多傳感器信息融合技術(shù)在車載自診斷系統(tǒng)的研究

摘要：隨著汽車行業(yè)的發(fā)展，對(duì)汽車的性能檢測(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，提高汽車智能化的發(fā)展，降低總的維修費(fèi)用，需要根據(jù)汽車的具體要求建立汽車故障診斷體系和技術(shù)方法，即汽車整個(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)施汽車的前端技術(shù)，將直接影響汽車系統(tǒng)的性能。但是汽車系統(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運(yùn)動(dòng)信息進(jìn)行集成，實(shí)現(xiàn)對(duì)汽車各部件運(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)用于汽車系統(tǒng)的故障診斷之中，通過(guò)汽車運(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。但隨著汽車故障診斷系統(tǒng)的龐大化和復(fù)雜化，傳感器的類型和數(shù)目急劇增多，從
而使汽車系統(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。