新時代汽車智能化檢測和維修技術研究

刁慧平

摘要：2020年以來汽車工業飛速進入智能新時代，智能化是汽車發展的一個必然趨勢。與之相應的是傳統汽車故障檢測和維修方式也要適應汽車智能化發展的趨勢，能夠利用智能化手段快速檢測高度復雜的汽車故障，精準進行診斷，為快速維修提供準確的依據。同時，采用智能化維修技術，提高維修效率和精準度，減少傳統人工維修帶來的問題。

關鍵詞：新時代;汽車;智能化;檢測和維修技術

中圖分類號：U472.9? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）10-0132-02

0? 引言

汽車新技術日新月異，各系統結構日益復雜，對維修的要求越來越高。而且隨著智能化水平的日益提高，車載電子設備增多，用戶對汽車的體驗要求越來越高，在一些特殊場景下，要求快速檢測汽車故障。比如汽車在高速上出現不能啟動，車主不能判斷是發電機不發電，還是起動機故障，只能等拖車，這樣危險性就會增大。如果能夠快速排除就會大大降低這一風險，假如智能檢測系統能夠快速判斷發電機不發電，此時如果車上除了司機還有其他人，就可以用別擋打火等方式快速駛離應急車道。目前傳統汽車修理主要靠經驗判斷，尤其是發動機等故障，拆卸復雜，判斷經常失誤。對于一些復雜故障檢測的時間往往占到80%左右，維修時間僅占到20%。維修中過程中還因為操作不當造成各種失誤，比如換錯變速箱油，操作程序不當造成車輛損害，甚至發動機內部構件彈出發生重大安全事故。在此背景之下，結合汽車智能化發展的方向，應用智能檢測和維修技術就是未來汽車產業發展的大勢所趨。

1? ?汽車智能故障檢測技術

1.1 汽車智能故障檢測技術的優勢

智能化故障檢測技術結合了AI技術和故障診斷技術，能夠對汽車的發動機、冷卻系統、電氣系統、控制系統等進行診斷。和傳統人工經驗相比，智能故障檢測能夠精確給出汽車各項故障的參數，比如輪胎胎壓通過判斷四個輪胎胎壓分壓是2.2bar、2.4bar、2.8bar和2.7bar，即可以判斷車輛動平衡問題是由胎壓引起，進而通過傳感器系統對輪胎進行受力分析，無需扒胎就能夠智能分析是否存在漏氣現象。然后結合機器視覺系統，對輪胎表面的紋路進行判斷，找出漏氣點。和傳統汽車故障檢測技術相比，智能故障檢測技術更符合汽車智能化時代的發展方向，能夠在數據庫中快速判斷汽車的各類故障，對故障原因分析更精準、更快速，能夠有效解決傳統汽車故障檢測中耗時耗力但是也不能找到故障原因的問題。比如，某汽車水溫不準，跑了幾家修理廠，先換節溫器，又換溫度感應塞，最后拆卸水溫表進行修理，都沒有找到故障原因，更換后汽車水溫表水溫仍然處于低位上不來。這就是典型的依靠傳統經驗維修帶來的弊端，一旦修理人員不能夠準確排除故障，耗時耗力也不能解決。

1.2 汽車智能故障檢測技術的分類

1.2.1 神經網絡故障技術方法

該技術具有強大的非線性處理功能，容錯性強，因此能將汽車故障快速分類。但是其缺陷在于學習樣本量大，訓練時間長，因此推理能力較差。目前以BP神經網絡應用最為廣泛，但需要采用自適應調整參數法等方法進行改進。

1.2.2 故障樹技術方法

該方法常應用于汽車故障檢測，其采用圖形結構的方法簡單有效，能夠對故障率高的部件進行優化。但是需要專業人員進行分析，而且系統復雜度提高，其推理速度會減慢，因此要結合其它方法。

