基于新能源汽車背景下的現(xiàn)代汽車診斷技術(shù)應(yīng)用研究

關(guān)鍵詞：新能源；汽車維修；診斷；故障判斷

0引言

新能源汽車故障相比較于傳統(tǒng)的汽車系統(tǒng)更為復(fù)雜，診斷難度大，且由于發(fā)展的時(shí)間較短，維修人員受到的培訓(xùn)不足，電池維修和回收的難度較高，這些問題普遍存在。需要結(jié)合算法技術(shù)、大數(shù)據(jù)技術(shù)、智能識(shí)別技術(shù)的現(xiàn)代診斷方法，以保護(hù)新能源汽車內(nèi)部的精細(xì)零件，避免造成車身結(jié)構(gòu)的損壞，提升檢測(cè)數(shù)據(jù)的準(zhǔn)確性和可靠性[1]。

1新能源汽車診斷的發(fā)展現(xiàn)狀

1.1新能源汽車產(chǎn)業(yè)對(duì)診斷技術(shù)的需求

伴隨著新能源汽車市場(chǎng)的快速發(fā)展，我國(guó)針對(duì)新能源設(shè)施的維護(hù)與故障診斷設(shè)備也在不斷完善，這些都為用戶充電和維修提供了更加便捷的服務(wù)。但是相較于傳統(tǒng)燃油汽車的故障維修和診斷來(lái)說(shuō)，新能源汽車維修中的診斷技術(shù)的應(yīng)用仍然發(fā)展相對(duì)滯后，還沒有形成系統(tǒng)的維修體系。

1.2現(xiàn)代診斷技術(shù)的概念與特點(diǎn)

現(xiàn)代診斷技術(shù)是基于數(shù)字化、智能化設(shè)備，對(duì)汽車故障進(jìn)行判斷和修復(fù)的技術(shù)，目前這種技術(shù)已經(jīng)在汽車行業(yè)有了非常廣泛的應(yīng)用。基于汽車控制系統(tǒng)獲得傳感器的信號(hào)、執(zhí)行器的回饋線路以及電腦等元件的信號(hào)交互，可以為智能診斷提供良好的診斷基礎(chǔ)，方便維修人員應(yīng)用專業(yè)的診斷工具和軟件進(jìn)行故障判斷。

有效應(yīng)用現(xiàn)有的自動(dòng)化技術(shù)和智能化技術(shù)的成果，可以更加準(zhǔn)確地判斷和維修新能源汽車出現(xiàn)的故障，解決傳統(tǒng)技術(shù)無(wú)法實(shí)現(xiàn)的難題，克服傳統(tǒng)維修技術(shù)的弊端[2]。現(xiàn)代診斷技術(shù)可以幫助維修人員利用多種設(shè)備，降低對(duì)于維修人員個(gè)人經(jīng)驗(yàn)和技能的部分依賴，從而使得更多的、缺乏豐富經(jīng)驗(yàn)的人員可以快速上手，完成智能診斷和維修。在新能源汽車的電動(dòng)機(jī)、發(fā)動(dòng)機(jī)、動(dòng)力電池、電路系統(tǒng)的智能診斷中，現(xiàn)代診斷技術(shù)具有更高的精準(zhǔn)程度，能夠大大縮短汽車維修的時(shí)間。

2新能源汽車常見診斷方法

現(xiàn)代診斷技術(shù)的核心在于利用設(shè)備獲得傳感器信號(hào)，排查故障位置，也就是使用儀器對(duì)新能源汽車運(yùn)行的各項(xiàng)參數(shù)進(jìn)行判斷和讀取，并結(jié)合主控芯片的成分分析，獲得新型診斷結(jié)果。目前，現(xiàn)代診斷技術(shù)的應(yīng)用已經(jīng)達(dá)到了相對(duì)較高的智能化水平，主要基于神經(jīng)網(wǎng)絡(luò)智能診斷、多元信息智能診斷等方法進(jìn)行綜合數(shù)據(jù)判斷。

