基于Bayes純電動(dòng)汽車電機(jī)控制系統(tǒng)的故障仿真分析＊

趙 旭

（廣東白云學(xué)院機(jī)電工程學(xué)院，廣東 廣州 510400）

前言

對(duì)于純電動(dòng)汽車電機(jī)控制系統(tǒng)而言，當(dāng)其發(fā)生故障時(shí)，需采用汽車解碼器進(jìn)行診斷。但由于電機(jī)控制系統(tǒng)和其他部件之間存在著緊密關(guān)系，單憑故障代碼進(jìn)行診斷，可能會(huì)導(dǎo)致診斷不準(zhǔn)確或時(shí)間過(guò)長(zhǎng)[1]；而對(duì)于純機(jī)械故障，僅憑借工人經(jīng)驗(yàn)進(jìn)行診斷會(huì)大大降低診斷效率。

故障樹(shù)是常用的分析及故障診斷模型，能夠?qū)赡馨l(fā)生的故障原因進(jìn)行分析并確定邏輯關(guān)系，進(jìn)而確定故障原因及其發(fā)生的概率[2]。貝葉斯網(wǎng)絡(luò)是一種基于概率推理的模型，在多個(gè)領(lǐng)域上都已成功應(yīng)用。與故障樹(shù)相比，其在復(fù)雜系統(tǒng)故障診斷方面具有較強(qiáng)的優(yōu)勢(shì)[2]。將二者相結(jié)合，構(gòu)建基于故障樹(shù)的故障貝葉斯網(wǎng)絡(luò)，能夠解決很多故障診斷相關(guān)問(wèn)題[3]。

采用故障貝葉斯網(wǎng)絡(luò)對(duì)電機(jī)控制系統(tǒng)故障進(jìn)行診斷，能夠更好地對(duì)其進(jìn)行定性和定量的分析[4]。進(jìn)行故障診斷時(shí)，在故障貝葉斯網(wǎng)絡(luò)分析的基礎(chǔ)上，結(jié)合汽車解碼器的故障碼進(jìn)行故障診斷，能夠大大提高故障診斷效率。

1 貝葉斯網(wǎng)絡(luò)的基本原理

事件B已經(jīng)發(fā)生的前提下，事件A也發(fā)生的概率記作P（A|B），該表達(dá)即為事件B發(fā)生條件下事件A發(fā)生的條件概率，相應(yīng)地，將P（A）定義為無(wú)條件概率。

當(dāng)事件A與事件B中任一事件的出現(xiàn)都不會(huì)影響到另一事件的發(fā)生概率時(shí)，則事件A與事件B被視為相互獨(dú)立事件，滿足：

先驗(yàn)概率：先驗(yàn)概率是指未經(jīng)檢驗(yàn)，按照歷史資料及經(jīng)驗(yàn)確定各事件發(fā)生的概率[5]。

后驗(yàn)概率：后驗(yàn)概率是基于新的附加信息，對(duì)先驗(yàn)概率進(jìn)行修正，從而得到更加符合實(shí)際的概率[5]。

2 基于故障樹(shù)的故障貝葉斯網(wǎng)絡(luò)模型的建立

組成故障貝葉斯網(wǎng)絡(luò)的關(guān)鍵為節(jié)點(diǎn)和概率分布，故障貝葉斯網(wǎng)絡(luò)與故障樹(shù)之間存在著對(duì)應(yīng)的映射關(guān)系。因此，將故障樹(shù)轉(zhuǎn)化為故障貝葉斯網(wǎng)絡(luò)的具體過(guò)程如下[6]：

1）將故障樹(shù)中的事件以故障貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)的方式表達(dá)出來(lái)，其中節(jié)點(diǎn)狀態(tài)對(duì)應(yīng)事件狀態(tài)；

