基于案例推理的车辆故障诊断系统

基于案例推理的车辆故障诊断系统

刘辉

甘肃金证司法医学鉴定所甘肃兰州730000

【摘要】随着我国社会经济不断发展，当今社会中的车辆基数也越来越大，提高了车辆故障频率，而如何提高车辆故障诊断效率已经成为了行业重点关注的问题。基于案例推理（CBR）的车辆故障诊断系统能够与车辆故障案例组织、相似度进行对比，从而判定故障类型。基于此，本文重点探究基于案例推理的车辆故障诊断方法。

【关键词】基于案例推理；车辆故障诊断；方法；模型

随着车辆的使用时间延长，各个零部件老化或损坏会造成车辆故障，针对此类问题很多人都是结合日常工作经验来判断故障发生位置、故障类型，并对可能出现的故障一一排除，最终找到故障所在，并将故障排除。基于案例推理（下文简称“CBR”）的故障诊断系统与专家系统类似（也可以说就是一种专家系统），可以结合车辆故障案例对车辆故障进行对比分析，从而提出可能出现的故障。在CBR系统使用当中，需要构建一个诊断模型，建立系统中各个要素间的关系，从而生成一个因果关系网络，对故障因果关系进行推导，并输入已经解决的相关案例，从而生成故障案例库，在汽车故障诊断中在案例库中找到类似的案例，从而提出相应的解决方法。

一、CBR相关阐述

很多现实中的问题由于十分复杂，所以不能仅采用数学模型方法解决。部分简单限制性条件在建模过程中也变得难以实现。基于此，可以采用CBR方案。CBR方案能够搜寻与该故障类似的问题从提出问题发生点以及线索，从而帮助人们解决故障问题。从本质来说，CBR是人工智能技术的一个分支，更像是模糊神经系统与专家系统的结合，在特定领域中提取推理特征，结合过去已经解决的案例，将故障问题和案例内容相似度进行对比分析的一种推理技术。

想要实现CBR功能，需要建立一个因果关系模型，并将车辆专业知识存储到模型当中，这样即可对车辆知识进行分类、互联，构成一个完整的分析链，对车辆故障进行匹配和推理。需要用户提取重要的知识特征，也就是可能产生的故障因素，为车辆出现故障时给用户提供相应的参数，根据专业知识定义因果关系，确定每个因果关系的强度（0-1之间），最终形成一个可以推理车辆故障的关系模型。其中，案例库主要是存储已经解决的案例，一个案例当中必须要涵盖问题描述、解决方法，问题描述是各项属性与特征、解决方法是某个确定状态。

二、构建试验系统

在构建试验系统过程中，需要采用CBR系统知识编辑库，如TrollCreek就是较为理想的智能推理编辑器。在实际使用过程中，需要创建故障诊断系统，其步骤为：（1）完善因果关系模型；（2）加入已经解决的案例；（3）输入新案例进行推理；（4）得到结果；（5）确定结果。

整个CBR车辆故障诊断模型的核心是编辑因果关系模型，主要包括增加节点、构建层次结构、构架因果关系模型。首先要在准备创建领域中抽取相关的特征项，并作为节点加入到系统当中，之后将特征项加入到系统中，之后即可完善节点层次结构，构成一个分类层次结构，将系统故障状态当做节点加入到因果关系当中，这样即可将两个节点相关联，组成完整的关系模型，通过该模型即可对车辆故障进行诊断。

将已经解决的案例状态、结论添加到系统当中，组建案例库。案例库中的案例数量越多，整个CBR系统后期推理就更加精准。在输入新案例过程中，实则就是新案例与旧案例特性进行相似度对比，并按照相似程度由大到小进行排列，并得出最为接近新案例的10个旧案例（如果案例数量较多提出10个接近案例，如果案例不足10个，则推出所有相似案例）。确认结果是将系统推理的结果进行验证，如果测试符合标准则标记为已解决形态，并将其应用到案例库当中。从CBR故障诊断系统特性层面分析，其故障分析能力主要是依赖案例库，多个案例对比分析可以大大提高诊断精度。

三、测试与分析

在构建汽车CBR故障诊断模型时，需要实现掌握汽车故障领域的因果关系案例，组建因果模型，模型中主要包括两大部分，一是构建层次结构；二是建构因果关系。其主要表现在：

1.层次结构

构建层次结构需要把汽车各类故障过程的关系特性项作为节点加入到层次结构图当中。与汽车故障相关的几个条件是“因”，以汽车启动为例，其主要包括发动机、电池、供电系统、燃油系统、燃油等状态形式。并对应每个状态可能出现结果的可能性，也就是“果”，例如发动机中有正常运行、不运行、无法打火、转动速率低等，从而按照因果发生频次和重要程度进行排序，组建成为结构层次图。

2.建立因果关系

构建因果关系是将汽车故障因果关系状态关联强度相连从而形成因果关系模型。如在汽车启动因果关系建立中包括：由于电池电量不足可能会造成灯光不亮、发动机不转，通常会导致发动机转动率下降（注：其中包括“可能会”代表个别案例；而“通常会”代表常见故障案例）。将所有因果关系节点状态连接起来，从而形成了因果关系推理模型。

将已经求解的案例融入到案例库当中，并输入待解决案例，这样CBR故障诊断系统就会自动进行匹配，从而得出结果。系统会自动罗列出已经解决的3个案例，并进行相似度对比，按照相似度由大到小顺序罗列出CBR系统分析结果。并随着案例数量不断增加，可以对比案例相似度更高的案例就会出现，丰富了案例库内容，让CBR分析系统在实际工作中更加精准。

综上所述，CBR故障诊断系统在原理层面上较为简单，但想要完善案例库较为困难，并且需要融入知识获取、案例表示、相似度对比等。由此可见，CBR诊断系统是一个前期高投入、后期高回报的系统，这就需要做好前期的准备工作。在实际应用可以更加清晰的提出车辆故障的因果，并且所得出的结果也十分精准，值得推广。

参考文献：

[1]徐锦国,程国建.基于案例推理的车辆故障诊断系统[J].电脑知识与技术,2010,06(13):3495-3496.

[2]焦青青.基于案例推理的机车故障诊断系统研究[D].武汉理工大学,2013.

[3]徐君杰.基于案例推理的车辆故障诊断专家系统研究[J].现代制造工程,2016(5):125-129.