汽車動力性能檢測與故障診斷維修

景 廣

(濟南工程職業技術學院，山東 濟南 250200)

0 前言

車輛技術的快速進步與社會汽車保有量的高速增長促進了汽車維修行業的快速發展。汽車維修技術與汽車更新換代是同步的。但受人才缺口大、行業管理缺乏規劃性、技術能力不足等諸多條件限制，雖然我國汽車維修服務能夠滿足汽車維修保養的需求，但在一些高端技術領域，汽車維修服務還處于空白，嚴重制約了我國汽車行業的發展。隨著新能源車輛的增多、智能化系統的升級和車輛用途的多樣化，現代汽車維修所面臨的問題也越來越復雜，這對汽車維修行業的技術提出了更高的要求。

1 現代汽車常見故障

1.1 啟動和控制系統故障

動力控制系統故障是汽車典型的故障類別。以新能源汽車為例，與傳統汽車不同，新能源汽車沒有機械發動機與變速箱，其動力完全來源于電機，因此新能源汽車的電機控制系統直接決定其行駛的舒適度、安全性和能量轉化率。新能源汽車目前仍處于發展階段，存在一些問題和缺陷。如動力電機轉速控制與車輛行駛速度之間的強耦合作用，易使車輛在不同路況時出現行駛狀態難以控制的問題。由于電機控制系統的組成非常復雜，增加了其故障發生概率。特別是制動系統，一旦出現問題，可能引發嚴重的事故。

1.2 電子電路故障

儲能電池是汽車電機控制系統的能量來源，一切操作活動均由儲能電池提供電能。隨著汽車功能不斷的豐富，車載電子系統越來越復雜，即使是傳統的燃油汽車，其功能的實現也離不開電能。作為能量儲存單元，儲能電池一旦發生故障將直接導致汽車癱瘓。特別是新能源汽車，其整車電源的構成更復雜，大量的電池管理子模塊與輔助元件在復雜的環境條件下更易出現問題，且受人為影響更大。現代汽車內部的電路布置非常復雜，特別是對于純電動車，其供電系統受環境條件的影響，當線路長期處于潮濕、高溫等環境中，極易發生線路絕緣失靈、短路、漏電等一系列故障，存在嚴重的行車安全風險。

1.3 零部件勞損

無論汽車技術如何發展，都無法避免出現零部件的勞損，如機械變形、連接部位松動、車漆掉落、油質下降、輪胎磨損等問題，這些故障非常普遍。在維修時，不能做到及時保養、更換部件，以及對零部件性能狀態的檢測不足，均會造成車主無法正確判斷各類零部件的工作狀態，即使是專業的技術人員也會出現判斷不準確的情況，這在一定程度上為車輛行駛安全帶來了不確定因素。

1.4 其他故障

隨著人工智能、物聯網、計算機、定位導航、視覺識別等技術的進步及相互之間的深度融合，現代汽車的自動駕駛功能越來越成熟，為人們的出行提供了便利。但汽車與有軌列車不同，其行車路線和周圍環境具有不確定性，一旦自動駕駛系統出現路徑預判錯誤，可能導致嚴重的交通事故，但解決這些系統故障難度較大。同時，雖然汽車智能化應用功能在不斷豐富和提高，但仍會出現系統失效的問題，如自動防撞系統、自動泊車功能失靈等。

2 汽車維修存在的問題

近20年來，我國汽車保有量逐年增加，推動了汽車維修行業的快速發展，汽車維修企業的數量和規模不斷擴大。但隨著汽車工業技術的進步，車輛結構越來越復雜，尤其是新能源汽車的發展給汽車維修行業帶來了巨大的挑戰。目前，雖然汽車維修行業總體發展較好，但汽車維修技術已無法滿足市場需求。同時汽車維修企業的人員技術水平和維修設備能力參差不齊，且汽車維修業管理機制仍有待完善，導致出現汽修配件質量不達標、維修質量缺乏統一標準等問題，很難確保汽車維修的質量。另一方面，對專業汽修人才的培養不足，一線員工的理論水平和操作水平均存在良莠不齊的情況，在很大程度上阻礙了汽車維修技術的創新和發展。

3 汽車性能檢測與維修技術要點

3.1 開發動力檢測系統

隨著自動控制、新材料、系統工程、計算機等領域技術的進步，汽車的電子化程度也不斷提高。以動力系統中電子技術的應用為例，現代汽車發動機技術不斷提高，自動化電噴系統被廣泛應用。與傳統的機電混合式噴油系統相比，自動化電噴系統在為汽車提供相同動力的基礎上，提升了燃油的利用率，不僅降低了汽車的使用成本，也降低了溫室氣體的排放量，對生態環保具有重要意義。在結構上，電子控制噴油系統更加復雜，其包含了微機系統、檢測裝置、傳感器、控制器等大量輔助設備。汽車在運行時，檢測系統將發動機氣缸進氣量、燃燒效率、溫度變化、轉速等諸多數據傳送至控制系統，系統結合車輛行駛狀態、路況特征、車主駕駛習慣等條件，利用智能預測算法進行綜合分析，自動將發動機調整至最佳狀態，進而調整供油量和發動機轉速，以提高車輛行駛的經濟性。同時，電機控制系統收集發動機的各項參數，利用專家系統對其使用可靠性與安全性進行動態評估，當可能影響行駛質量的因子權值出現異常時，電機控制系統向駕駛人員發出告警，提醒其對發動機進行維修和保養。

