浅析基于大数据的汽车故障诊断技术

邱建国

摘要：大数据在诸多领域得到了良好应用，在汽车修理行业，大数据能够为检修员提供良好的案例分析，尽快筛查汽车故障，甚至在远程不见车的情况下，完成车辆检修排障工作，对于汽修行业转型发展和汽车故障诊断效率都有深远影响，研究将概述大数据时代下汽车故障诊断技术的几点应用方式。

关键词：汽车鸺鹠;故障诊断;大数据

高速移动网络让信息交流更为便捷，也进一步提升了现阶段汽车的科技水平。然而与此同时到来的是汽车结构越发复杂，故障诊断越来越繁琐，利用大数据、互联网、高速计算机来发展用于汽车诊断的汽车修理技术，对于现阶段修理技术提升和交通安全都有一定意义。

一、汽车故障诊断技术的原理

汽车故障诊断不仅仅是修理厂的修理过程，现阶段随着5G时代到来，汽车故障诊断是动态的、实时的、自动的。汽车检修员、司机可以在汽车运行过程中，同时研究汽车运行的状态，找到原因，并作出决策。具体原理如图1-1

二、汽车故障诊断技术的知识结构

汽车故障诊断是一个成体系的知识构架，前置学科为故障机理研究、信号处理、故障识别和人工智能系统。

前三者构成故障的排障系统，最后的人工智能正搭载着更多高新技术，形成良好的汽车故障检测、决策系统。不仅仅在排障，甚至在出厂之前，乃至于汽车的设计改良过程中，都有积极应用。

三、大数据视角下汽车故障诊断方法

（一）循证法

循证法基于循证医学，是利用既往机修案例进行决策的方法，大数据视角下，构建汽车故障诊断的知识库、故障库，从中剥离出故障征兆和推理故障原因的推理系统。大数据在这里的意义在于能够集合全世界数十亿台车的机器故障情况，事实对比类似案例，再结合具体车辆的具体问题，梳理每一步的排障经验，形成一个动态的、成长型、学习型的数据库。让同一台车汽车故障自检越来越精准高效。

（二）专家系统

专家系统并非创新系统，汽车技术结构分属于多个领域，有些故障需要多领域专家“会诊”。该系统的计算机模型结构为汽车参数库、征兆事实库、解释程序、推理机、故障对策程序和知识获取模块构成，搭载人机交互界面就形成了现行常见的汽车自检故障报警系统。

在大数据时代，专家系统可以真正的引入不同专家进行实时跟踪，并为每个专家打造专属的诊断案例库，丰富完整的专家知识体系。随着数据库的成长和自我学习，专家可以越来越少的介入日常修理当中。

（三）故障分析算法

大数据常常是基于计算机而运行的模式需要相应的逻辑算法来完成，现阶段汽车搭载的自检系统采用的是故障分析树法FTA（Fault Tree Analysis），该算法能够将故障成因逐步归类分析，从上世纪六十年代就开始应用于各行各业。但是由于传统的过程没有更多的信息交互，所以新兴的技术没有进行有效的利用。随着汽车技术含量越来越高，科技产品的介入能夠让汽车、司乘人员、汽车售后服务部门形成联动，第一时间检查排除故障，降低车辆行驶中的技术问题干扰。

与此同时，科研工作者在攻坚更多新算法，能够进一步高效使用大数据资源，更快的检索关键信息，统合汽车传感器上的各种汽车性能指标，为汽车良好运营做出保障。在这一方面的研究目前和计算科学合并，有望揭开新的研究领域，创造更多的汽车排障理念。

四、结论

综合以上分析不难看出，汽车故障排除是一种融合多个学科的专业领域工作。以上仅仅是对汽车故障诊断技术的基本原理和大数据可以融入的区域进行概述，实际上大数据在整个汽车行业而言都是相当有意义的。不仅仅是故障诊断，在自动驾驶、自动泊车等技术合并形成的智能汽车。是整个汽车行业的进阶发展，也是传统排障技术借力新技术的再次创新。作为基础汽修人员，及时掌握这种新技术，能够有效的利用好自己传统的技术经验，在新时期做出新的更大贡献。