汽車故障診斷技術研究現狀與發展趨勢研究

張書乾，鄧召文

?

汽車故障診斷技術研究現狀與發展趨勢研究

張書乾，鄧召文

（湖北汽車工業學院汽車工程學院汽車動力傳動與電子控制湖北省重點實驗室，湖北 十堰 442002）

隨著汽車產業的快速發展及汽車電子的大量應用，汽車故障診斷技術也得到快速提升，其在汽車安全及維修中發揮著不可替代的作用。文章簡述了汽車發展歷程，對汽車故障診斷技術的現階段及在未來的發展和應用趨勢進行分析。故障代碼自動診斷技術、專家系統、在線與離線診斷技術是目前較為廣泛應用的故障診斷技術，而小波分析、人工智能神經網絡和分析幾何以及數據在線化、信息網絡化、實時化的先進故障診斷技術將成為未來發展趨勢。汽車故障診斷技術將朝著多元化、智能化、系統化的方向發展。

汽車故障診斷；專家系統；小波分析；人工智能神經網絡；分形幾何

前言

汽車故障診斷技術是以汽車和內燃機理論、汽車故障診斷學為理論基礎，以汽車和內燃機結構原理、計算機控制技術及汽車運用性能為分析依據，以汽車試驗及檢測技術為測試手段的綜合技術[1]，為汽車繼續運行或維修提供依據。汽車檢測診斷有兩個不同的目的：對顯現故障的汽車，通過不同的檢測手段，查找發生故障的準確部位和原因，從而確定故障的排除方法；對汽車技術狀況進行全面檢查，確定汽車技術狀況是否滿足有關技術規范的要求及與標準偏離的程度，以決定汽車是否繼續行駛或采取哪種措施延長汽車的使用壽命[2]。

在各種車輛信息分析中，最重要的是保證車輛的安全性。應用故障診斷技術能及時準確地對各種異常或故障狀態作出診斷，消除故障，提高設備運行的可靠性和安全性，并把損失降低到最低限度[3]。由此可見，設備故障診斷技術既保證了車輛的安全及可靠運行，又獲得了很大的經濟效益和社會效益，所以故障診斷技術具有重要意義。

1 汽車故障診斷技術發展歷程

自20世紀70年代初起步的汽車故障診斷技術，在過去的幾十年里有了快速的發展與進步，具體可分為四個階段，即：人工檢驗階段、簡單儀器和儀表測量階段;專門設備進行綜合診斷階段、現代化人工智能階段。在人工檢驗階段，主要依靠維修人員多年的從業經驗，既經濟又方便，但是缺少理論支持，準確性無法得到保障。簡單儀器儀表測量階段和專門設備綜合診斷階段，都是在汽車技術的發展之下產生的電子控制診斷技術，維修人員開始采用設備進行診斷，這些設備為故障診斷技術提供了數據和客觀依據，但是設備沒有足夠的靈活性，而對難以判斷的故障無法靈活應變。人工智能診斷階段是二十世紀九十年代以來正式建立的，在計算機技術的支持下，汽車故障診斷技術得到了大量的客觀數據支持，通過這些數據進行故障處理，在此基礎上汽車故障診斷技術開始出現了智能故障診斷專家系統[4]。

2 汽車故障診斷技術的發展現狀

傳統的汽車故障診斷方法和診斷設備已經不能適用于現今人們對故障診斷準確性和便利性的要求，同時也無法適應新型汽車的構造及原理。所以，為了有效地促進和改進汽車故障診斷技術，不僅要積極主動地去完善汽車故障診斷技術的理論知識，還要廣泛的吸取現代科學的相應成果，使當代的汽車故障診斷技術能夠緊緊追隨社會的發展步伐并滿足人們的需要[5]。

2.1 故障代碼自診斷技術

汽車電子控制系統在設計時，增加了故障自診斷功能模塊，它具有安全容錯處理能力，可以使汽車不會因為電控系統自身的故障導致汽車失控和不能運行。它可以在汽車行駛或整車上電時對電子控制系統各組成部分的工作情況進行不斷監控，出現異常時，可通過內部算法對具體故障進行判斷，并將故障信息以代碼的形式存儲在特定存儲單元內，同時激活相應故障自診斷功能模塊，使故障車輛仍能夠被駕駛到維修站進行維修處理，維修技術人員可以利用專用設備調出故障碼，實現對故障的快速定位和處理[6]。

