大数据背景下智能汽车电子设备故障诊断和检测

李敏，卜乔生，邓剑锋

（广西生态工程职业技术学院，广西 柳州 545004）

信息技术的不断发展使得汽车中的电子设备越来越丰富，相关电子设备的复杂程度和技术含量也越来越高。当前绝大多数智能汽车都会配制大量的电子设备以辅助车辆的运行，提高车辆的运行效率。但电子设备的技术比较复杂，一旦出现故障和问题很容易导致整个智能汽车系统的瘫痪。因此加强对智能汽车电子设备故障的诊断和检测是十分必要的，通过结合大数据技术和云计算技术，建立起智能的诊断和检测系统，可以自动化的对各项故障进行识别和处理，提高智能车辆运行的安全性和可靠性，有效解决传统故障检测效率低下以及诊断范围有限的问题。

1 智能汽车电子设备概述

随着物联网自动化控制系统和智能技术的飞速发展，汽车自动化程度不断提升，配置的电子设备的数量和种类也越来越多，对于汽车整体管理也提出了更高的要求。传统的管理方法和管理策略已经无法满足现代化智能车辆的运行需要，基于大数据的数据挖掘技术的不断发展，进一步加快了智能车辆的发展步伐。未来智能汽车将会是决定公路运输业发展方向的关键因素，通过整合网络、实体以及道路一体化智能信息服务系统，能够进一步加快传统公路运输业智能化发展的进程，提高汽车智能化水平和自动化水平。随着科学技术的不断发展和工业4.0战略的持续推进，车辆越发趋向于无人化和智能化的方向发展，其内部电子设备配置的自动化水平和复杂程度也越来越高，对于汽车售后检修人员的专业素养和综合能力也提出了更高的要求。由于车辆面临的工作环境多变，所以对车辆智能故障诊断技术和检测技术提出了更高的要求。结合大数据设置有效的故障监测和诊断系统，能够帮助工作人员快速准确的识别系统故障，保证陆运安全，促进公路运输业的持续发展。利用智能诊断和检测系统，可以自动化快速收集机械设备的各项数据，对机械设备运行的整体情况进行可靠监测，收集各种各样的数据种类和数据结构，并在庞大的数据库中借助云计算技术系统，自动抓取设备的故障信息，有效解决车辆电子设备故障问题，提高电子设备运行的稳定性和安全性。随着传感器技术的不断发展，在智能汽车当中配置的传感器数量和监测点的数量也不断增加，当前智能车辆电子设备故障诊断正在逐渐朝向高效化、数据化和智能化的方向发展。

2 智能汽车电子设备故障智能诊断和检测技术

2.1 可靠性与重组技术

软件重组技术可以加速提升控制网络的可靠性和自恢复性，在电子设备故障智能诊断和检测系统构建的过程中，利用软件重组技术可以进一步提高电子设备运行的可靠性和稳定性。从当前智能汽车电子设备控制系统来看，对于人工故障排除的依赖程度仍然比较高，难以实现故障的有效分离。利用重组技术可以在一定程度上解决综合电子系统的故障恢复问题，层次化的进行故障控制，可以将上层监管各个相关功能与底层的安全保障功能有效分隔开来。利用软件重组技术可以在受到控制的电子设备当中嵌入配置相应的底层和组件，结合临界控制响应系统以及传感系统，实现电子设备的自动管理和功能拓展，从而能够极大的减轻对人力资源的依赖度，实现故障的自动识别、自动分析、自动处理和自动优化，保证系统运行的稳定性和智能性。另外，在系统的不同层级上面实现上层监控功能，结合具体区域的底层控制器的要求，对其他相关层级的控制器进行依次影响和响应传递，并最终反馈到上层控制器当中。