1.2.3 案例推理技術方法

其原理是通過過去知識重現來解決汽車當前遇到的問題，對其進行改進的基礎上，能夠實現分層檢索，提高檢測的精度。但是該技術需要在對組織結構和檢索算法進行優化，并且依賴豐富案例庫提升自學習能力，對案例庫的數量要求較高。

1.2.4 規則推理技術方法

規則推理方法接近于人的思維方式，該方法也被稱為RBR診斷技術，通過對規則建立索引，能夠快速找到相應規則，匹配效率高。但是存在規則推理無法解決復雜結構、規則不統一等問題。

2? 基于案例推理方法的汽車智能檢測與維修模型

由于大數據技術的飛速發展，本研究采用案例庫推理方法，適應未來車聯網等技術的發展。一旦發生故障可以直接通過車聯網等系統直接錄入到案例庫中。

2.1 基于案例推理方法的汽車智能檢測

對于案例推理方法，其關鍵技術是案例學習。案例相似度記為S=（S1，S2，…，Sn）（n∈1，……，N;0≤Si≤1）。當Si=0時，作為新案例，與所有案例都不相似，保存入庫。當Si=1時，說明與歷史案例完全相似，則不保存。用五元組的方法表示故障案例，E=<N，T，D，R，A>，其中N是唯一標識符，T是種類，D是故障征兆屬性值，R是故障原因。以潤滑系統故障檢測為例，其故障案例可以表示為N=0001;其中故障種類T1表示為發動機，T2表示為潤滑系統;故障征兆屬性值D1表示為機油壓力，D2表示為機油溫度，D3表示為機油顏色，D4表示為機油氣味。故障原因R表示為管路破損。A是輔助說明信息。

2.2 基于案例推理方法的汽車智能維修

維修模型可以用四元組來進行表示，即E=<N，T，S，A>。其中T表示為維修工具，S為解決方案。以火花塞故障為研究案例。同樣，N=00001，維修工具T1表示為鯉魚鉗，T2表示為套筒，T3表示為接桿，T4表示為棘輪扳手。S表示為維修解決方案，即使用維修工具拔下高壓線，取下火花塞，進行跳火測試。A表示其中的維修時間和費用等信息。

2.3 汽車故障與維修案例檢索策略

盡管大數據技術飛速發展，但是因為汽車的零件成千上萬，其故障種類繁多，因此案例數據庫異常龐大。所以要對系統進行優化，提升檢索效率，建立分類數據庫的組織結構。具體來說，在分類過程中，可以設置如下分類結構：一級結構包括車身、底盤、發動機、電器和電子設備，底盤包括轉向系統等，發動機包括配氣系統和冷卻系統等，電器和電子設備包括啟動系統等，車身包括后備箱等。以此設置索引結構，并且設置多級代表性案例。通過分類分層次檢索，可以提升檢索效率。

2.4 案例推理和規則推理的混合

案例推理方法，只需要從數據庫中進行匹配即可完成推理，但是沒有相關案例時，則需要復雜的規則推理進行判斷。因此要對案例推理方法進行優化，具體來說，當案例推理不能夠滿足故障診斷需求時，則進入到規則推理方式。通過規則提取和人工專家診斷方式，進行配合，提升診斷的水平，并且提出相應的維修解決方案。

3? 汽車智能故障檢測與維修的系統設計和應用

3.1 汽車智能故障檢測與維修的系統設計

系統采用模塊化設計方法，方便加入各類模塊，維護高效便捷，可擴展性強。系統應該包括設置模塊、知識管理模塊、故障診斷與維修模塊、案例學習模塊等。考慮到修車人員的學歷普遍較低，越是經驗豐富的修車師傅其教育經歷越少，因此操作應該簡潔，界面具有親和力，最好和手機操作界面類似，符合維修人員的使用習慣。同時系統應該具有高度的系統的可靠性、便于維護和安全性。同時方便融入車聯網等新系統，能夠對車內外環境進行監測等。系統可采用三層C/S結構，使用VS開發環境。同時融入VR等技術，能夠對汽車故障進行模擬，以滿足零部件更換等需求。在系統設計中要充分融入當前云計算的開放環境，大量搜集相關案例不斷補充進入到數據庫中，彌補對專家的依賴。智能檢測和維修系統要融合GPS技術、機器人視覺技術、關鍵部件安全控制技術等，不斷推動技術創新和系統的功能，比如利用該系統結合VR技術，并且連接案例庫，將每一種故障案例的發生、原理和維修過程，用VR視頻的方式呈現出來，將其上傳到云平臺，方便智能維修。