現代的汽車電子控制系統的微處理器也被稱作“ECU”，其具備故障自診斷的功能。只要汽車電路不完全斷電，汽車ECU中就會自動存儲汽車電子設備所出現的持續性故障，檢修時，技術人員只要用專用設備將故障代碼讀取出來并查詢相應技術手冊即可。一般說來，ECU故障代碼的提取方式可以分為兩種形式，一種是閃光碼方式，另一種是串行數據方式，閃光碼方式是在汽車發動機熄火的情況下，用導線將故障檢測插座中的兩個特殊管腳進行短接（品牌不同略有不同），然后注意觀察車輛儀表盤上對應故障指示燈的閃爍情況，利用發光二極管的閃爍次數和頻率的快慢來表示故障代碼，此方法屬于人工讀碼方式，也是故障自診斷應用的初級模式，對維修人員的經驗要求較高且容易出錯;所以，用串行數據的方式讀碼將被廣泛的應運，即使用專業的檢測儀器——解碼器進行讀碼。串行數據的讀碼方式只要將故障插座連接（OBD），在對應解碼器上進行讀碼及相應操作，就能夠順利讀取該汽車的故障代碼。目前，不同的廠商都為自己所生產的汽車，設計、制造了專用的故障代碼解碼儀[7]。

閃光碼方式比較簡單，利用發光二極管的閃爍來表示故障代碼，在一些老款車型中使用較多，是故障自診斷應用的初級模式。由于該模式表達的信息有限，而且操作不方便，目前大部分車型采用了串行數據診斷模式，或作為過渡，同時支持兩種模式；而串行數據方式讀碼雖然可提高讀碼的準確性，操作的簡便性，但是成本較高。

2.2 專家系統診斷

汽車故障診斷的專家系統又被稱為"EP"。它主要是依據某一專業領域專家的專業知識或工作經驗，然后以專家的知識、經驗為理論基礎，在計算機上創建一個相應的信息系統，使這個信息系統具有專家的知識結構，能夠以專家的能力去完成相關專業領域的任務。現今的汽車故障主要集中于發動機、底盤和電器電路三個部分，而這三個部分中的每一個故障都具有復雜的結構。因此應該建立三個不同的數據庫，分別是“底盤傳動部分故障診斷數據庫”、“發動機部分故障診斷數據庫”和“電器電路部分故障診斷數據庫”。同時，在每個數據庫中都會存在許多互相關聯的數據表。每一種汽車故障的表現癥狀、故障產生的機理、故障產生的原因、存在故障的位置、故障清除和維修的方法等等，都會逐個記錄于數據表中，數據表和數據表之間、數據字段和數據字段之間，也會建立起相應的層次結構，進而將維修知識庫建立為一個有機整體[8]。目前，己研究的汽車故障診斷的專家系統模型有：基于規則的診斷專家系統、基于實例的診斷專家系統、基于行為的診斷專家系統、基于模糊邏輯的診斷專家系統和基于人工神經網絡的診斷專家系統[9]。雖然這些故障診斷專家系統模型有各自的優缺點，但發展趨勢都是向著智能化。故障診斷專家系統功能模塊如圖1所示。

目前，利用專家系統診斷汽車故障的案例不僅在中國,在國外也有許多經典案例。如‘ESET’系統，該系統的主要功能是完成對汽車發動機的故障診斷，根據其系統操作的流程可以得到實現九種不同功能。該系統不僅可以有效地對故障進行診斷，而且能對修理工進行培訓。再如文獻[10]設計的汽車發動機故障診斷專家系統，以DELPHI語言為開發工具，開發了汽車發動機故障診斷專家系統。根據發動機故障的復雜性，依據計算機數據結構原理，采用故障樹的數據結構和關系數據庫原理完成知識表示，建立了知識庫和推理機，實現了確定性和不確定性故障診斷。在汽車公司商用網站上，實現了基于ASP的網絡故障診斷專家系統的應用。

