

[4] 吉武俊. 車輛排放系統(tǒng)故障診斷方法研究[D]. 鄭州: 河南職業(yè)技術(shù)學(xué)院，2016.

[5] 何真承. 基于4G網(wǎng)絡(luò)和CAN總線的車輛在線故障診斷系統(tǒng)設(shè)計與實現(xiàn)[D]. 重慶: 重慶大學(xué)，2019.

[6] 萬山林. 大數(shù)據(jù)地鐵車輛牽引系統(tǒng)故障診斷技術(shù)的分析[J]. 科學(xué)技術(shù)創(chuàng)新，2020(16): 82-83.

[7] 孫麗娟. 基于云平臺的車輛故障診斷系統(tǒng)研究[D]. 杭州: 浙江科技學(xué)院，2020.

[8] 馬立玲，郭凱杰，王軍政. 基于改進(jìn)SVM的車輛傳動系統(tǒng)故障診斷方法[J]. 北京理工大學(xué)學(xué)報，2020，40(8): 856-860.

Construction of Vehicle Fault Diagnosis System Based on Case Information Retrieval

The traditional vehicle maintenance and diagnosis mode depends on manual experience and supporting equipment, which can not adapt to the speed of vehicle replacement. There is an urgent need for more efficient and intelligent fault location and rapid maintenance technology to improve vehicle safety and reliability, thus giving birth to the comprehensive discipline of vehicle fault diagnosis technology. Based on the design idea of artificial intelligence, this paper adopts a large number of maintenance examples as the training samples of the system, applies the latest information technology to complete the design and implementation of automobile fault cognitive diagnosis system, provides users with an efficient and simple fault diagnosis platform, and provides the basis for professional maintenance personnel to solve automobile faults and automobile maintenance. Through experimental test, the system greatly reduces the difficulty of fault diagnosis and saves the time of fault diagnosis, and brings good economic benefits.

case information retrieval; vehicle diagnosis; system construction

U472

A

1008-1151(2022)10-0004-04

2022-05-30

2020年度廣西高校中青年教師科研基礎(chǔ)能力提升項目“基于案例信息檢索的汽車故障診斷系統(tǒng)的研究與開發(fā)”（2020KY41016）；2022年度廣西高校中青年教師科研基礎(chǔ)能力提升項目“一種交流充電樁檢測裝置設(shè)計與研究”（2022KY1348）。

唐偉萍（1983－），女，廣西玉林人，廣西電力職業(yè)技術(shù)學(xué)院副教授，研究方向為計算機技術(shù)應(yīng)用。