3.2 汽車智能故障檢測創新技術的應用

未來汽車智能故障診斷技術要向網聯化方向發展，應該努力在這方面取得突破，比如給整車搭建完善的電氣架構和網絡架構，引入域控制器，進行T-GW擴展。在此技術上實現零部件診斷功能，可以基于CAN主干網根據零部件的運行提出診斷需求。比如，傳統汽車維修需要儀表盤報故障，才能夠開到修理廠進行維修，甚至是儀表盤不報故障，車主感覺到明顯故障之后才能維修。但是通過智能診斷平臺等新技術，可以自動判斷故障信息，并且能夠給車主推薦應急處理方法和就近維修點。如果車輛不能開到就近維修點時，還可以連線人工專家等，幫助提出緊急處理和正確處置的措施。未來汽車故障檢測越來越多采用免拆的方式，能夠通過識別圖像、判斷聲音頻率、通過對車輛運動狀態進行判定。

3.3 汽車智能維修技術的應用

這里的智能維修指的是用機器人代替人來進行重復性的安裝和維修工作，比如噴漆、鈑金、安裝、保養等。對于一些重復性的領域，使用機器進行操作比人操作精度更高，正如汽車的全機器化生產一樣，在維修領域也可以逐漸采用這一技術。要實現智能維修技術的突破，可以從智能拆車技術入手。智能拆車技術的應用能夠快速拆下大量的拆車件，拆車件其優勢在于是原廠件，而且成本低，匹配度高，滿足快修的需求，不需要等待廠家或者配件商處發貨。同時使用拆車件更節能環保，滿足低碳汽車發展的需求，在維修中實現汽車零件的循環利用。其更大的優勢在于進行智能化拆解的過程中，可以更放心大膽地對程序進行設定，并且評估是否對汽車造成損害，維修和拆卸的過程中遵循程序設定，根據此可以更好地對程序進行設定。從某種意義上來說，智能拆車技術的應用是汽車智能維修的試驗臺，在拆解的過程中，可以根據實際狀況對智能機械手和機器人進行設定，通過機器學習等功能熟悉拆卸、安裝等基本步驟，并且對每個步驟進行記錄，熟悉汽車的各個部件結構，將其納入到數據庫內。

4? 結語

未來新能源汽車將會逐漸取代燃油車，汽車智能化水平也會大大提高，智能檢測和維修將會取得飛速發展。因此，必須具有前瞻視野，大膽推動技術的創新。

參考文獻：

[1]錢強.汽車維修故障診斷智能決策支持系統的研究[J].內燃機與配件，2020（002）：135-137.

[2]韓龍海.人工智能檢測診斷技術在汽車維修中的應用[J].汽車世界，2019（023）：1.

[3]王琳.汽車檢測線遠程智能診斷系統研究[J].設備管理與維修，2020（002）：157-159.

[4]劉立展.使用H6汽車智能診斷平臺關閉大眾2017款邁騰啟停系統[J].汽車維修技師，2019（005）：124.

[5]謝立果.電子診斷在現代汽車維修新技術中的運用研究[J].汽車實用技術，2019（08）：232-234.

[6]滕文祥.機械電子診斷技術在汽車檢測維修中的應用[J].制造業自動化，2019，41（007）：135-138.

[7]劉冬梅.基于數據分析的車輛故障系統研發[J].電子測量技術，2020，43（15）：155-159.

[8]沈智超，詹路，謝冰，許振明.廢舊汽車智能拆解技術研究進展[J].環境衛生工程，2020，28（05）：25-30.