傳統專家系統在實際中的應用越來越多，促進其研究逐漸深入。雖然傳統的診斷專家系統取得初步成功，但同時也存在著大量的不足，比如，新型故障的解決經驗難以獲取、控制策略缺乏魯棒性和靈活性以及相似問題易混淆等系列問題。對于較為復雜的汽車故障來說，該方法容易發生規則沖突，比如組合爆炸問題，同時也存在著難于表征問題域的深層知識，所以該系統不能完全適用[11]。

圖1 故障診斷專家系統功能模塊[12]

2.3 在線與離線故障診斷技術

所謂的在線故障檢測系統是依靠車載的計算機對汽車的電控系統進故障診斷、記錄、報警顯示及應急模式轉換等功能實現過程，其具有較強的即時性。相關還有另外一種診斷的模式被稱為車外診斷也稱為離線故障診斷。它是利用汽車專用的診斷儀器基于信號的方法對汽車的電控系統進行檢測，故障以代碼的方式記錄并保存。

當汽車出現可以檢測到的故障時，車載系統將自動發出警報，提示駕駛者車輛出現故障，這樣故障就可以發現并及時維修，但在線診斷主要針對電控系統的故障，診斷的范圍也有限，同時不能對機械系統進行診斷，診斷精度不高，對較復雜的故障診斷的精度不高，此時就需要結合離線診斷技術。離線診斷是在線診斷技術的延伸和功能擴充，具有檢測效率高，檢測精度高，診斷范圍廣，適應性強的特點，但實時性效果較差，必須被動的使用才可以發現故障。實際中汽車的故障診斷一般都是在線診斷與離線診斷結合使用，在線診斷系統主要進行故障提示，離線診斷系統主要進行數據分析，確定故障的原因和發生故障的具體位置[13]。

2.4 基于CAN和非CAN網絡的故障診斷技術

上位機（PC終端）的數據如果由整車CAN網絡通訊得到，即上位機作為一個智能節點掛在CAN總線上，能夠對CAN總線節點上的信息實時監聽和數據采集，則這種故障診斷技術是基于CAN的，同時，如果所需數據經過外部信號處理模塊，數據采集卡等模塊采集、分析、處理后傳遞給上位機，未與整車CAN網絡發生數據交換，則此種方法是基于非CAN的。相較于非CAN的故障診斷，基于CAN的故障診斷費用比較低，硬件較少，數據采集比較簡單方便，這是在有CAN網絡汽車故障診斷的首選方法，對于無CAN網絡的部分車輛，采用非CAN網絡故障診斷將比較簡單方便。

例如：文獻[14]提供了一種基于輪速的被動式胎壓監測系統，其采集信號通路有兩條，一是CAN總線，二是直接采集輪速傳感器脈沖信號；報警信號輸出也是兩條，CAN總線和硬線。利用CAN的方式硬件實現簡單，成本低。采用硬線的方式從輪速傳感器直接獲取輪速脈沖：該方法可以獲取車輪轉速的直接信號，同時也可以獲取精度很高的輪速信息，因此適合用于精度需求較高的情況。因為直接采集輪速信號，系統精度較使用CAN總線數據有較大提升，實時性也會更強。

3 汽車故障診斷技術的發展趨勢

近年來，汽車故障診斷技術不斷的應用一些新的科學分支，為其自身的發展提供了新的途徑。例如：人工智能神經網絡法，小波分析法及分析幾何。它們有很強的故障診斷能力，雖然在國內的發展落后于國外，但是這幾種故障診斷技術都具有很好的發展趨勢，值得國內外行業的深入研究[15]。

小波分析在汽車和拖拉機的故障診斷中有較好的應用效果，它具有變時域、變頻域的特點，能夠取代傳統上的FFT分析法。比如小波分析可以對汽車進行故障特征的信號分析，它不僅可以廣泛應用于系統辨識之中，而且可以任意逼近各種函數，使得它能夠在汽車故障診斷中，順利的檢測出汽車的故障位置[16]。例如：可以利用小波分析技術辨識非線性對象，當非線性對象沒有發生突變時，兩者之間的輸出差就會比較小；當非線性對象出現突變，兩者之間的輸出差就比較大，通過這一原理能夠快速識別系統故障[17]。

