汽车故障诊断技术研究现状与发展趋势研究

张书乾，邓召文



汽车故障诊断技术研究现状与发展趋势研究

张书乾，邓召文

（湖北汽车工业学院汽车工程学院汽车动力传动与电子控制湖北省重点实验室，湖北 十堰 442002）

随着汽车产业的快速发展及汽车电子的大量应用，汽车故障诊断技术也得到快速提升，其在汽车安全及维修中发挥着不可替代的作用。文章简述了汽车发展历程，对汽车故障诊断技术的现阶段及在未来的发展和应用趋势进行分析。故障代码自动诊断技术、专家系统、在线与离线诊断技术是目前较为广泛应用的故障诊断技术，而小波分析、人工智能神经网络和分析几何以及数据在线化、信息网络化、实时化的先进故障诊断技术将成为未来发展趋势。汽车故障诊断技术将朝着多元化、智能化、系统化的方向发展。

汽车故障诊断；专家系统；小波分析；人工智能神经网络；分形几何

前言

汽车故障诊断技术是以汽车和内燃机理论、汽车故障诊断学为理论基础，以汽车和内燃机结构原理、计算机控制技术及汽车运用性能为分析依据，以汽车试验及检测技术为测试手段的综合技术[1]，为汽车继续运行或维修提供依据。汽车检测诊断有两个不同的目的：对显现故障的汽车，通过不同的检测手段，查找发生故障的准确部位和原因，从而确定故障的排除方法；对汽车技术状况进行全面检查，确定汽车技术状况是否满足有关技术规范的要求及与标准偏离的程度，以决定汽车是否继续行驶或采取哪种措施延长汽车的使用寿命[2]。

在各种车辆信息分析中，最重要的是保证车辆的安全性。应用故障诊断技术能及时准确地对各种异常或故障状态作出诊断，消除故障，提高设备运行的可靠性和安全性，并把损失降低到最低限度[3]。由此可见，设备故障诊断技术既保证了车辆的安全及可靠运行，又获得了很大的经济效益和社会效益，所以故障诊断技术具有重要意义。

1 汽车故障诊断技术发展历程

自20世纪70年代初起步的汽车故障诊断技术，在过去的几十年里有了快速的发展与进步，具体可分为四个阶段，即：人工检验阶段、简单仪器和仪表测量阶段;专门设备进行综合诊断阶段、现代化人工智能阶段。在人工检验阶段，主要依靠维修人员多年的从业经验，既经济又方便，但是缺少理论支持，准确性无法得到保障。简单仪器仪表测量阶段和专门设备综合诊断阶段，都是在汽车技术的发展之下产生的电子控制诊断技术，维修人员开始采用设备进行诊断，这些设备为故障诊断技术提供了数据和客观依据，但是设备没有足够的灵活性，而对难以判断的故障无法灵活应变。人工智能诊断阶段是二十世纪九十年代以来正式建立的，在计算机技术的支持下，汽车故障诊断技术得到了大量的客观数据支持，通过这些数据进行故障处理，在此基础上汽车故障诊断技术开始出现了智能故障诊断专家系统[4]。

2 汽车故障诊断技术的发展现状

传统的汽车故障诊断方法和诊断设备已经不能适用于现今人们对故障诊断准确性和便利性的要求，同时也无法适应新型汽车的构造及原理。所以，为了有效地促进和改进汽车故障诊断技术，不仅要积极主动地去完善汽车故障诊断技术的理论知识，还要广泛的吸取现代科学的相应成果，使当代的汽车故障诊断技术能够紧紧追随社会的发展步伐并满足人们的需要[5]。

2.1 故障代码自诊断技术

汽车电子控制系统在设计时，增加了故障自诊断功能模块，它具有安全容错处理能力，可以使汽车不会因为电控系统自身的故障导致汽车失控和不能运行。它可以在汽车行驶或整车上电时对电子控制系统各组成部分的工作情况进行不断监控，出现异常时，可通过内部算法对具体故障进行判断，并将故障信息以代码的形式存储在特定存储单元内，同时激活相应故障自诊断功能模块，使故障车辆仍能够被驾驶到维修站进行维修处理，维修技术人员可以利用专用设备调出故障码，实现对故障的快速定位和处理[6]。

