基于規則算法的新能源專家診斷系統

摘要： 在新能源商用車售后市場中，面對車輛故障而電控系統未能直接報出明確故障碼的情況，售后技術人員往往面臨診斷難題。對此，可以利用基于規則算法的新能源專家診斷系統。該系統能夠通過快速、高效的方式識別并定位故障原因，從而提高售后維修效率。系統內不同組件協同工作，以多樣化的數據流傳輸方式，共同驅動軟件功能，實現智能化故障診斷。

關鍵詞：專家診斷系統；數據驅動；故障排查；云平臺

中圖分類號：U471 DOI ：10.20042/j.cnki.1009-4903.2024.03.005

0 引言

在當今汽車行業電動化、網聯化、智能化、共享化的新四化浪潮推動下，汽車電子化程度持續攀升，汽車電子成本在整車成本中的占比日益增大。隨著汽車電子技術的廣泛應用，汽車已逐步演變為一個高度集成的復雜智能網絡系統，其技術含量與結構復雜性均達到了前所未有的高度。

目前，汽車售后維修人員主要依賴專業的診斷工具及自身豐富的經驗來診斷車輛問題。各汽車制造商提供的診斷設備能夠通過OBD（ 車載診斷系統） 接口對整車進行故障檢測，并根據檢測出的故障代碼提供可能的故障原因及相應的處理方案。但當車輛未報出明確的故障代碼時，售后人員就難以處理，尤其是在處理電子系統復雜且集成度高的新能源商用車時，情況尤為棘手。此時，售后人員往往只能記錄故障車輛的CAN（ 控制器局域網） 總線報文，并將其發送給制造商進行分析，這一過程不僅耗時較長，還難以迅速、便捷地定位并解決車輛故障。

鑒于上述現狀，本文旨在開發一個基于規則算法的新能源專家診斷系統。該系統依托故障診斷專家建立的數據庫，驅動診斷軟件的故障排查流程界面，實現自動定位整車故障根源的功能，從而快速維修那些無故障碼但存在實際問題的車輛，顯著提升售后服務的效率與質量。

1 系統數據傳遞

1.1 新能源專家診斷系統概述

新能源專家診斷系統由云平臺、Android 端軟件以及故障診斷專家3 部分組成，如圖1 所示。其中，故障診斷專家擁有豐富的故障處理經驗，熟悉控制器控制邏輯和車輛診斷技術，并具備良好的軟件編程能力。云平臺則負責數據錄入、存儲和推送。通過平臺的UI 界面，故障診斷專家能夠輕松輸入各類診斷數據，而云平臺則根據車輛診斷的實際需求，將對應數據下發至Android 軟件。此外，云平臺還能確保數據傳輸過程中的安全性，保護用戶隱私不受侵犯。Android 端軟件則通過云平臺獲取最新、最準確的診斷數據，并通過藍牙與車輛進行通信。在接收到數據后，Android 端軟件能夠自動運行故障排查功能，通過智能算法與預設的故障排查流程，迅速定位故障源頭，為用戶提供及時有效的解決方案。

為了更直觀地展示新能源專家診斷系統中數據的流轉過程，我們繪制了如圖2 所示的數據流轉圖。該圖清晰地展示了數據從故障診斷專家通過云平臺輸入，到Android 端軟件獲取并解析，再到故障排查流程自動執行，并最終完成故障定位的整個周期。在這一過程中，數據始終在系統中保持活躍狀態，為系統的正常運行提供著不可或缺的支持。

1.2 規范數據模板

故障排查模板的設計匯聚了售后服務站、診斷專家、Android 軟件開發人員、數據庫專家及UI 設計等各方意見，旨在滿足診斷專家的輸入要求，并方便維修人員的實際操作。基于該模板，UI 設計師精心打造了故障輸入界面，數據庫專家則負責設計了高效的數據存儲方案。云平臺開發者則設計數據接口的輸入輸出參數并開發接口。最終，Android 端軟件開發人員通過解析JSON 數據，實現數據驅動界面的功能，有效定位車輛故障源頭。

1.3 云平臺數據錄入與傳遞

云平臺的UI 輸入界面依托于Vue Next Admin 后臺管理模板開發而成，該模板基于Vue 3.x 構建，融合了CompositionAPI setup 語法糖、TypeScript、Vite 構建工具、Element PlusUI 組件庫、Vue Router Next 及Pinia 狀態管理等先進技術，全面支持手機、平板及PC 等多種設備。云平臺UI 不僅實現了對用戶和角色的靈活管理，還提供了便捷的故障分類錄入功能，界面設計友好且具備響應式布局，適配多種設備。

在數據存儲方面，云平臺采用了Spring Boot 框架，并集成了MongoDB、MySQL 及Redis 等多種數據庫技術，以構建高效的后端系統。通過Spring Data MongoDB 和Spring DataJPA，系統能夠輕松實現與MongoDB 和MySQL數據庫的交互，確保數據的持久化與管理。同時，利用Spring Data Redis，系統有效利用了Redis 作為緩存和數據存儲介質，顯著提升了系統的性能與響應速度。這一系列技術的整合，使得云平臺能夠迅速完成數據的訪問、存儲與管理，為用戶帶來流暢、可靠的后端服務體驗。

云平臺的發送與接收接口遵循前后端分離原則，后端采用Spring Boot 框架實現，這些接口全面覆蓋了故障數據的錄入、解析、處理、存儲及響應等功能，確保了數據在云平臺與Android 端之間的順暢傳遞。