3.2 構建智能故障診斷系統

信息科學技術推動了工業技術的發展，汽車也不斷向高度智能化、集成化及快速化方向發展，我國汽車智能化設備更加系統化、復雜化，但汽車的故障也越來越復雜。當某一組部件出現問題時，可能引發一系列連鎖反應，影響車輛的行駛安全，給車主造成損失。能夠快速準確的找到汽車故障原因并及時處理是汽車安全行駛的重要保障，所以，研發高效率的車輛故障診斷技術是十分必要的。

神經網絡技術在人工智能領域的應用十分廣泛，其自學習能力在一定程度上模擬了類人思維，能夠實現大量非線性映射關系的高精度擬合，在汽車故障診斷方面具有極高的應用價值。但在單一的神經網絡組成中，各個神經元并無實際的物理意義，相應的閥值選擇與傳遞函數僅為擬合數據而設計，在處理大量不確定性關系時存在不足。模糊系統通過“if-then”的表達形式，模糊地劃分輸入空間，通過制定模糊規則對應輸出，形成“推理判斷”，這一點與神經網絡不同。模糊系統是基于事物發生的可能性而構建的模型，不具備自我學習能力。將神經網絡與模糊系統結合，形成模糊神經網絡來構建故障診斷模型，實現2種方法的優勢互補，提高模型故障診斷的準確性。基于模糊神經網絡構建故障診斷系統步驟如下。

(1)數據采集與預處理。智能故障診斷系統為自學習系統，通過對大量的汽車行駛數據的收集和處理，形成模型輸入、輸出的映射關系。汽車結構組成復雜，因此需要針對不同模塊分別建立對應的診斷模型。以發動機故障診斷模型為例，模型的輸入變量為機械振動量、發動機平均和瞬時油耗量、發動機溫度、發動機轉速及發動機運行時長。模型輸出為汽車典型動力性能故障。采集并預處理汽車行駛的大量連續性數據，剔除粗糙誤差，為后續模型構建提供數據。

(2)模型構建。首先，確定神經元數量，其中輸入層神經元數量為輸入變量數量，輸出層神經元數量為故障代碼數量，本文研究的神經網絡包括輸入層、中間層和輸出層。中間層神經網絡數量為輸入層的2倍。調整神經網絡神經元閥值，設定傳遞函數參數，通過迭代運算更新參數獲得神經網絡基本結構。其次，對輸入變量進行聚類分析，本模型輸入變量為5個，因此需設置5個聚類中心數，通過聚類運算獲得聚類中心，根據各變量數據點與聚類中心的空間距離，確定數據點與聚類中心的隸屬度關系，進而形成模糊邏輯關系，構成基于“if-then”的模糊系統。模糊系統同樣以迭代運算進行學習，調整相關參數。

(3)智能故障診斷系統。診斷模型能夠實現動態學習，不斷調整和優化網絡參數，增強輸入與輸出的非線性擬合能力。故障診斷系統需實時動態監督數據，因此必須匹配相應的傳感器，以收集輸入變量數據。故障診斷的功能是當輸入變量發生異常變化時，輸出的故障類型會自動識別，并輸出最可能的故障代碼，為精準定位問題原因提供依據。按照故障可能性，將故障代碼從大到小排列，結合逐一排查的方法，提高汽車故障排查率。

3.3 純電動汽車的維修

近年來，電動車的占比越來越高，其綜合性能也成為行業討論的焦點。電池是純電動汽車的動力來源，因此需要按時對電池進行維護和保養。在對電池定期維護和保養時，首先要確保閑置電動車內部電池的合規存放，避免出現電池機械損傷、受潮、高溫、虧電等現象，提高電池的使用壽命。應定期對電池清潔護理和充電，防止電池內部發生硫酸鹽化，產生虧電現象；電池在長期使用后，如出現續航能力下降的情況，應結合電池使用實際情況采取有效的維修措施，在無法維修的情況下，應及時更換電池，并正確處理舊電池，在更換電池時，應確保電池型號的一致性。如電池在運行中出現溫度偏高的情況，或者電池在充電過程中出現超正常閾值的情況，應立即檢查汽車內部溫度傳感器，如數值比對出現偏差，應立即校準溫度值。同時，應檢查電路連接點是否出現松動、電池內部散熱風扇是否處于開啟狀態、是否需要填充內部隔熱材料，找出溫度出現偏差的原因。在發動機運行時，如出現火花或者局部溫度過高等現象，應考慮電動機內部是否進水，或者檢查電動機的運行狀態。當電動機出現故障時，應檢查電路保險絲狀態和電源開關狀態。

4 結語

綜上所述，汽車維修技術對于提升車輛行駛安全，降低用車成本都具有重要意義。隨著電子、通信網絡、人工智能、大規模集成技術的進步，汽車維修必然向著規模化、科技化、專業化的方向發展。面對日益增長的市場競爭，企業為了實現可持續發展也會更加注重規范標準、專業人才隊伍建設、加大資金投入、多元模塊融合變革。總之，落后的汽車維修模式已無法適應當前的市場需求，傳統的行業理念也必將被替代，只有不斷的融合創新才能驅動行業發展。本文結合我國汽修行業現狀，創新性的提出了幾點提升汽車性能安全與維修技術的措施，但缺乏更加深入的研究與宏觀層面探討，需要廣大同行更進一步的探索。