在设备运行的过程中，还需要通过适当的通道将任务优先级和执行计划等相关信息嵌入到底层控制算法当中，切实保证系统运行的智能化程度。另外，本地嵌入控制策略与车辆内部的电子设备系统当中，从而可以更好地对故障进行预测和分析，明确故障的相关影响因素，并从根源上进行故障控制。通过本地嵌入控制策略可以解决分布式电子设备的可测试性问题，利用成千上万的分布式节点替代少数大型设备，进行信息控制基础结构的构建，并将信息控制的概念放大。在车辆电子设备故障智能诊断和检测系统的设计期间，也可以利用类同的电子技术组建分布式的网络。利用多个软事件，通过更为理想的方式控制大型电子设备网络，提高网络系统控制的可靠性，保证电子设备运行的效率和质量。

2.2 神经网络同专家系统相结合的诊断技术

当前关于智能汽车电子设备故障的诊断技术的研究主要是基于神经网络的故障诊断技术和基于符号推理的智能故障诊断技术两个方面来进行的。智能汽车电子设备配置相对比较复杂，电子设备的精密程度也比较高，所以电子设备的故障诊断是一个非常困难和复杂的问题，单一采取诊断方法很难取得应有的成效。其次，智能汽车电子设备的故障和征兆具有模糊性的特征，故障与征兆之间的界限很多，并不明确，而且有的时候多故障同时发生，单纯采取某一个特定的技术或者系统都难以准确地判断故障。所以需要综合集成诊断系统，有效控制智能汽车电子设备的故障，综合神经网络和符号推理功能，实现信息处理的智能化和自动化。可以采取神经网络同专家系统相结合的方式，进行智能汽车电子设备故障智能诊断和检测系统的搭建。工作人员可以将专家系统构建成神经网络系统，利用神经网络系统的可学习性特征确定网络中的权值，并将权值的总和作为不确定性，以此进行网络计算。其次，工作人员也可以将神经网络视为某一类知识的处理和表达模型，通过知识网络模型与其他知识表达模型，比如语义网络、框架网络和规则网络等相关结构，一起对领域专家的知识进行表达和计算，面向不同的推理机制进行构思。

2.3 人工免疫算法

通过对智能汽车电子设备故障和问题进行智能的检测，可以帮助工作人员精准的判断电子设备故障发生的区域和发生的类型，从而可以有效减少电子设备故障的损害，提高智能汽车整体的运行质量。常用的电子设备故障检测方法包括短路法、比较法和直观法等，这些方法往往只针对电子设备可视层面的故障检测，对于其内部发生的元件故障，通过人力的方法很难检测出来。所以，加强智能汽车电子设备故障自动和智能检测系统的分析是十分必要的。人工免疫算法在各个领域的故障检测和分析当中获得了广泛的应用，将之应用于智能汽车电子设备故障检测当中，可以结合电路图以及电子设备的运行数据，通过对比电子设备不同元件的节点，从而能够帮助工作人员准确的识别故障发生的范围，为后续自动化的检测奠定坚实的基础。在具体操作时，工作人员需要将相关运算程序输入到检测电路当中，然后将之植入到需要检测的电子设备。利用人工免疫算法可以自动化的分析设备各类软件的运行数据以及相关参数，包括芯片状态、电压参数、电流参数以及电容参数等。设备检测电路当中配有相关中央处理器可以自动处理运算检测资源，并将电子设备电路模型的记忆存储到电路板上。一旦出现电子设备内部元件故障，电路系统可以智能识别电子设备的元件位置并向工作人员发出警报，提高设备识别的效率和识别的质量。20世纪40年代国外人工免疫算法的研究者发明了第一个人工神经元计算模型，可以模拟人的思维对故障信号进行反馈。通过合理设置故障变量、两级神经元之间的参数连接以及门限，可以科学地进行故障运算，并结合故障信息处理数据获得最终的故障范围。明确神经元参数连接的大小，可以进一步缩小故障范围的诊断结果，使得诊断更加精确。在具体运行的过程中，学习和记忆反弹是神经元的特点，同时也可以全面体现出人工免疫算法的优势。

