1、基于 CBR 的工程车辆故障诊断系统第 3 卷第 6 期2002 年 12 月VO1.3NO.6Dec.2OO2文章编号:10093443(2002)06 006404基于 CBR 的工程车辆故障诊断系统郭坚毅,张琦,凌海风,何俊(解放军理工大学工程兵工程学院,江苏南京 210007)摘要:针对工程车辆故障的特点,分析了以往工程车辆故障诊断方法的局限性 .将人工智能领域中的新分支 CBR(CaseBasedReasoning)技术引入到工程车辆故障诊断中 ,论述了 CBR 技术的系统结构和关键技术,并给出了具体的实现方法.理论分析和实践经验表明,基于 CBR 的系统可以解决基于规则的专家系统在
2、某些方面的缺陷,具有实现方式灵活,简便,自学习能力强等特点,是一种适合工程车辆故障诊断的新方法.关键词:工程车辆;故障诊断;自诊断技术;CBR 技术中图分类号:TH17 文献标识码:AEngineeringVehicleFaultdiagnosisSystemBasedontheCBRTechnologyGUOJianyi,ZHANGQi,LINGHaikng,tiEJun(EngineeringInstituteofEngineeringCorps,PIAUniv,ofSci.Tech.,Nanjing210007,China)Abstract:Accordingtothecharacter
3、isticsoftheengineeringvehiclefaults,thelimitationofthepreviouslyusedtechnologyintheengineeringvehiclefaultdiagnosisfieldisanalyzed.TheCRBTechnology,asanewcomerofAI,isusedintheengineeringvehiclefaultdiagnosissystem.Thesystemstructureandthecriticaltechnologyarepresented,andthepracticalrealizingmethodi
4、sintroduced.TheoreticalanalysisandpracticalexperienceshowthattheCBRsystemcanreducethedefectsintherulesbasedexpertsystem.ThefaultdiagnosissystembasedontheCBRTechnologyistheappropriateFlewmethodforengineeringvehiclefaultdiagnosis.Keywords:theengineeringvehicle;faultdiagnosis;selfdiagnosingtechnology;t
5、heCBRTechnology工程车辆是重要的工程保障工具和重要的交通运输工具,随着各种新技术,特别是微电子技术在工程车辆上的应用,在提高了工程车辆的性能和舒适性的同时,也使整个工程车辆控制系统变得越来越复杂.因此,如何在工程车辆遇故障而抛锚时,维修人员甚至驾驶员本人也能迅速找到发生故障的部位并加以排除,即如何使工程车辆能更安全地使用,更易于维护,就成为摆在工程车辆制造商面前的重要课题.为此,本文研究了工程车辆故障诊断的故障特点,提出了基于 CBR 技术的故障诊断方法.收稿日期:200111-20.作者简介:郭坚毅(1969 一).男,博士生1 现有工程车辆故障诊断技术的局限性工程车辆是一个复
6、杂的机电综合系统,其故障也呈现复杂多变的特点,分析工程车辆故障,主要有如下特点.(1)工程车辆的故障大致可以用故障树来表示,具有层次性.(2)工程车辆故障中有的故障很难用某种数学公式(或算法 )来进行描述.(3)在工程车辆故障中.很多都是单故障(一个故障对应一个故障原因),但也存在着多故障现象(即同一故障现象可能有多种故障原因;而同一故障原因,也可能有不同的故障现象).因此,诊断这些故障的方法,很可能具有多重性或不确定性.第 6 期郭坚毅,等:基于 CBR 的工程车辆故障诊断系统L4)工程车辆的保有量大 ,故障原因与故障现象之间的关系具有统计规律.因此有时有丰富经验的驾驶员和工程车辆维修专家能