现代的汽车电子控制系统的微处理器也被称作“ECU”，其具备故障自诊断的功能。只要汽车电路不完全断电，汽车ECU中就会自动存储汽车电子设备所出现的持续性故障，检修时，技术人员只要用专用设备将故障代码读取出来并查询相应技术手册即可。一般说来，ECU故障代码的提取方式可以分为两种形式，一种是闪光码方式，另一种是串行数据方式，闪光码方式是在汽车发动机熄火的情况下，用导线将故障检测插座中的两个特殊管脚进行短接（品牌不同略有不同），然后注意观察车辆仪表盘上对应故障指示灯的闪烁情况，利用发光二极管的闪烁次数和频率的快慢来表示故障代码，此方法属于人工读码方式，也是故障自诊断应用的初级模式，对维修人员的经验要求较高且容易出错;所以，用串行数据的方式读码将被广泛的应运，即使用专业的检测仪器——解码器进行读码。串行数据的读码方式只要将故障插座连接（OBD），在对应解码器上进行读码及相应操作，就能够顺利读取该汽车的故障代码。目前，不同的厂商都为自己所生产的汽车，设计、制造了专用的故障代码解码仪[7]。

闪光码方式比较简单，利用发光二极管的闪烁来表示故障代码，在一些老款车型中使用较多，是故障自诊断应用的初级模式。由于该模式表达的信息有限，而且操作不方便，目前大部分车型采用了串行数据诊断模式，或作为过渡，同时支持两种模式；而串行数据方式读码虽然可提高读码的准确性，操作的简便性，但是成本较高。

2.2 专家系统诊断

汽车故障诊断的专家系统又被称为"EP"。它主要是依据某一专业领域专家的专业知识或工作经验，然后以专家的知识、经验为理论基础，在计算机上创建一个相应的信息系统，使这个信息系统具有专家的知识结构，能够以专家的能力去完成相关专业领域的任务。现今的汽车故障主要集中于发动机、底盘和电器电路三个部分，而这三个部分中的每一个故障都具有复杂的结构。因此应该建立三个不同的数据库，分别是“底盘传动部分故障诊断数据库”、“发动机部分故障诊断数据库”和“电器电路部分故障诊断数据库”。同时，在每个数据库中都会存在许多互相关联的数据表。每一种汽车故障的表现症状、故障产生的机理、故障产生的原因、存在故障的位置、故障清除和维修的方法等等，都会逐个记录于数据表中，数据表和数据表之间、数据字段和数据字段之间，也会建立起相应的层次结构，进而将维修知识库建立为一个有机整体[8]。目前，己研究的汽车故障诊断的专家系统模型有：基于规则的诊断专家系统、基于实例的诊断专家系统、基于行为的诊断专家系统、基于模糊逻辑的诊断专家系统和基于人工神经网络的诊断专家系统[9]。虽然这些故障诊断专家系统模型有各自的优缺点，但发展趋势都是向着智能化。故障诊断专家系统功能模块如图1所示。

目前，利用专家系统诊断汽车故障的案例不仅在中国,在国外也有许多经典案例。如‘ESET’系统，该系统的主要功能是完成对汽车发动机的故障诊断，根据其系统操作的流程可以得到实现九种不同功能。该系统不仅可以有效地对故障进行诊断，而且能对修理工进行培训。再如文献[10]设计的汽车发动机故障诊断专家系统，以DELPHI语言为开发工具，开发了汽车发动机故障诊断专家系统。根据发动机故障的复杂性，依据计算机数据结构原理，采用故障树的数据结构和关系数据库原理完成知识表示，建立了知识库和推理机，实现了确定性和不确定性故障诊断。在汽车公司商用网站上，实现了基于ASP的网络故障诊断专家系统的应用。

传统专家系统在实际中的应用越来越多，促进其研究逐渐深入。虽然传统的诊断专家系统取得初步成功，但同时也存在着大量的不足，比如，新型故障的解决经验难以获取、控制策略缺乏鲁棒性和灵活性以及相似问题易混淆等系列问题。对于较为复杂的汽车故障来说，该方法容易发生规则冲突，比如组合爆炸问题，同时也存在着难于表征问题域的深层知识，所以该系统不能完全适用[11]。

图1 故障诊断专家系统功能模块[12]

2.3 在线与离线故障诊断技术

所谓的在线故障检测系统是依靠车载的计算机对汽车的电控系统进故障诊断、记录、报警显示及应急模式转换等功能实现过程，其具有较强的即时性。相关还有另外一种诊断的模式被称为车外诊断也称为离线故障诊断。它是利用汽车专用的诊断仪器基于信号的方法对汽车的电控系统进行检测，故障以代码的方式记录并保存。

当汽车出现可以检测到的故障时，车载系统将自动发出警报，提示驾驶者车辆出现故障，这样故障就可以发现并及时维修，但在线诊断主要针对电控系统的故障，诊断的范围也有限，同时不能对机械系统进行诊断，诊断精度不高，对较复杂的故障诊断的精度不高，此时就需要结合离线诊断技术。离线诊断是在线诊断技术的延伸和功能扩充，具有检测效率高，检测精度高，诊断范围广，适应性强的特点，但实时性效果较差，必须被动的使用才可以发现故障。实际中汽车的故障诊断一般都是在线诊断与离线诊断结合使用，在线诊断系统主要进行故障提示，离线诊断系统主要进行数据分析，确定故障的原因和发生故障的具体位置[13]。