2.1基于神經(jīng)網(wǎng)絡(luò)的診斷方法

基于神經(jīng)網(wǎng)絡(luò)的診斷方法，關(guān)鍵步驟在于構(gòu)建神經(jīng)網(wǎng)絡(luò)模擬信號(hào)。技術(shù)人員在采集和預(yù)處理獲得的新能源汽車數(shù)據(jù)之后，對(duì)數(shù)據(jù)進(jìn)行降噪處理，該方法能夠?qū)?fù)雜的新能源汽車故障類型進(jìn)行有理化分析，從而有效地判斷故障的具體位置。技術(shù)人員借助大數(shù)據(jù)技術(shù)對(duì)大量數(shù)據(jù)進(jìn)行分析，找出類型一致的數(shù)據(jù)，并明確不同類型的故障特征。利用算法的優(yōu)勢(shì)實(shí)時(shí)對(duì)故障的特征進(jìn)行對(duì)比，最終按照分類排除方法定位到故障可能的原因（表1）。

例如，最常用的（DNN）深度神經(jīng)網(wǎng)絡(luò)和（TL）遷移學(xué)習(xí)網(wǎng)絡(luò)，就是新能源汽車滾動(dòng)軸承故障判斷的一種有效方法，可以使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)期記憶（LSTM）網(wǎng)絡(luò)對(duì)軸承的滾動(dòng)振動(dòng)信號(hào)進(jìn)行預(yù)處理，以提取與故障相關(guān)的初步特征。結(jié)合神經(jīng)網(wǎng)絡(luò)，應(yīng)用stepupsort網(wǎng)絡(luò)搜索方法優(yōu)化滾動(dòng)軸承模擬參數(shù)。該方法不僅可以穩(wěn)健地識(shí)別不同的振動(dòng)類型，還能夠在不同的新能源汽車故障當(dāng)中不斷地加以信號(hào)訓(xùn)練，使得診斷的效率越來(lái)越高，診斷的耗時(shí)越來(lái)越短[3]。、

從目前整體的應(yīng)用可靠性情況來(lái)看，各種診斷方法的準(zhǔn)確率超過(guò)95%。基于神經(jīng)網(wǎng)絡(luò)的診斷方法，還可以與人工智能機(jī)器學(xué)習(xí)深入結(jié)合在一起，處理大量復(fù)雜的故障數(shù)據(jù)，從而減少維修過(guò)程中的不確定性，這種方法在目前的新能源汽車維修中已經(jīng)取得了廣泛的應(yīng)用。為了保障該模型的應(yīng)用有效，未來(lái)新能源汽車企業(yè)還需要不斷地對(duì)故障信息進(jìn)行去除噪聲、處理缺失值、標(biāo)準(zhǔn)化和歸一化等流程，收集更大量的模型信息用于驗(yàn)證，以確保模型在未見過(guò)的故障數(shù)據(jù)上也能有良好的表現(xiàn)。

除此之外，技術(shù)人員還需要不斷地開展交叉實(shí)驗(yàn)，提高神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性和可靠性，優(yōu)化模型的性能，結(jié)合網(wǎng)格搜索、隨機(jī)搜索和貝葉斯優(yōu)化等技術(shù)，找尋最佳的故障診斷超參數(shù)組合，避免過(guò)度擬合。使用正則化、dropout、提前停止等技術(shù)，減少過(guò)度混合的風(fēng)險(xiǎn)[4]。

以新能源汽車底盤輸出功率的檢修來(lái)看，基于神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，能夠進(jìn)一步提高電動(dòng)汽車底盤輸出功率檢修的普及程度，了解故障與電控系統(tǒng)之間的關(guān)系，更加準(zhǔn)確地定位到故障點(diǎn)。一般來(lái)講，新能源汽車底盤輸出功率的調(diào)整，需要在不斷精確的背景之下設(shè)置參數(shù)數(shù)值，讀取和修改控制器的內(nèi)部參數(shù)，能夠進(jìn)一步提高診斷員的工作效率，神經(jīng)網(wǎng)絡(luò)方法可以連接到車輛的控制器和數(shù)據(jù)總線，以開展車輛的實(shí)時(shí)監(jiān)控和有效分析。了解車輛的行駛數(shù)據(jù)、故障記錄存儲(chǔ)之后，整合對(duì)車輛的歷史數(shù)據(jù)，實(shí)時(shí)把控，提高檢測(cè)的效率和精準(zhǔn)程度。