在故障诊断的模式之下，人工免疫算法可以依据原始数据对故障的类型和故障的属性进行判断，并将之带入到算法本身进行匹配。经过匹配之后的数据，通过输出端进行模型的释放，模型当中的故障指导信号可以向人们自动传输故障诊断的范围，并不断调整神经元模型的参数，使得电子元件的故障范围可以进一步缩小，从而可以准确的完成故障的匹配以及故障的诊断。

3 大数据背景下智能汽车电子设备故障诊断和检测系统的应用

3.1 合理提取设备故障特征

随着计算机技术的飞速发展，大数据技术和云计算技术的应用越来越广泛，利用大数据技术能够进一步提升检测系统和诊断系统运行的智能性和稳定性，提高故障诊断的准确性和可靠性。依据特征采样原理，科学的采集智能汽车电子设备的故障信息，并结合设备运行数量以及相关节点的分布情况对数据进行调研和分析，明确设备运行的特征数据信息。

结合电子设备的运行条件，采取有效方式对电子设备的运行频率、电压、电流情况进行合理的保护，一旦出现这些参数异常，会通过智能故障诊断系统反馈给工作人员进行调整。其次，需要进一步加强对设备定位区域的计算，明确智能汽车电子设备运行标准数值，并将之对比异常数值，从而可以快速定位和分析设备故障信息。另外，工作人员还需要结合电子设备的履行情况和升级条件，不断优化设备故障特征提取的原理和提取的方案。可以应用分类单选方法筛选海量的负载数据，科学跟踪和检测智能汽车设备整体的运行状态，并做好相关信号数据的采集，明确噪声干扰数值的特征，便于后续进行处理。

3.2 合理进行智能汽车电子设备运行故障检测

在收集电子设备故障特征并做好数据去噪之后，需要进一步检测和修正电子设备运行故障的数值，保证数据采集的有效性。工作人员需要结合智能汽车电子设备的运行特征、运行环境和运行条件，合理的优化智能汽车电子设备软件运行参数统计，分析运行故障数值的频率分布情况。对智能汽车电子设备故障模式进行迭代处理和反复对比，从而可以获得不同环境下设备运行的稳定数值，明确正常状态下数据的情况和状态，并将之存储到系统当中，为后续故障检测活动的快速进行提供充足的数据参考，保证智能汽车行驶的安全性。

3.3 智能汽车电子设备故障智能诊断和检测系统的构建

结合现代传播发展的特点以及智能化检测和自动化控制的需求，应用大数据技术、云计算技术和红外检测技术，合理的进行智能汽车智能故障诊断技术的应用，可以帮助人们更好的认识智能汽车故障问题，提高智能汽车运行的安全性和可靠性。在构建智能汽车电子设备故障智能诊断检测系统时，要注意故障诊断思维、诊断方法、诊断目标以及研究对象的延伸，突破传统诊断思维的界限。以故障现象为表征，以经验机理为基础，以智能算法为手段，以监测数据为内核，明确故障诊断的新的方向以及新的目标，打破原有诊断思维的束缚，提高诊断的高效性和准确性。其次，进一步扩大诊断方法，改变传统过度依赖人工收集数据的情况，基于智能技术的相关机理提取故障特征，应用切片式的诊断方法，从而使诊断系统可以在多工况和多因素干扰下依然能够准确快速的提取数据特征，并进行数据特征的筛选和利用，为故障数据解析和全局分析提供新的方向和方法。

4 结语

综上所述，大数据背景下智能汽车电子设备故障智能诊断和检测系统的建设需要基于智能化技术、电子信息技术和一系列的神经网络技术来进行。通过构建智能故障诊断和检测系统，可以自动化的识别和分析智能汽车电子设备的运行问题，并帮助工作人员采取有效措施及时进行处理，保证电子设备运行的效率和运行的安全性，避免电子设备故障发生而影响车辆的正常使用，提高智能汽车运行的安全性和可靠性。