7、通过观察故障现象或进行简单的测试就能快速找到故障原因.所以,以往的故障诊断方法只检测单一信号,不可能解决工程车辆故障中的多故障问题.目前所使用的检测设备,如工程车辆检测线和工程车辆故障自诊断装置,检测的结果只能反映工程车辆局部的技术状况,仍难以确定故障原因,这使普通维修人员在进行工程车辆的保养和维修时感到极为不便.人类利用视觉,听觉,嗅觉或触觉感觉到的知识有时难以用数据描述,而这往往是工程车辆维修专家成功维修的关键所在.根据这个特点,有人利用专家系统的方法建立了工程车辆故障诊断系统,这在一定程度上提高了工程车辆故障诊断的效率,但是传统的专家系统在具体实现上存在知识获取困难,系统搜索效率不高,有
8、些知识不易用规则表示等问题.最重要的是,如果给出完全相同的问题描述,则系统总是采用相同的推理步骤得到完全相同的推理结果,这表明专家系统本质上并不具有记忆力和学习能力.2CBR 技术特点和基本结构修正后的解匹配案例解决方法图 1 基于案例推理的一般过程Fig.1Generalarchitectureofacasebasedreasoning该过程可以描述如下:(1)按一定的形式描述当前案例;(2)从案例库中检索出与当前问题相似的案例;(3)若该案例与当前案例完全匹配,输出该案例的求解方案,否则修改该案例,形成当前问题的求解;(4)对当前问题的求解进行评价;(5)将新的案例加入到案例库中,供以后求
9、解问题使用.2.1CBR 技术特点 3CBR 技术,即基于案例的推理方法,是 AI 中的一个重要的新方法,于 1982 年起源于美国耶鲁大学.RogerSchank 教授在DynamicMemory一书中创建了它的基本理论.1987 年以来,国际研究界每年举行 CBR 研讨会,先后在通用问题求解,法律案例,医学诊断,故障诊断,辅助 CAD 设计等领域证明了 CBR 技术的有效性和实用性.CBR 方法基于人的认知过程,其基本思想是:当求解问题时,在以前类似的求解问题的成功基础之上进行推理,而不必一切从头做起.它对过去的求解结果直接复用,而不是从头推导,因此可以提高对复杂问题的求解效率;它可以用过
10、去求解成功或失败的经历来指导根本不存在而通过计算机推导可以解决的问题;还可以通过对历史案例知识的挖掘,获得蕴含于过去案例中的丰富经验和知识,从而避免了在专家那里获得不完全,非确定知识的不足.2.2CBR 技术的基本结构基于案例推理的一般过程的结构如图 1 所示.基于 CBR 技术的工程车辆故障诊断系统的总体结构与组成3.1 总体方案系统的主要目的是建立基于 CBR 技术的故障诊断软件系统.将工程车辆维修专家有关工程车辆故障诊断知识(包括使用测试仪表的经验知识)收集起来,加以分析整理,以案例和案例的解决方法的形式存于计算机中.在实际进行故障诊断时,新的故障现象形成新的目标案例,系统检索类似案例的
11、解决方法来解决新的故障诊断.若不存在类似案例,可以尝试新的解决方法.成功和失败的经验将记录于数据库中,成为新的知识.系统的功能结构模型如图 2所示.3.2 关键技术(1)案例的表示工程车辆的故障非常复杂,在运行中发生最多的是油路,电路故障.油路,电路的故障又可大致分为发电机燃料系故障,起动系故障,点火系故障,燃料系和点火系综合故障等.在长期的使用和维修中,解放军理工大学(自然科学版)第 3 卷图 2 系统的功能结构模型Fig.2Thefunctionalarchitecturemodelofthesystem工程车辆维修专家对故障现象和故障可能的故障原因之间有大致的了解.其诊断过程可以用故障树
12、来表示,如发现起动机转动无力的故障树.如图 3 所示.案例的表示主要是用一定的数据结构来描述案例的特征,案例的特征主要包括结构特征,功能特征和属性.案例可描述如下:CASE 一CaseID,f,S,(tl,7l,伽 1,(t2,72,伽 2,(t7,J伽,(CaseID 一1,(CaseID 一 2,.(CaseIDm其中,厂表示案例的CASEl/l 璺壁垂 .1CASECASEIII-2.1 开关开举启动档,l 灯光显着变暗 IcAlsE-.-l 鼍毳囊謇饕靠明显升高 II 温度正常 Il 灯光变化不大 II 用起子短接( 路)电I 池开关两主接柱 CASE1-2-1lCASE1.2.2.二
13、=_: 二二 .l转动仍无力 lI 转动轻快有力 IlIIl图 3 起动机转动无力故障树Fig,3Thefaulttreewhenthestarterwrithespowerlessly特征,表示案例的匹配权值,(f,伽分别表示第个测试值,测试方法和相应的权值,一表示可能的故障原因和解决方法.对于复杂的案例,可分解为一组子案例集,CASE 一 Case,i 一 1,2,m,子案例继承父案例的所有特征,并具有自己的特征.在工程车辆故障诊断中,根据故障的不同和诊断的难易,案例可具有多达 10 层甚至更多.案例库以特征索引树的方式建立,树中的每一个节点都包含一组特征信息,子节点继承父节点的特征,但不