2.2基于故障樹的診斷方法

故障樹分析法（FTA）是智能判斷系統(tǒng)的重要組成，該系統(tǒng)基于計(jì)算機(jī)算法網(wǎng)絡(luò)，對(duì)硬件、軟件、環(huán)境、人為等相關(guān)層面匯報(bào)來(lái)的感知數(shù)據(jù)進(jìn)行判斷。輔助各類傳感信息，智能生成邏輯框圖，方便診斷人員依據(jù)該圖譜對(duì)不同故障原因進(jìn)行定點(diǎn)定位，并且依據(jù)算法給出的參數(shù)范圍，計(jì)算不同部位的故障概率。在現(xiàn)有的新能源汽車的整體智能診斷中，該方法應(yīng)用廣泛，可以有效進(jìn)行故障分層，例如在新能源汽車車燈亮度不達(dá)預(yù)期的情況之下，診斷人員就可以基于故障樹算法（圖1），將故障類型劃分為保險(xiǎn)層、中間電路層、供電層這三個(gè)層次。分層次進(jìn)行原因查找，分析電路故障類型，深入掌握故障位置，還原故障發(fā)生點(diǎn)位，實(shí)現(xiàn)快速維修。

如圖1所示，故障樹診斷應(yīng)用在新能源汽車的繼電器故障排查中，就可以按照邏輯排除方法，首先對(duì)繼電器的負(fù)載端子和線圈端子進(jìn)行故障檢測(cè)，檢測(cè)結(jié)果排除負(fù)載端子故障后，再進(jìn)行靜態(tài)測(cè)試和動(dòng)態(tài)測(cè)試。這一方法能夠?qū)ο到y(tǒng)的復(fù)雜問題做出多個(gè)回路的分析，尤其是在不同的組件和子系統(tǒng)之間進(jìn)行故障識(shí)別和判斷。診斷人員需要不斷收集車輛運(yùn)行的各項(xiàng)數(shù)據(jù)信息，生成故障代碼，記錄維修數(shù)據(jù)，形成車載診斷系統(tǒng)（OBD）。同時(shí)，結(jié)合現(xiàn)有的數(shù)據(jù)，獲取數(shù)據(jù)的內(nèi)容，開展故障排除和分析建設(shè)有效的故障數(shù)。再按照邏輯框圖逐步分解，在更加具體的中間事件和底層事件當(dāng)中。例如列出繼電器故障、負(fù)載端子故障，按照這一流程清晰地反饋各個(gè)故障之間的邏輯關(guān)系，從而幫助維修人員確定最可能的故障點(diǎn)，生成故障原因，進(jìn)行排除測(cè)試，并在排除之后對(duì)繼電器系統(tǒng)進(jìn)行更新，以反映最新的車輛狀態(tài)。

汽車的OBD接口會(huì)讀取車輛各個(gè)傳感器和控制模塊的數(shù)據(jù)，完成新能源汽車電動(dòng)機(jī)的故障編碼。編輯完成的故障編碼可以在出現(xiàn)故障之前，存儲(chǔ)在汽車的運(yùn)行系統(tǒng)當(dāng)中，一旦發(fā)生故障，則幫助診斷員準(zhǔn)確定位新能源汽車的故障所在。應(yīng)用故障數(shù)檢測(cè)技術(shù)的診斷員常用的設(shè)備有萬(wàn)用表、示波器等，這些設(shè)備能夠幫助診斷員快速定點(diǎn)、定位故障原因，進(jìn)行精細(xì)化的測(cè)算，并且按照提示的結(jié)果更換被損壞的部件，并做好參數(shù)的上調(diào)或下調(diào)，輔助配套的軟件更新，甚至能夠在軟件的指示之下更換整個(gè)電動(dòng)機(jī)。故障樹檢測(cè)方法在生成圖譜與數(shù)據(jù)之后，診斷員需要將獲得到的故障編碼重新嵌入到整個(gè)電子系統(tǒng)中，方便后續(xù)的診斷人員依據(jù)汽車運(yùn)行的實(shí)際結(jié)果將故障碼刪除，以確保整個(gè)故障流程完整。