2.4 基于CAN和非CAN网络的故障诊断技术

上位机（PC终端）的数据如果由整车CAN网络通讯得到，即上位机作为一个智能节点挂在CAN总线上，能够对CAN总线节点上的信息实时监听和数据采集，则这种故障诊断技术是基于CAN的，同时，如果所需数据经过外部信号处理模块，数据采集卡等模块采集、分析、处理后传递给上位机，未与整车CAN网络发生数据交换，则此种方法是基于非CAN的。相较于非CAN的故障诊断，基于CAN的故障诊断费用比较低，硬件较少，数据采集比较简单方便，这是在有CAN网络汽车故障诊断的首选方法，对于无CAN网络的部分车辆，采用非CAN网络故障诊断将比较简单方便。

例如：文献[14]提供了一种基于轮速的被动式胎压监测系统，其采集信号通路有两条，一是CAN总线，二是直接采集轮速传感器脉冲信号；报警信号输出也是两条，CAN总线和硬线。利用CAN的方式硬件实现简单，成本低。采用硬线的方式从轮速传感器直接获取轮速脉冲：该方法可以获取车轮转速的直接信号，同时也可以获取精度很高的轮速信息，因此适合用于精度需求较高的情况。因为直接采集轮速信号，系统精度较使用CAN总线数据有较大提升，实时性也会更强。

3 汽车故障诊断技术的发展趋势

近年来，汽车故障诊断技术不断的应用一些新的科学分支，为其自身的发展提供了新的途径。例如：人工智能神经网络法，小波分析法及分析几何。它们有很强的故障诊断能力，虽然在国内的发展落后于国外，但是这几种故障诊断技术都具有很好的发展趋势，值得国内外行业的深入研究[15]。

小波分析在汽车和拖拉机的故障诊断中有较好的应用效果，它具有变时域、变频域的特点，能够取代传统上的FFT分析法。比如小波分析可以对汽车进行故障特征的信号分析，它不仅可以广泛应用于系统辨识之中，而且可以任意逼近各种函数，使得它能够在汽车故障诊断中，顺利的检测出汽车的故障位置[16]。例如：可以利用小波分析技术辨识非线性对象，当非线性对象没有发生突变时，两者之间的输出差就会比较小；当非线性对象出现突变，两者之间的输出差就比较大，通过这一原理能够快速识别系统故障[17]。

人工智能神经网络法：人工神经网络是对生物神经网络功能进行效仿的一种经验模型。神经网络是按照生物神经网络相似的方式对输入信息进行处理，由许多简单元件（一般是自适应的）及其层次组织以大规模并行连接方式构造而成的网络，这种模仿生物神经网络组建的人工神经网络对输入信号有功能强大的反应和处理能力[18]。人工神经网络弥补了专家系统由于知识的串行而使得假设选择困难的诊断缺陷，它可以更加有效的组织和应用人类的经验和知识。随着现代汽车结构的复杂化，故障的状态也越来越多样，使得故障诊断的难度也随之变大。在这一情况下，有效的应用神经网络技术，可以使诊断精度和速度得到较大提升。因此，人工神经网络技术在汽车故障诊断技术的发展中将会有很大的应用空间[19]。

分形几何：在数学领域中，分形几何能够以函数结构形式解决略显粗糙或者形状不规则的物体。将该种数学知识引用到汽车故障诊断分析中，可以取得意想不到的收获成果。利用分形几何将汽车在发出故障时所给出的不规则故障信号进行相应信息的提取，并得到其结构特征—-分维数。例如，在丰田汽车实际的故障分析中，分形几何的主要应用方面有：在汽车处于运行状态时，把控其整体状态，确认其有无故障问题；对汽车的各项参数指标进行相关记录，并分析其工作状态是否正常，如有隐藏风险，及时警示；在汽车出现故障问题时，对其故障进行分类判断并结合实际情况分析[20]。

