基于案例推理的車輛故障診斷系統

劉 輝

甘肅金證司法醫學鑒定所 甘肅蘭州 730000

隨著車輛的使用時間延長，各個零部件老化或損壞會造成車輛故障，針對此類問題很多人都是結合日常工作經驗來判斷故障發生位置、故障類型，并對可能出現的故障一一排除，最終找到故障所在，并將故障排除。基于案例推理（下文簡稱“CBR”）的故障診斷系統與專家系統類似（也可以說就是一種專家系統），可以結合車輛故障案例對車輛故障進行對比分析，從而提出可能出現的故障。在CBR系統使用當中，需要構建一個診斷模型，建立系統中各個要素間的關系，從而生成一個因果關系網絡，對故障因果關系進行推導，并輸入已經解決的相關案例，從而生成故障案例庫，在汽車故障診斷中在案例庫中找到類似的案例，從而提出相應的解決方法。

一、CBR相關闡述

很多現實中的問題由于十分復雜，所以不能僅采用數學模型方法解決。部分簡單限制性條件在建模過程中也變得難以實現。基于此，可以采用CBR方案。CBR方案能夠搜尋與該故障類似的問題從提出問題發生點以及線索，從而幫助人們解決故障問題。從本質來說，CBR是人工智能技術的一個分支，更像是模糊神經系統與專家系統的結合，在特定領域中提取推理特征，結合過去已經解決的案例，將故障問題和案例內容相似度進行對比分析的一種推理技術。

想要實現CBR功能，需要建立一個因果關系模型，并將車輛專業知識存儲到模型當中，這樣即可對車輛知識進行分類、互聯，構成一個完整的分析鏈，對車輛故障進行匹配和推理。需要用戶提取重要的知識特征，也就是可能產生的故障因素，為車輛出現故障時給用戶提供相應的參數，根據專業知識定義因果關系，確定每個因果關系的強度（0-1之間），最終形成一個可以推理車輛故障的關系模型。其中，案例庫主要是存儲已經解決的案例，一個案例當中必須要涵蓋問題描述、解決方法，問題描述是各項屬性與特征、解決方法是某個確定狀態。

二、構建試驗系統

在構建試驗系統過程中，需要采用CBR系統知識編輯庫，如TrollCreek就是較為理想的智能推理編輯器。在實際使用過程中，需要創建故障診斷系統，其步驟為：（1）完善因果關系模型；（2）加入已經解決的案例；（3）輸入新案例進行推理；（4）得到結果；（5）確定結果。

整個CBR車輛故障診斷模型的核心是編輯因果關系模型，主要包括增加節點、構建層次結構、構架因果關系模型。首先要在準備創建領域中抽取相關的特征項，并作為節點加入到系統當中，之后將特征項加入到系統中，之后即可完善節點層次結構，構成一個分類層次結構，將系統故障狀態當做節點加入到因果關系當中，這樣即可將兩個節點相關聯，組成完整的關系模型，通過該模型即可對車輛故障進行診斷。

將已經解決的案例狀態、結論添加到系統當中，組建案例庫。案例庫中的案例數量越多，整個CBR系統后期推理就更加精準。在輸入新案例過程中，實則就是新案例與舊案例特性進行相似度對比，并按照相似程度由大到小進行排列，并得出最為接近新案例的10個舊案例（如果案例數量較多提出10個接近案例，如果案例不足10個，則推出所有相似案例）。確認結果是將系統推理的結果進行驗證，如果測試符合標準則標記為已解決形態，并將其應用到案例庫當中。從CBR故障診斷系統特性層面分析，其故障分析能力主要是依賴案例庫，多個案例對比分析可以大大提高診斷精度。

三、測試與分析

在構建汽車CBR故障診斷模型時，需要實現掌握汽車故障領域的因果關系案例，組建因果模型，模型中主要包括兩大部分，一是構建層次結構；二是建構因果關系。其主要表現在：

1.層次結構

構建層次結構需要把汽車各類故障過程的關系特性項作為節點加入到層次結構圖當中。與汽車故障相關的幾個條件是“因”，以汽車啟動為例，其主要包括發動機、電池、供電系統、燃油系統、燃油等狀態形式。并對應每個狀態可能出現結果的可能性，也就是“果”，例如發動機中有正常運行、不運行、無法打火、轉動速率低等，從而按照因果發生頻次和重要程度進行排序，組建成為結構層次圖。

2.建立因果關系

構建因果關系是將汽車故障因果關系狀態關聯強度相連從而形成因果關系模型。如在汽車啟動因果關系建立中包括：由于電池電量不足可能會造成燈光不亮、發動機不轉，通常會導致發動機轉動率下降（注：其中包括“可能會”代表個別案例；而“通常會”代表常見故障案例）。將所有因果關系節點狀態連接起來，從而形成了因果關系推理模型。

將已經求解的案例融入到案例庫當中，并輸入待解決案例，這樣CBR故障診斷系統就會自動進行匹配，從而得出結果。系統會自動羅列出已經解決的3個案例，并進行相似度對比，按照相似度由大到小順序羅列出CBR系統分析結果。并隨著案例數量不斷增加，可以對比案例相似度更高的案例就會出現，豐富了案例庫內容，讓CBR分析系統在實際工作中更加精準。

結束語

綜上所述，CBR故障診斷系統在原理層面上較為簡單，但想要完善案例庫較為困難，并且需要融入知識獲取、案例表示、相似度對比等。由此可見，CBR診斷系統是一個前期高投入、后期高回報的系統，這就需要做好前期的準備工作。在實際應用可以更加清晰的提出車輛故障的因果，并且所得出的結果也十分精準，值得推廣。