人工智能神經網絡法：人工神經網絡是對生物神經網絡功能進行效仿的一種經驗模型。神經網絡是按照生物神經網絡相似的方式對輸入信息進行處理，由許多簡單元件（一般是自適應的）及其層次組織以大規模并行連接方式構造而成的網絡，這種模仿生物神經網絡組建的人工神經網絡對輸入信號有功能強大的反應和處理能力[18]。人工神經網絡彌補了專家系統由于知識的串行而使得假設選擇困難的診斷缺陷，它可以更加有效的組織和應用人類的經驗和知識。隨著現代汽車結構的復雜化，故障的狀態也越來越多樣，使得故障診斷的難度也隨之變大。在這一情況下，有效的應用神經網絡技術，可以使診斷精度和速度得到較大提升。因此，人工神經網絡技術在汽車故障診斷技術的發展中將會有很大的應用空間[19]。

分形幾何：在數學領域中，分形幾何能夠以函數結構形式解決略顯粗糙或者形狀不規則的物體。將該種數學知識引用到汽車故障診斷分析中，可以取得意想不到的收獲成果。利用分形幾何將汽車在發出故障時所給出的不規則故障信號進行相應信息的提取，并得到其結構特征—-分維數。例如，在豐田汽車實際的故障分析中，分形幾何的主要應用方面有：在汽車處于運行狀態時，把控其整體狀態，確認其有無故障問題；對汽車的各項參數指標進行相關記錄，并分析其工作狀態是否正常，如有隱藏風險，及時警示；在汽車出現故障問題時，對其故障進行分類判斷并結合實際情況分析[20]。

除此之外，汽車故障診斷技術將向著資料數據在線化、故障信息的網絡化和數據反饋實時化方向發展，如圖三所示。資料數據在線化的特點是：交互式電子技術手冊的使用，它將技術資料以數字格式存儲，可以方便的進行查詢，維修人員可以非常方便的查看、瀏覽其想要獲取的信息，大大提高了汽車故障維修的效率，智能化水平較高。同時，解決了傳統紙質手冊不易保管，查詢不便的缺點。用戶可以通過網絡在線訪問維修資料數據庫，實時查詢相關資料。測試設備不僅有測試功能，還能夠提供實時的在線資料數據庫，即測試儀器逐步向儀器資料一體化設備方向發展。故障信息的網絡化：可實現遠程支持，遠程控制和現場診斷信息的收集功能，使得維修和數據的獲取不受時間和地點的限制，同時可有效提高工作效率。數據反饋的實時化：傳統的診斷工具難以追蹤發生在維修站的具體問題，例如哪些故障發生的幾率高，哪些問題客戶反應比較強烈等，而新一代診斷系統可以把診斷過程產生的數據文件同時傳輸到汽車生產商指定的數據庫，汽車生產商的設計、生產、售后等相關部門可以從數據庫上及時清楚的了解車輛的故障率的統計分析結果，以方便汽車生產商在生產過程中有針對性的改善生產環境，控制生產過程，提高產品質量，從而提高客戶的滿意度。

圖2 網絡結構圖

4 結論

不可否認，隨著科技的不斷進步，汽車故障診斷技術朝著多元化、智能化、系統化的方向發展將是必然趨勢。目前較為廣泛應用的故障代碼自動診斷技術、專家系統、在線與離線診斷技術將會更加成熟并得到廣泛應用，而小波分析、人工智能神經網絡和分形幾何以及數據在線化、信息網絡化、實時化的先進故障診斷技術將會快速崛起，為故障診斷技術引進新的思想，新的技術手段，同時為故障診斷技術的發展開辟新的篇章。

[1] 弋國鵬,趙龍等.汽車故障診斷技術 (新編版)[M].北京:人民交通出版社.2011(4).

[2] 陳煥江.汽車檢測與診斷(三版上冊)[M].北京:機械工業出版社,2012.

[3] 余世福.汽油發動機點火正時及故障模式的仿真模擬研究[J].四川大學,2005.

[4] 鮑健.汽車故障診斷技術的現狀與發展趨勢[J].科技資訊,2012 (O5):110-111.