除此之外，汽车故障诊断技术将向着资料数据在线化、故障信息的网络化和数据反馈实时化方向发展，如图三所示。资料数据在线化的特点是：交互式电子技术手册的使用，它将技术资料以数字格式存储，可以方便的进行查询，维修人员可以非常方便的查看、浏览其想要获取的信息，大大提高了汽车故障维修的效率，智能化水平较高。同时，解决了传统纸质手册不易保管，查询不便的缺点。用户可以通过网络在线访问维修资料数据库，实时查询相关资料。测试设备不仅有测试功能，还能够提供实时的在线资料数据库，即测试仪器逐步向仪器资料一体化设备方向发展。故障信息的网络化：可实现远程支持，远程控制和现场诊断信息的收集功能，使得维修和数据的获取不受时间和地点的限制，同时可有效提高工作效率。数据反馈的实时化：传统的诊断工具难以追踪发生在维修站的具体问题，例如哪些故障发生的几率高，哪些问题客户反应比较强烈等，而新一代诊断系统可以把诊断过程产生的数据文件同时传输到汽车生产商指定的数据库，汽车生产商的设计、生产、售后等相关部门可以从数据库上及时清楚的了解车辆的故障率的统计分析结果，以方便汽车生产商在生产过程中有针对性的改善生产环境，控制生产过程，提高产品质量，从而提高客户的满意度。

图2 网络结构图

4 结论

不可否认，随着科技的不断进步，汽车故障诊断技术朝着多元化、智能化、系统化的方向发展将是必然趋势。目前较为广泛应用的故障代码自动诊断技术、专家系统、在线与离线诊断技术将会更加成熟并得到广泛应用，而小波分析、人工智能神经网络和分形几何以及数据在线化、信息网络化、实时化的先进故障诊断技术将会快速崛起，为故障诊断技术引进新的思想，新的技术手段，同时为故障诊断技术的发展开辟新的篇章。

[1] 弋国鹏,赵龙等.汽车故障诊断技术 (新编版)[M].北京:人民交通出版社.2011(4).

[2] 陈焕江.汽车检测与诊断(三版上册)[M].北京:机械工业出版社,2012.

[3] 余世福.汽油发动机点火正时及故障模式的仿真模拟研究[J].四川大学,2005.

[4] 鲍健.汽车故障诊断技术的现状与发展趋势[J].科技资讯,2012 (O5):110-111.

[5] 吴洪昌.简议汽车电子技术时代人工经验诊断重要性分析[J].电子测试,2014,(18):105-107.

[6] 王春华.“故障自诊断”在汽车维修中的应用[J].轻型汽车技术, 2009(Z4):66-69.

[7] 韩彦明.简析汽车故障诊断技术的现状与发展趋势[J].汽车与驾驶维修(维修版),2017(05):74-75.

[8] 何琨,卫登科.浅析汽车故障自诊断系统——正确运用故障码诊断法诊断汽车故障[J].黑龙江科技信息,2010,(34):59.

[9] 陈朝阳,张代胜,任佩红.汽车故障诊断专家系统的现状与发展趋势[J].机械工程学报,2003,39(11):1-5.

[10] 辛惠娟,戴庆辉.汽车发动机故障诊断专家系统的开发研究[J].煤矿机械,2005(02):131-133.

[11] 王子阳,董宇航,郭以勋,赵云龙,孙虎.国内外汽车诊断技术发展综述[J].内燃机与配件,2018(11):156-158.

[12] 朱全,黄爱蓉,鲍娟.汽车故障诊断专家系统的设计与实现[M].湖北汽车工业学院学报,2010,24(2):70-74.

[13] 李永力,唐秀丽.汽车故障诊断技术的现状及发展趋势[J].黑龙江科技信息,2014(31):162.

[14] 陕西汽车集团有限责任公司.陕汽集团基于弱矩阵式的项目管理模式[J].企业管理,2013(03).

[15] 李宽宽.汽车气压制动系统制动拖滞与制动跑偏故障的诊断[J].商情,2016,(48):78.

[16] 王健民.从力帆汽车故障的诊断与排除看现代汽车维修的特点[J].企业技术开发(学术版),2011,30(11):110-111,113.

[17] 王春华.汽车故障诊断技术的现状与发展趋势[J].汽车与配件, 2016(42):66-67.

[18] 刘金琨.先进PID控制MATLAB仿真（第三版）[M].北京:电子工业出版社,2011.

[19] 王维先.现阶段汽车故障诊断技术的现状与发展趋势探讨[J].科技传播,2016,8(14):193-194.

[20] 沙颂.丰田汽车故障诊断技术的现状与发展趋势[J].内燃机与配件,2018(11):169-170.

[21] 胡光辉.汽车故障诊断技术[M].北京:电子工业出版社,2005.

[22] 仇雅莉.汽车检测诊断技术与设备[M].北京:电子工业出版社, 2005.

[23] 闵永军.汽车故障诊断与维修技术[M].北京:高等教育出版社, 2004.

[24] 冯渊.汽车电子控制技术[M].北京:机械工业出版社,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

张书乾，就职于湖北汽车工业学院汽车工程学院。

湖北省教育厅重点项目(D20171801)；湖北省重点实验室资助项目(ZDK1201402)，省重点实验室创新基金项目(2015XTZX0423)。

10.16638/j.cnki.1671-7988.2018.22.092