1.4 Android 端數據接收與處理

Android 端與云平臺的通信采用了CS 架構開發模式。在這種模式下，業務邏輯與數據處理被明確分離：客戶（Android 端）負責接收數據和與終端用戶交互，而云平臺上的數據庫則負責處理并存儲數據。Android 端通過okhttp 框架向云平臺發送請求以獲取數據，并將數據處理功能封裝成軟件接口函數，這些函數既可供UI 界面調用，也可供業務邏輯模塊調用。這種設計實現了數據處理與業務邏輯的解耦，有效降低了系統的維護成本。

此外，Android 端軟件還通過診斷儀硬件與整車進行通信，支持藍牙或Wi-Fi 2 種通信模式。為實現這一功能，需要制定診斷中間件SDK 包的接口，并編寫相應的診斷協議棧，以確保通信的順暢與穩定。

1.5 Android 端數據驅動界面

Android 端軟件架構選用了MVP（Model-View-Presenter）模式。在MVP 模式中，模型（Model） 負責處理數據的加載或存儲，視圖（ View） 負責界面的展示及與用戶的交互，而主持人（Presenter） 則負責協調模型與視圖之間的通信，并將它們分離開來。這種架構使得代碼更加簡潔、清晰，便于開發與維護。

故障排查流程界面通過綁定自定義適配器，實現了界面內容的動態變化。界面上包含了ViewText、Button、ListView、ImageView 等多種控件，根據故障排查步驟的數據流動態展示相應的界面內容。其中，界面數據的動態實時顯示是通過Handler 與Message 機制的緊密配合實現的。Handler 負責發送與處理信息，而Message 則作為消息對象承載具體的數據內容。這種機制確保了數據的實時可視化，使得界面切換更加流暢，避免了卡頓現象的發生。

對于界面更新的自動與手動功能，系統通過控制列表（list） 的序號來實現。當序號有值且被傳遞給流程軟件時，界面將顯示對應序號的內容；若序號為空，則界面暫停更新。在自動更新模式下，序號會自動加一以顯示下一步內容；而在手動控制模式下，用戶可以通過操作觸發序號的增加或減少，從而實現界面的靈活跳轉。

2 實例

本文以新能源商用車中“驅動限扭換擋無動力故障”的排查流程為例進行說明。基于控制器功能邏輯、維修經驗以及診斷功能，診斷專家精心設計了詳盡的故障排查流程步驟。這一流程必須全面覆蓋該故障可能涉及的所有問題原因，否則可能導致問題定位失敗或不準確。流程步驟按照功能檢測的維度進行劃分，每個功能檢測構成一個獨立的步驟，而每個步驟內部又進一步細分為若干個小步驟，以便軟件能夠按照既定流程逐一完成監測與分析工作。

在傳統模式下，面對這類邏輯復雜且不易直接報出故障碼的車輛問題，售后服務站智能采集車輛總線報文，并將其發送給車輛制造商，再由設計人員進行分析，這一過程不僅耗時較長，而且效率低下。而采用本文所述的新能源專家診斷系統后，售后人員只需在Android 軟件中選擇相應的故障類型，診斷軟件便能自動從云平臺獲取“驅動限扭換擋無動力故障”對應的排查流程，并自動與車輛建立通信，自動排查油門踏板信號、MaxPositivePwr 信號、配置字等關鍵數據，最終給出具體的故障原因判斷。

在圖3 所示的排查流程界面中，針對“驅動限扭換擋無動力故障”，系統成功排查出故障原因為“油門踏板異常”，從而解釋了車輛無法行駛的問題所在。這一新的檢查方法不僅極大地節省了時間，還顯著提高了故障診斷的準確性和效率。通過運用先進的技術和設備，車輛問題得以更快速地被發現和解決，有效縮短了車輛維修過程中的停車時間，降低了維修成本。此外，這種快速而準確的檢查方法還有助于提升車輛的可靠性和安全性，以及車輛維修服務的質量和效率，為車主帶來更好的駕駛體驗。

3 結束語

本文所介紹的新能源專家診斷系統，以規則算法為核心，深度融合了數據驅動的理念。通過不斷優化Android 端軟件的故障排查流程界面，該系統實現了數據的高效獲取、精準處理與實時動態顯示，從而能夠迅速且準確地定位故障問題的根源。在數據驅動的軟件設計思想下，我們制定了規范的數據輸入模板，并嚴格確保了接口的安全性，確保了每一步排查步驟都能準確無誤地執行。不過，值得注意的是，由于不同車輛配置下的整車控制邏輯存在顯著差異，這直接導致了數據特性的多樣化。因此，對于該專家診斷系統而言，版本管理顯得尤為重要。此外，與傳統的維修方法相比，基于規則算法的專家診斷系統不僅操作更加便捷，問題定位更加精確無誤，而且在數據維護方面也更為方便高效。

參考文獻

[1]普華永道“.新四化”和全球低碳背景下，汽車產業鏈存在哪些挑戰？[J]，汽車與配件，2024（5） ：25.

[2] 張云鵬.基于數據驅動的設備故障診斷技術[J]，機械工程與自動化，2022（02）：130-132.

[3] 莊萌榕.數據驅動的空調系統故障診斷算法綜述[J]，智能建筑，2024（01）：91-95.