[5] 吳洪昌.簡議汽車電子技術時代人工經驗診斷重要性分析[J].電子測試,2014,(18):105-107.

[6] 王春華.“故障自診斷”在汽車維修中的應用[J].輕型汽車技術, 2009(Z4):66-69.

[7] 韓彥明.簡析汽車故障診斷技術的現狀與發展趨勢[J].汽車與駕駛維修(維修版),2017(05):74-75.

[8] 何琨,衛登科.淺析汽車故障自診斷系統——正確運用故障碼診斷法診斷汽車故障[J].黑龍江科技信息,2010,(34):59.

[9] 陳朝陽,張代勝,任佩紅.汽車故障診斷專家系統的現狀與發展趨勢[J].機械工程學報,2003,39(11):1-5.

[10] 辛惠娟,戴慶輝.汽車發動機故障診斷專家系統的開發研究[J].煤礦機械,2005(02):131-133.

[11] 王子陽,董宇航,郭以勛,趙云龍,孫虎.國內外汽車診斷技術發展綜述[J].內燃機與配件,2018(11):156-158.

[12] 朱全,黃愛蓉,鮑娟.汽車故障診斷專家系統的設計與實現[M].湖北汽車工業學院學報,2010,24(2):70-74.

[13] 李永力,唐秀麗.汽車故障診斷技術的現狀及發展趨勢[J].黑龍江科技信息,2014(31):162.

[14] 陜西汽車集團有限責任公司.陜汽集團基于弱矩陣式的項目管理模式[J].企業管理,2013(03).

[15] 李寬寬.汽車氣壓制動系統制動拖滯與制動跑偏故障的診斷[J].商情,2016,(48):78.

[16] 王健民.從力帆汽車故障的診斷與排除看現代汽車維修的特點[J].企業技術開發(學術版),2011,30(11):110-111,113.

[17] 王春華.汽車故障診斷技術的現狀與發展趨勢[J].汽車與配件, 2016(42):66-67.

[18] 劉金琨.先進PID控制MATLAB仿真（第三版）[M].北京:電子工業出版社,2011.

[19] 王維先.現階段汽車故障診斷技術的現狀與發展趨勢探討[J].科技傳播,2016,8(14):193-194.

[20] 沙頌.豐田汽車故障診斷技術的現狀與發展趨勢[J].內燃機與配件,2018(11):169-170.

[21] 胡光輝.汽車故障診斷技術[M].北京:電子工業出版社,2005.

[22] 仇雅莉.汽車檢測診斷技術與設備[M].北京:電子工業出版社, 2005.

[23] 閔永軍.汽車故障診斷與維修技術[M].北京:高等教育出版社, 2004.

[24] 馮淵.汽車電子控制技術[M].北京:機械工業出版社,2005.

Review of the Vehicle Fault Diagnosis Technology Research State and Development Trend

Zhang Shuqian, Deng Zhaowen

（Hubei Key Laboratory of Automotive Power Train and Electronic Control, School of Automotive engineering, Hubei University of Automotive Technology, Hubei Shiyan 442002）

With the rapid development of automobile industry and the extensive application of automotive electronics, automobile fault diagnosis technology has been rapidly improved, which plays an irreplaceable role in automobile safety and maintenance. This paper gives a brief introduction of the development process of automobile, and analyzes the development and application trend of automobile fault diagnosis technology at present and in the future. Automatic fault code diagnosis technology, expert system, online and offline fault diagnosis technology is widely used at present, while the advanced fault diagnosis technology of wavelet analysis, artificial intelligence neural network and analysis geometry as well as online data, information networking and real-time will become the future development trend. Automobile fault diagnosis technology will develop toward the direction of diversification, intelligence and systematization.

vehicle fault diagnosis; expert system; wavelet analysis; artificial intelligence neural network; analysis geometry

B

1671-7988(2018)22-257-04

TP 316

B

1671-7988(2018)22-257-04

TP 316

張書乾，就職于湖北汽車工業學院汽車工程學院。

湖北省教育廳重點項目(D20171801)；湖北省重點實驗室資助項目(ZDK1201402)，省重點實驗室創新基金項目(2015XTZX0423)。

10.16638/j.cnki.1671-7988.2018.22.092