14、继承父节点的故障原因,因为随着诊断的逐步深入和更多特征信息的取得,故障原因将更为确定.工程车辆故障诊断系统根据专家的维修经验共建立了 3O 多个索引树.图 3 还显示了起动机转动无力时的案例组织方式,用面向对象方法表示的案例如下.起动机转动无力案例:FauhCase 一(案例号(Case1)特征:起动机转动无力匹配权值:1测试 1:灯光测试 1 测试方法:开大灯,同时将点火开关开至启动档测试 1 权值:1可能故障原因:线路接触不良,蓄电池故障,电池开关故障或起动机内部故障子案例 1:Case11子案例 2:Case12(2)案例的检索和学习相似度的定义与计算案例推理的基本原理是相似的情况引发相
15、似的结果,因此相似度的定义是基于案例推理系统设计中的一个重要任务.设 CaseExist 一(I,to“to 为案例库中已存在的案例,CaseNew 一(厂.,f,为新案例.以.表示第个特征的相似度,若特征值是数值型的,则 S 一 1-abs()/to),对于非数值型的特征值,若特征基本相同,S 一 1,否则 S,一 0.由此,案例的相似度:S 一(*,)/伽,)*100%特别需要指出的是,由于工程车辆故障的复杂性,故障的特征也呈多样性.在计算相似度时,若目标案例中根本不存在与新案例中同样的特征值,则它们之间的相似度为 0;若新案例的特征项有多于案例库中案例的特征项,这些案例库中不包含的特征项
16、不计入当前的相似度计算;若新案例的特征项少于案例库中案例的特征项,则这些缺少的特征项的相似度为0,其对应的权值也不计入相似度的计算.案例的检索案例的检索是首先计算新案例和系统各索引树根节点的相似度.根据相似度最大的原则可以定位到相应的故障索引树,再根据新案例中的其它特征信息(必要时通过特定的测试,观测可以增加的新测试特征信息)扩展到该节点的子节点来进行相似度计算,匹配到相似度较大的节点,重复上述过程,直至找到确切的故障原因或到了故障索引树的叶子节点,则故障诊断的过程结束.案例的检索过程如图 4第 6 期郭坚毅,等:基于 CBR 的工程车辆故障诊断系统所示.输入新案例特征搜索具有最大相似度的系统
17、各索引树根节点搜索该索引树,计算各节点的相似度,找出具有擐大相似度的节点N近一层雨节点最l 一一对每个具有最大相似度的节点依次测试其测试项,直至叶子节点,最后再对各叶子节点计算与加入新的特征的新案例的相似度,得出具有最大相似度的叶子节点l输出该叶子节点的故障原因和维修措施图 4 案例的检索过程Fig.4Theprocedureofthecasesearching案例的学习当一个案例在推理时,在故障索引树中的某个节点后找不到相应的匹配子节点时,则在该节点后增加一个子节点.除父节点特征项以外的其它特征项即为该节点的特征项,系统默认为每个特征项分配一个权值 1,用户也可以根据实际经验对权值进行修改.
18、新案例产生后,用户可以利用其父节点的可能的故障原因和排除方法对新案例进行故障诊断,如果成功,则将相应的故障原因和排除方法存入该案例节点的故障可能原因和解决方法中;若在其父节点的故障解决中找不到合适的故障排除方法.则可尝试其它方法,若找到解决方法,则将其故障原因和解决方法存入该节点,该节点的父节点以及父节点的各祖先节点,包括故障索引树根节点的故障可能原因和解决方法中.至此,该案例的学习完毕.4 结论基于 CBR 的系统可以解决基于产生式规则的系统在某些方面的缺陷,尤其是在某些知识和经验难以用规则描述的情况下,基于 CBR 系统显示出较强的适应能力.但总体上来说,CBR 技术是人工智能领域的新分支
19、,各方面的研究和应用还处于探索阶段,若要在工程车辆故障诊断系统中得到更好的应用.其案例的表示与组织方法,案例的检索和匹配方法,案例的自学习方法等技术还有待进一步完善.参考文献:1杜晓明,于永利 .规则推理和案例推理的研究 EJ.计算机工程,1998(5):33 35.2田少民.工程机械的状态监测与故障诊断技术J.工程机械,2001(1):26-30.33 高剑峰 ,蒋华,张申生.CBR 关键技术研究J.计算机工程,1998(6):44 46.4周凯波,魏莹 ,冯珊.基于案例推理的金融危机预警支持系统J.计算机工程与应用,2001(14):18-21.EslwATS0MI.CasebasedreasoningisamethodologynotatechnologyJ.KnowledgeBasedSystem,1999,12(5-6):303308.63AAMODTA,PLAZAE.Casebasedreasoning:fou
