基于貝葉斯網絡的電控發動機故障診斷

謝學飛，陳琳

（南通職業大學汽車與交通工程學院，江蘇 南通 226007）

前言

對于電控發動機而言，ECU內部都有一個故障自診斷電路，如果發動機發生故障，目前常采用電腦解碼儀進行故障診斷。但是電控發動機各系統和部件之間的關聯越來越緊密，單憑故障代碼排除故障，有時會使故障診斷陷入僵局或使維修時間增長；另外，對于純機械故障，維修工人僅能憑借經驗排除會大大降低維修效率。貝葉斯網絡是一種基于概率推理的網絡模型，已成功應用于可靠性分析、模式識別、故障診斷等領域。采用貝葉斯網絡對電控發動機故障進行分析，能夠更好地對故障進行定性和定量分析[1]。所以，在實車故障排除時，我們可以在利用貝葉斯網絡分析的基礎上結合診斷儀的故障碼進行故障排除，這樣可以提高故障診斷效率。

1 貝葉斯網絡基本原理

貝葉斯網絡是一種處理不確定信息的有力工具。在利用貝葉斯網絡進行故障分析時，一方面可以看出故障現象與故障原因之間的關系；另一方面可以通過定量計算得到各個故障原因發生的概率，這充分發揮了貝葉斯網絡特有的優點和作用[2]。而且，與故障樹相比，貝葉斯網絡憑借其獨特的優勢，能夠解決復雜系統的動態性、多態性等問題。

貝葉斯網絡一般由若干節點、連接節點的有向邊以及概率表組成。如圖1所示，圖中共有三個節點，根據它們之間的依賴關系，節點A和B稱為父節點，也稱為根節點（沒有父節點的節點），它們附有邊緣概率分布，稱為先驗概率；節點C稱為子節點，附有條件概率分布，稱為條件概率表。

圖1 簡單的貝葉斯網絡

利用貝葉斯網絡可以進行雙向推理，一方面我們可以自上而下進行推理，計算出系統發生概率，對系統進行可靠性評估，另一方面，我們可以進行自下而上推理，進行故障診斷，找出系統薄弱環節。

2 發動機無法起動貝葉斯網絡模型的建立與分析

2.1 電控發動機無法起動故障貝葉斯網絡的建立

發動機不能起動的現象主要有以下幾種：起動機帶不動發動機，或能帶動，但轉動緩慢；起動機能帶動發動機正常運轉，但無著火跡象；有著車跡象，但發動機不能起動[3,4]。為了便于討論，本文只討論第三種情況，這種情況下，電控發動機不能起動的原因如下：

（1）點火系統。點火系統高壓線圈故障、高壓線路故障、火花塞故障以及點火控制模塊故障會造成點火系統提供的高壓火花弱或點火時刻不正常而使發動機不能起動。

（2）燃油供給系統。電動燃油泵及控制電路故障、燃油壓力調節器故障、噴油器故障會造成燃油壓力低，使混合氣過濃而造成發動機不能起動。

（3）進氣系統。進氣系統如果出現空氣濾清器堵塞、漏氣、怠速控制閥故障、節氣門出現故障的空氣量太多或太少。

（4）控制系統。冷卻液溫度傳感器及電路故障、空氣流量傳感器及電路故障、曲軸位置傳感器及電路故障會造成發動機控制出現問題，致使發動機不能起動。

（5）其他。配氣機構故障、曲柄連桿機構故障。

圖2 電控發動機無法起動貝葉斯網絡拓撲結構

通過電控發動機不能起動原因的分析，建立了電控發動機無法起動貝葉斯網絡拓撲結構如圖2所示。

圖中各節點名稱的符號如下：

T——表示電控發動機無法起動；M1——點火系統故障；M2——燃油供給系統故障；M3——進氣系統故障；M4——控制系統故障；M5——其他；X1——高壓線圈故障；X2——高壓線路故障；X3——火花塞故障；X4——點火控制模塊故障；X5——電動燃油泵及控制電路故障；X6——燃油壓力調節器故障；X7——噴油器故障；X8——空氣濾清器堵塞；X9——漏氣；X10——怠速控制閥故障；X11——節氣門故障；X12——冷卻液溫度傳感器及電路故障；X13——空氣流量傳感器及電路故障；X14——曲軸位置傳感器及電路故障；X15——配氣機構故障；X16——曲柄連桿機構故障。

2.2 貝葉斯網絡中各個節點概率值的確定

基于發動機無法起動的故障數據庫[5,6]，得到發電控動機無法起動的貝葉斯網絡根節點的故障概率，如表1所示。

表1 貝葉斯網絡中各個根節點先驗概率

貝葉斯網絡中各個條件概率表根據故障樹與貝葉斯網絡的轉換方法，如下圖所示。

圖3 貝葉斯網絡中間節點M1的條件概率表

圖4 貝葉斯網絡中間節點M2的條件概率表

圖5 貝葉斯網絡中間節點M5的條件概率表

圖6 貝葉斯網絡葉節點T的條件概率表

由于 M3的條件概率表與 M1相同，M4的條件概率表與M2相同，故此處省略。

2.3 貝葉斯網絡的概率計算

由于本文建立的電控發動機無法起動的貝葉斯網絡較復雜，計算量比較大。針對復雜的貝葉斯網絡模型，單靠人工計算肯定是不行的，我們需要借助計算機軟件——貝葉斯網絡工具箱（BNT）進行計算。針對本文建立的貝葉斯網絡，在 MATLAB中編寫程序，通過正向推理計算得出葉節點及中間節點發生概率，通過反向推理計算出根節點的后驗概率。葉節點T的發生概率：P(T=1)=0.198675，中間節點：P(M1=1)=0.389264，P(M2=1)=0.341930，P(M3=1)=0.322523，P(M4=1)=0.255520，P(M5=1)=0.019900。各個根節點的后驗概率見圖7。通過中間節點發生概率的大小，我們可以看出在電控發動機無法起動時，點火系統發生故障的概率最大。

圖7 各基本事件的后驗概率

后驗概率越大，說明導致電控發動機無法起動的影響越大[7]。由圖7可知，當葉節點T發生故障，也就是電控發動機無法起動時，檢測到各根節點的概率排序如下：X5>X4>X3>X7>X8=X13>X10=X14>X11>X12=X9>X13>X2=X6>X15=X16，我們可以看出電動燃油泵及控制電路故障的后驗概率最大，也就是說當電動燃油泵及控制電路發生故障時，最容易導致電控發動機無法起動，電動燃油泵及控制電路為電控發動機無法起動的最薄弱環節，理論結果與實際情況相符合。

3 結論

為了解決電控發動機在故障診斷時，利用診斷儀讀不出故障碼或者依據故障碼陷入困境會大大降低維修人員的維修效率的問題，本文利用貝葉斯網絡診斷方法，得到電控發動機不能起動時各部件發生故障的可能性大小，進行故障排除，可以較好的解決上述問題。

當然，若只是根據后驗概率制定故障診斷流程也是不夠的，利用貝葉斯網絡還可計算出事件重要度，將其與后驗概率結合起來可進一步完善故障診斷策略。另外，貝葉斯網絡自身還需進行一定的完善。此外，對于故障事件的概率值的獲取需要更完備的數據庫，還有待于進一步改進。