淺析基于大數據的汽車故障診斷技術

邱建國

摘要：大數據在諸多領域得到了良好應用，在汽車修理行業，大數據能夠為檢修員提供良好的案例分析，盡快篩查汽車故障，甚至在遠程不見車的情況下，完成車輛檢修排障工作，對于汽修行業轉型發展和汽車故障診斷效率都有深遠影響，研究將概述大數據時代下汽車故障診斷技術的幾點應用方式。

關鍵詞：汽車鵂鹠;故障診斷;大數據

高速移動網絡讓信息交流更為便捷，也進一步提升了現階段汽車的科技水平。然而與此同時到來的是汽車結構越發復雜，故障診斷越來越繁瑣，利用大數據、互聯網、高速計算機來發展用于汽車診斷的汽車修理技術，對于現階段修理技術提升和交通安全都有一定意義。

一、汽車故障診斷技術的原理

汽車故障診斷不僅僅是修理廠的修理過程，現階段隨著5G時代到來，汽車故障診斷是動態的、實時的、自動的。汽車檢修員、司機可以在汽車運行過程中，同時研究汽車運行的狀態，找到原因，并作出決策。具體原理如圖1-1

二、汽車故障診斷技術的知識結構

汽車故障診斷是一個成體系的知識構架，前置學科為故障機理研究、信號處理、故障識別和人工智能系統。

前三者構成故障的排障系統，最后的人工智能正搭載著更多高新技術，形成良好的汽車故障檢測、決策系統。不僅僅在排障，甚至在出廠之前，乃至于汽車的設計改良過程中，都有積極應用。

三、大數據視角下汽車故障診斷方法

（一）循證法

循證法基于循證醫學，是利用既往機修案例進行決策的方法，大數據視角下，構建汽車故障診斷的知識庫、故障庫，從中剝離出故障征兆和推理故障原因的推理系統。大數據在這里的意義在于能夠集合全世界數十億臺車的機器故障情況，事實對比類似案例，再結合具體車輛的具體問題，梳理每一步的排障經驗，形成一個動態的、成長型、學習型的數據庫。讓同一臺車汽車故障自檢越來越精準高效。

（二）專家系統

專家系統并非創新系統，汽車技術結構分屬于多個領域，有些故障需要多領域專家“會診”。該系統的計算機模型結構為汽車參數庫、征兆事實庫、解釋程序、推理機、故障對策程序和知識獲取模塊構成，搭載人機交互界面就形成了現行常見的汽車自檢故障報警系統。

在大數據時代，專家系統可以真正的引入不同專家進行實時跟蹤，并為每個專家打造專屬的診斷案例庫，豐富完整的專家知識體系。隨著數據庫的成長和自我學習，專家可以越來越少的介入日常修理當中。

（三）故障分析算法

大數據常常是基于計算機而運行的模式需要相應的邏輯算法來完成，現階段汽車搭載的自檢系統采用的是故障分析樹法FTA（Fault Tree Analysis），該算法能夠將故障成因逐步歸類分析，從上世紀六十年代就開始應用于各行各業。但是由于傳統的過程沒有更多的信息交互，所以新興的技術沒有進行有效的利用。隨著汽車技術含量越來越高，科技產品的介入能夠讓汽車、司乘人員、汽車售后服務部門形成聯動，第一時間檢查排除故障，降低車輛行駛中的技術問題干擾。

與此同時，科研工作者在攻堅更多新算法，能夠進一步高效使用大數據資源，更快的檢索關鍵信息，統合汽車傳感器上的各種汽車性能指標，為汽車良好運營做出保障。在這一方面的研究目前和計算科學合并，有望揭開新的研究領域，創造更多的汽車排障理念。

四、結論

綜合以上分析不難看出，汽車故障排除是一種融合多個學科的專業領域工作。以上僅僅是對汽車故障診斷技術的基本原理和大數據可以融入的區域進行概述，實際上大數據在整個汽車行業而言都是相當有意義的。不僅僅是故障診斷，在自動駕駛、自動泊車等技術合并形成的智能汽車。是整個汽車行業的進階發展，也是傳統排障技術借力新技術的再次創新。作為基礎汽修人員，及時掌握這種新技術，能夠有效的利用好自己傳統的技術經驗，在新時期做出新的更大貢獻。