從上述流程的應(yīng)用角度來(lái)看，故障樹技術(shù)是定位故障位置、生成解決方案較為有效的成熟系統(tǒng)，能夠進(jìn)一步改善整體新能源汽車故障解除的效率，提升維修質(zhì)量。

2.3基于信息融合的多元智能診斷方法

多元智能診斷方法可以基于不同傳感器上傳的數(shù)據(jù)源頭，將信息有效整合在一起，提高信息診斷的準(zhǔn)確性和可靠性。采集多個(gè)子系統(tǒng)，如電池管理系統(tǒng)、電機(jī)控制系統(tǒng)、車載充電器等系統(tǒng)的數(shù)據(jù)，將其清洗、歸一化和轉(zhuǎn)換之后，提取數(shù)據(jù)當(dāng)中的不同特征。

例如，車聯(lián)網(wǎng)技術(shù)應(yīng)用在汽車診斷中，能夠顯著提高用戶的診斷體驗(yàn)。北汽集團(tuán)在2021年上線的電池管理系統(tǒng)BMS，可以基于當(dāng)前汽車聯(lián)網(wǎng)與云端進(jìn)行數(shù)據(jù)交換，分析電池狀態(tài)開展實(shí)時(shí)監(jiān)控和有效預(yù)警。BMS整理匯總了過(guò)去10年造成汽車自燃的主要原因，判斷為電池產(chǎn)生的內(nèi)熱遠(yuǎn)大于散熱速度，在短時(shí)間內(nèi)溫度急劇升高，出現(xiàn)系列化學(xué)反應(yīng)，最終導(dǎo)致電池單體及模組出現(xiàn)燃燒、爆炸的現(xiàn)象。

根據(jù)BMS發(fā)布的報(bào)告顯示，在新能源汽車安全事故已明確的著火原因的車輛當(dāng)中，由電池自燃引起的事故占比達(dá)到58%（表2）。在事故車輛中，86%的汽車使用了三元鋰離子電池、7%的車輛使用了磷酸鐵鋰電池，7%的事故車輛由燃燒程度過(guò)重，使用的電池類型不確定。

車聯(lián)網(wǎng)技術(shù)可以在事故出現(xiàn)之前就對(duì)異常信息情況進(jìn)行有效匯總，實(shí)現(xiàn)電池管理的實(shí)時(shí)監(jiān)控，對(duì)電池狀態(tài)做好實(shí)時(shí)把握。例如，溫度范圍超過(guò)55℃時(shí)，電池就會(huì)出現(xiàn)異常風(fēng)險(xiǎn)數(shù)據(jù)，車聯(lián)網(wǎng)平臺(tái)可以監(jiān)測(cè)不同新能源汽車的運(yùn)行電池溫度范圍，當(dāng)溫度超過(guò)40℃，即提出相應(yīng)的預(yù)警信息，單體充電截止電壓超過(guò)3.5V，則開展相應(yīng)的降壓處理（表3）。通過(guò)這樣的處理方法，結(jié)合云計(jì)算與5G無(wú)線通信技術(shù)，實(shí)現(xiàn)車輛、云端以及用戶之間的數(shù)據(jù)交互，為電池系統(tǒng)提供全面立體的數(shù)據(jù)支持。

3結(jié)束語(yǔ)

綜上所述，診斷技術(shù)在新能源汽車的諸多系統(tǒng)中具有廣闊的應(yīng)用前景，可以有效解決新能源汽車電路復(fù)雜、隱蔽性強(qiáng)、故障難以定位的特點(diǎn)，進(jìn)一步提高診斷的系統(tǒng)性和有用性，保障車輛行駛的安全與可靠。目前，消費(fèi)者對(duì)于新能源汽車的接受程度不斷提升，對(duì)于對(duì)新能源汽車的智能診斷質(zhì)量也有了更高的要求，因此技術(shù)人員還需要不斷提升和完善汽車維修工作的質(zhì)量，開展更加有效的神經(jīng)網(wǎng)絡(luò)和故障樹多元融合的系統(tǒng)檢查，以保障汽車行駛的安全，推動(dòng)行業(yè)的高速進(jìn)步。