2）將故障樹(shù)中基礎(chǔ)事件的先驗(yàn)概率對(duì)應(yīng)給故障貝葉斯網(wǎng)絡(luò)中的根節(jié)點(diǎn)；

3）將故障樹(shù)中的邏輯門以節(jié)點(diǎn)的方式表達(dá)出來(lái)，再根據(jù)其邏輯關(guān)系列出條件概率表；

4）根據(jù)邏輯門與各事件之間的關(guān)系，將各節(jié)點(diǎn)用有向邊相連接，方向與邏輯門的輸入及輸出相對(duì)應(yīng)。

結(jié)合純電動(dòng)汽車電機(jī)控制系統(tǒng)故障體系如表1，構(gòu)建故障樹(shù)如圖1所示。

表1 電機(jī)控制系統(tǒng)故障體系

圖1 電機(jī)控制系統(tǒng)故障樹(shù)

貝葉斯網(wǎng)絡(luò)是將故障原因自下而上用樹(shù)狀的形式表示，其結(jié)構(gòu)與故障樹(shù)結(jié)構(gòu)相對(duì)應(yīng)，因此可以將已建立的故障樹(shù)模型通過(guò)Matlab直接映射成為故障貝葉斯網(wǎng)絡(luò)模型[7]。

Matlab平臺(tái)下的貝葉斯網(wǎng)絡(luò)工具箱BNT是用于開(kāi)發(fā)和學(xué)習(xí)的軟件包[5]，基于BNT所建立的仿真模型，當(dāng)節(jié)點(diǎn)A至B存在一條弧時(shí)，矩陣中對(duì)應(yīng)的（A，B）值為1，反之（A,B）對(duì)應(yīng)值為0。

以電機(jī)控制系統(tǒng)故障為例，電機(jī)控制系統(tǒng)故障主要是由傳感器故障和CAN總線故障所引起，其中傳感器故障較為普遍，主要是由于線路高溫老化，從而導(dǎo)致各傳感器出現(xiàn)問(wèn)題。其中底事件X1：高溫老化，X2：校準(zhǔn)誤差，X3：機(jī)械震蕩分別為中間事件。N1：電流傳感器故障，N2：轉(zhuǎn)自未知傳感器故障，N3：轉(zhuǎn)速“傳感器故障”的公共底事件。三個(gè)中間事件又同為中間事件M1“傳感器故障”的公共中間事件，反映到貝葉斯網(wǎng)絡(luò)中則是一個(gè)具有三個(gè)子節(jié)點(diǎn)的父節(jié)點(diǎn)，如圖2所示。

圖2 電機(jī)控制系統(tǒng)貝葉斯網(wǎng)絡(luò)模型仿真

3 基于故障貝葉斯模型的電機(jī)控制系統(tǒng)故障分析

貝葉斯網(wǎng)絡(luò)的推理核心為計(jì)算后驗(yàn)概率分布，在條件概率的基礎(chǔ)上，采用貝葉斯模型計(jì)算各故障的后驗(yàn)概率，主要包括故障原因分析和重要度判斷，最終得出結(jié)論。

3.1 故障因果關(guān)系推理

故障因果推理是有故障結(jié)論推到原因的過(guò)程，目的在于基于已發(fā)生故障結(jié)果，通過(guò)貝葉斯網(wǎng)絡(luò)進(jìn)行計(jì)算，獲得故障原因的后驗(yàn)概率。

以CAN總線故障為例計(jì)算后驗(yàn)概率。得到：

X4表示連線脫落，X5表示電路損壞。通過(guò)后驗(yàn)概率的計(jì)算，基本可以判斷由電路損壞引發(fā)CAN總線故障的概率比由于連線脫落引發(fā)CAN總線故障大，故在進(jìn)行故障診斷時(shí)可優(yōu)先考慮電路損壞，并開(kāi)展工作。

