汽车发动机管理系统检修.doc

第8次课 模块一 发动机管理系统的检修 项目1.8 发动机管理系统的仪器诊断 ● 目的要求 掌握使用故障检测仪对发动机管理系统进行检测与诊断。 ● 教学重点 使用故障检测仪对发动机管理系统进行检测与诊断。 ● 学习难点 使用故障检测仪对发动机管理系统进行检测与诊断。 ● 教具及工具 桑塔纳轿车2辆，各种传感器若干，通用工具2套，万用表2块，汽车诊断仪2台。 ● 教学内容及时间安排（180分钟） 1. 问题的引入 约10分钟 2．汽车电控系统诊断方法 约40分钟 3．使用V.A.G1552对上海大众桑塔纳2000型轿车进行检测与诊断 约130分钟 教学内容组织与过程设计 备注 课程引入（约10分钟） 汽车电控系统诊断方法（约40分钟） 一、汽车故障诊断新技术 汽车故障诊断方法 汽车故障诊断方法 问诊法 观察法 听诊法 感观诊断法 触摸法 嗅觉法 车载仪表诊断 人工经验诊断 万用表诊断 试验诊断法 气缸压力表、真空表诊断 燃油压力表诊断 分段检查诊断法 征兆模拟法 仪表诊断法 测量诊断法 局部拆装诊断法 故障树分析法 诊断流程图、表检查法 故障征兆表检查法 图表分析诊断 故障码诊断法 数据流分析法 波形分析法 仪器设备诊断 人工读码 仪器读码 2.3.1 案例法 传统的故障诊断中大部分是RBR(rule based reasoning,基于规则推理)、MBR(model based reasoning,模式推理)的专家系统技术的研究。由于这些传统的专家系统是基于模型化驱动的(基于模型的诊断方法使用诊断对象的结构、行为和功能模型等深知识进行诊断推理),在模型的构建、信息的获取、信息的处理方面存在严重不足,有一些难以克服的缺点,如系统领域知识的规则提取困难;规则库、模式库的创建和管理复杂艰巨;推理过程中规则与模式难以准确选取等。 整个汽车故障诊断系统主要由知识库、故障案例库、征兆数据库和推理系统构成。其中主要部分的内容和功能描述如下: a)知识库。问题求解的知识、经验的集合,主要由专家提供,包括汽车故障的分类信息及不同种类故障需要的各种关键特征属性及其权值,并以此构建故障案例库和征兆数据库。 b)故障案例库。由用户根据汽车故障日志和维修日志等历史数据填写的关于汽车故障的各种信息,是存储案例和产生新案例的仓库,为新问题的解决提供参考依据。 c)征兆数据库。汽车发生故障时经过数据采集的故障征兆数据信息,是指故障发生的潜在特征,即故障发生时汽车运行状态发生的变化,通常是故障发生时以汽车运行状态参数表示的特征属性。 d)推理系统。整个系统的核心,由案例检索、匹配,案例调整、学习组成。它决定了诊断效率的高低以及对知识处理的高低,实现从已有的案例集中找到与当前故障问题最为相似的案例,并提供相应的解决方案(即故障维修方案)。同时不断获取新知识和改进旧知识,生成新的维修方案,并按一定的存储策略添加到案例库中。这样,通过不断地学习新案例和修改案例库中的旧案例,使案例库得到扩充和完善。 2.3.2 故障树分析法 故障树分析法—FTA(Fault Tree Analysis)是一种将系统故障形成原因按树枝状逐级细化的图形演绎方法，是60年代发展起来的用于大系统可靠性、安全性分析和风险评价的一种方法。它通过对可能造成系统故障的各种因素(包括硬件、软件、环境、人为因素等)进行分析，画出逻辑框图(即故障树)，再对系统中发生的故障事件，作由总体至部分按树枝状逐级细化的分析，并对系统在方案与初步设计阶段进行可靠性、安全性分析，常用于系统的故障分析、预测和诊断，找出系统的薄弱环节，以便在设计、制造和使用中采取相应的改进措施。 基于故障树的诊断,采用面向对象的基于故障树的框架和广义规则的混合知识表示,把整个故障树当作一个对象,把故障树上所有子、父结点间形成的广义规则封装在一个独立的框架内,如某故障树上有结点异常,则启动与该故障树对应的框架,诊断时只把该框架内的广义规则调入内存,提高了诊断速度.此外,该方法还可诊断多故障,因为在推理过程中采用反向遍历搜索,可找出所有故障及可能故障的部件.对可能故障的部件,按照其与顶事件形成的通路的权值的大小进行排序,权值最大的元素其优先级最高,有利于诊断信息不足条件下的对故障源的最优搜索,为故障预测和快速维修指明方向. 2.3.3 专家系统 专家系统是一种基于特定领域内大量知识与经验的智能程序系统，应用人工智能技术模拟人类专家求解问题的思维过程解决领域内的各种问题，是人工智能的一个重要分支。 用于故障诊断的专家系统的基本结构主要包括以下几个组成部分，诊断知识库(Knowledge