模糊逻辑诊断技术在电控发动机故障诊断中的应用

朱昇，桂进，吴飞，宋文艳，王佳俊

（1.铜仁职业技术学院，贵州 铜仁 554300；2.马来西亚沙巴大学，马来西亚 沙巴 88400）

引言

随着科学技术的快速发展，越来越多的电子技术和信息技术运用于汽车发动机上，使得发动机的结构和控制变得越来越复杂，同时出现的故障也越来越复杂，复杂的故障现象和故障原因变得模糊不清，现象和原因之间不是确定的一一对应关系，而常是一果多因或一因多果,甚至是多因多果[1]。故障现象和故障原因存在模糊性，一是故障现象的模糊性，二是故障原因的模糊性，三是故障现象和故障原因之间的模糊性。对于这样的模糊现象，如果采用传统的方法诊断，将存在一定的困难，无法快速准确地找出故障原因，然而智能的模糊诊断技术却有着独特的优势。因此本文研究了模糊逻辑诊断技术在电控发动机故障诊断中的应用。

1 模糊逻辑诊断的数学模型

1.1 模糊逻辑诊断

模糊逻辑诊断技术是由美国科学家扎德（L·A·Zadeh）教授于20世纪60年代创立模糊集合论发展而来，模糊诊断技术是根据产品的模糊故障现象、模糊故障原因及故障现象与故障原因之间的模糊关系，运用模糊逻辑的数学方法，建立模糊的故障现象集、故障原因集和模糊规则，进行综合推理，最后诊断出引起故障现象的故障原因。

1.2 建立模糊逻辑诊断数学模型

模糊逻辑诊断数学模型的建立，首先要对产品现场状态、数据的观查与采集，确定产品所有的故障现象，建立故障现象向量X；其次统计分析文献数据、历史实验数据并结合专家经验，确定所有的故障原因，建立故障原因向量Y；再次构造模糊隶属度，建立模糊诊断矩阵R；最后通过模糊算子合成算法，求解模糊方程，确定故障原因，模糊逻辑诊断过程如图1所示[2]。

图1 模糊逻辑诊断流程图

1.2.1 建立模糊知识库

模糊知识库主要包括故障原因集和故障现象集。故障原因集是将产品可能会发生的所有故障原因定义为一个集合，并用向量表示为：Y=[y1，y2，...，ym]，其中m为故障原因的总数。故障现象集是将产品会发生的所有故障现象定义为一个集合，并用向量表示为：X=[x1，x2，...，xn]，其中n 为故障现象的总数[3]。

1.2.2 建立模糊关系矩阵

模糊关系矩阵是根据模糊知识库中故障现象和故障原因之间的模糊关系来建立的，建立模糊关系矩阵为：

则模糊关系为：

式中R——模糊关系矩阵， ——模糊算子，rnm称为隶属度（0≤rnm≤1），它表示第 n 个故障现象是由第m个故障原因引起的可能性的大小，rnm越大则表示第 n 个故障现象是由第m个故障原因引起的可能性就越大，rnm越小则表示第 n个故障现象是由第m个故障原因引起的可能性就越小[4]。

在确定隶属度rnm时，一般是建立在成熟经验和实验的基础上，主要有模糊统计法、二元对比排序法、专家经验法、例证法等方法，本文根据汽车维修专家经验、大量维修案例和文献资料综合推理取值，确定隶属度取值原则如表1所示。

表1 隶属度取值原则

2 故障诊断实例

2.1 故障基本情况

据一辆已行驶7万多公里的雪佛兰车主反映，该车在启动时，有时能正常启动，但有时起动困难；在行驶过程中，感觉动力不足，有时加速无力，特别是在超车时比较明显；在行驶途中还有排气放炮的现象。接车后，对该车症状做进一步检查，经检查确认有车主反映的现象，同时该车还有爆震现象，除此之外，未发现其他异常情况。

2.2 模糊知识库

根据专家经验、历史维修数据和文献资料，整理得出电控发动机常见的故障现象及故障原因。常见故障现象集X有发动机不能启动及起动困难x1、发动机动力不足x2、加速无力x3、排气放炮x4、怠速不稳及易熄火x5、爆震x66个故障现象。常见故障原因集Y有节气门或节气门开度传感器故障y1、喷油器故障y2、曲轴位置传感器故障y3、怠速控制阀故障y4、点火线圈故障y5、空气流量传感器故障y6、燃油压力不对y7、气缸积碳y8、空气滤清器故障y9、温度传感器故障y10、火花塞故障y11、点火正时不对y12、氧传感器故障y13、凸轮轴位置传感器故障y14、进气管漏气y15、爆震传感器故障y16、燃油泵故障y17、气缸压力故障y18、蓄电池故障y1919个故障原因。

确定故障现象集为：起动困难x1、发动机动力不足x2、加速无力x3、排气放炮x4、爆震x65个故障现象。

2.3 建立模糊关系矩阵

根据专家经验、历史维修数据和文献资料综合得出故障现象与故障原因的模糊关系矩阵如表2所示。

表2 模糊关系矩阵

2.4 故障原因计算

在电控发动机常见的6个故障现象中，此车有5个故障现象，根据故障现象出现取1， 不出现则取0的原则，故障现象向量X为：X=（x1，x2，x3，x4，x5，x6）=（1，1，1，1，0，1）。根据模糊关系：Y =X·R。

则：

且本文采用矩阵乘法运算进行求解，故障原因Y =（1，0.9，0.7，0.3，1.3，1，0.7，0.6，0.9，0.7，2.3，1.9，0.9，0.4，0.7，0.7，0.8，1.1，0.6）。

据计算结果和最大隶属度原则 y=max{ym|m=1，2，3…19}可知，y11=2.3为最大值，y11火花塞故障应是此车故障原因，经实车检修，确认是火花塞故障，验证了此诊断结果正确。

3 结论

本文基于专家经验、历史维修数据和文献资料建立了模糊逻辑诊断的数学模型，并将此模型用于故障诊断实例中，通过故障实例进行模糊故障诊断，验证了该模糊故障诊断模型对电控发动机的故障诊断可行性，模糊逻辑诊断有助于维修人员更好地确诊复杂故障的原因，缩短故障确诊的时间。但此模糊逻辑诊断模型相对简单，若要更好地解决更深、更复杂、更多的问题，还有待进一步丰富、改进和完善，以提高故障诊断的准确性和实用性。