3.2 故障重要度判斷

以電機(jī)控制系統(tǒng)中電流傳感器故障N1為例，X1：高溫老化，X2：校準(zhǔn)誤差，X3：機(jī)械震蕩是電流傳感器的三個(gè)主要故障模式，其中電流傳感器故障N1與X1、X2、X3故障是由邏輯或門相連的，即X1、X2、X3中任意一個(gè)故障都有可能導(dǎo)致N1故障的發(fā)生，故可以通過(guò)三個(gè)故障底事件先驗(yàn)概率和后驗(yàn)概率來(lái)驗(yàn)證對(duì)故障模式重要度的判斷，X1、X2、X3的先驗(yàn)概率如表2所示，N1的條件概率如表2所示：

表2 基礎(chǔ)故障節(jié)點(diǎn)先驗(yàn)概率

如表2所示為三個(gè)故障底事件的先驗(yàn)概率，能夠在一定程度上反映各故障底事件對(duì)公共故障的影響程度，但并不能直接說(shuō)明其重要程度。在三個(gè)底事件中，高溫老化故障X1先驗(yàn)概率最高為0.15，校準(zhǔn)誤差故障X2和機(jī)械振蕩故障X3的先驗(yàn)概率分別為0.01和0.02，它們的先驗(yàn)概率極為接近，緊緊依靠先驗(yàn)概率是無(wú)法完全確定它們重要程度排序的。

表3 電流傳感器故障節(jié)點(diǎn)的條件概率

結(jié)合條件概率表，當(dāng)X2校準(zhǔn)誤差和X3機(jī)械振蕩未發(fā)生故障時(shí)，由X1高溫老化引起的電流傳感器故障的條件概率值為0.63；當(dāng)X1高溫老化和X3機(jī)械振蕩未發(fā)生故障時(shí)，由X2校準(zhǔn)誤差引起的電流傳感器故障的條件概率值為0.33；當(dāng)X1高溫老化和X2校準(zhǔn)誤差未發(fā)生故障時(shí)，由X3機(jī)械振蕩引起的電流傳感器故障的條件概率值為0.35。故可以推斷出X1高溫老化是導(dǎo)致電流傳感器故障的最主要原因，下面通過(guò)診斷推理進(jìn)行驗(yàn)證。

通過(guò)貝葉斯網(wǎng)絡(luò)得到三個(gè)故障底事件發(fā)生的概率，基于Matlab中的BNT平臺(tái)，構(gòu)建故障貝葉斯網(wǎng)絡(luò)，并計(jì)算它們的后驗(yàn)概率，如表4所示：

表4 基礎(chǔ)故障節(jié)點(diǎn)后驗(yàn)概率

通過(guò)對(duì)先驗(yàn)概率及條件概率的分析可知，高溫老化故障底事件的先驗(yàn)概率比較高，通過(guò)故障后驗(yàn)概率的計(jì)算可知，后驗(yàn)概率值越高，其對(duì)應(yīng)事件對(duì)系統(tǒng)故障發(fā)生的影響程度就越大，因此，根據(jù)表4中數(shù)據(jù)可知，三個(gè)底事件對(duì)于電流傳感器故障的重要度排序?yàn)椋焊邷乩匣收蟈1高于機(jī)械振蕩故障X3高于校準(zhǔn)誤差故障X2，驗(yàn)證了前面的分析結(jié)論。

4 結(jié)論

故障樹(shù)與貝葉斯網(wǎng)絡(luò)具有一定的相通性，本文將故障樹(shù)與貝葉斯網(wǎng)絡(luò)相結(jié)合，形成故障貝葉斯網(wǎng)絡(luò)。文章以電機(jī)及控制系統(tǒng)中控制系統(tǒng)為例，進(jìn)行基于故障貝葉斯網(wǎng)絡(luò)的實(shí)例分析，得到電機(jī)控制系統(tǒng)故障時(shí)各部件發(fā)生故障的可能性大小，再進(jìn)行故障診斷，實(shí)現(xiàn)了故障貝葉斯網(wǎng)絡(luò)模型的仿真，同時(shí)進(jìn)行了故障原因的推理和其重要度判斷分析，從而大大降低維修人員的維修效率。