电控CNG发动机模糊故障诊断策略研究

张莉，苏晓芳，陈娜娜

（1.北京城市学院，北京，101300；2.天津机电职业技术学院，天津，300350）

0 引言

CNG发动机是在原有柴油机基础上进行改进，且采用电控技术控制相应部件，使其控制的精度不断提高，因此采用的控制策略和控制逻辑也越来越复杂。一旦某个部件出现问题，发动机可能会出现一种或多种故障症状；故障症状的表征不一，而且同一种故障症状引起的原因有多种，这就导致了故障症状和故障原因之间存在模糊不确定的关系，故引入模糊推理方法来诊断这种不确定性、模糊性问题。

另外，电控CNG发动机与常规汽、柴油发动机在燃烧特性上的差异，使得其组成结构、故障机理以及故障特点也在许多方面与汽、柴油机不同，其故障诊断的内容也更加复杂。鉴于此，引入模糊逻辑推理来进行电控CNG发动机故障诊断策略的研究。

1 模糊故障诊断模型

1.1 知识库的建立

由于电控CNG发动机工作情况和故障诊断内容的复杂性，发动机故障现象与故障部位之间的对应关系也较为复杂，导致CNG发动机的故障多为不确定性故障。在进行发动机故障诊断知识的表示要考虑诸多因素，要对发动机的故障进行分析和归类。

1.2 不确定性知识的表示

针对CNG发动机故障现象与原因之间的复杂关系，且二者之间没有明确的对应关系和规律可循。为了能够利用故障症状快速而准确的判断故障，必须先从故障症状与故障原因的相关性分析入手，通常引入隶属度函数来表示这种关联。相互关系一般是在归纳总结、统计分析、不断校正的基础上获得的，由于二者之间没有明确的对照，针对这种复杂的不确定性知识引入模糊数学理论进行分析和表示。同时，需要注意在知识的表示时采用规范化的计算机容易识别的形式有利于模糊系统的知识的自动获取，可以直接输入到计算机中。在知识的表示和组织中，最顶层的对象应是发动机本身，其下层关系为发动机的各子系统，再下层应为各子系统的部件。为了便于计算机接受，可将故障按照层次分类，首先分为燃气、进气、点火、怠速、电控和机械等六类系统级别故障。然后，每个系统级别故障又可分为若干部件故障。最后，行业领域专家知识可以归纳为三个层级，分别是典型故障症状、系统级别故障和部件故障。

电控CNG发动机是在柴油机基础上改制而成的，增加了相应的燃气控制部件和燃气ECU，使得故障高发率主要集中在燃气供给系统。根据行业领域专家的经验知识及企业调研建立如表1所示的燃气系统的常见故障现象、故障原因知识库。

表1 电控CNG发动机故障知识库

由于电控CNG发动机结构复杂，故障信息模糊，使得故障征兆和故障原因之间难以建立正确的数学模型，所以在建立故障训练样本时，需要用模糊理论将CNG的故障输入量进行模糊化表示，其隶属度的确定是依据专家经验法及维修实际情况给出[1]。将故障存在的程度分为5个层次，见表2。

表2 故障层次

以故障y1进气管漏气为例，其故障症状x经模糊化处理的输入向量为{0.9,0.9,0.7,1,0,0}。参照以上可对CNG发动机燃气系统常见故障进行模糊化表示，得到表1所示的训练样本。

2 模糊推理策略

推理策略是系统进行故障诊断的重要组成部分，依据电控CNG发动机故障症状和故障原因之间的模糊关系，采用模糊推理策略。

模糊推理规则表示：

式（1）中A-论域X的模糊集合、B-论域Y的模糊集合。通常，称“x is A”为前件或前提，“y is B”为后件或结论。式中表达了两个变量x∈X，y∈Y之间的关系，把if-then规则定义为乘积空间X×Y上的二元模糊关系R。则有：

有了模糊规则就有模糊推理，且多数情况下是近似推理。根据式（1）规则进行的推理可写作：

式（2）可以由如下公式计算：

式（3）采用了（∧,∨）模糊算子。当规则有多个前提时，也可以采用类似与式（3）进行计算[2]。

鉴于电控CNG发动机出现故障的随机性和人工经验的模糊性等特点，也可使用正反向混合演绎推理（此处不是本文核心，故不再赘述）和模糊子集法进行综合诊断，避免出现诊断时间过长，过程繁琐的问题。

3 模糊诊断过程实现

模糊诊断方法是一种基于知识的自动诊断方法，它是利用模糊逻辑描述故障原因与故障现象之间的模糊关系，通过隶属度函数和模糊关系方程解决故障原因与状态识别问题[3]。在实际故障诊断时，要在传统模糊关系矩阵基础上，构建精确的数学模型比较困难，需要实时获取故障相关的输入信息，利用计算机的自学习功能修正权系数，最终得到动态的模糊诊断矩阵。

3.1 模糊矩阵

依据专家经验分析判断，在分析异常故障现象的基础上得出故障原因。依靠模糊逻辑推理，对模糊推理结果进行综合评判。针对发动机故障的模糊关系，引入模糊关系矩阵表示。实际出现的发动机故障不是“非此即彼”，而是复杂的、不明确的对应关系，这种对应关系就决定了CNG发动机故障的复杂性和模糊性。

对故障原因集Y中的故障原因yj(j=1，2，...，n)做出故障评判，确定该故障原因对故障症状xi(i=1，2，...，m)的隶属度（或发生故障症状xi时故障原因是yi的可信度）rij。这样n个故障原因对应m个故障症状的评价集就构成了评价模糊矩阵R：

其中，0≤rij≤1，1≤i≤m，1≤j≤n

模糊矩阵R是故障原因论域Y与故障征兆论域X的一种模糊关系。模糊关系矩阵R是m×n维矩阵，其中故障征兆为行，故障原因为列，第i种征兆xi对第j种原因yj的关联度为矩阵元素rij，即发生故障症状xi时故障原因是yi的可信度。

3.2 模糊诊断实例

文章以电控CNG发动机起动困难、发动机怠速不稳易熄火故障为例具体说明模糊诊断过程的实现。其故障诊断表见表3～表6所示。

表3 故障症状等级和专家评分表

表4 “发动机起动困难”对应故障原因表

表5 “发动机怠速不稳易熄火”对应故障原因表

空气滤清器堵塞 0.8×0.5 进气系统故障燃气喷嘴漏油、雾化不良或堵塞 0.75×0.5 燃气系统故障怠速调整不当 0.6×0.5 怠速系统故障电子节气门故障 0.1×0.5 怠速系统故障减压器故障 0.1×0.5 燃气系统故障火花塞工作不良 0.6×0.5 点火系统故障进气压力传感器故障 0.1×0.5 进气系统故障发动机缸压过低 0.4×0.5 机械系统故障

表6 各系统可信度统计表

通过计算，发现进气系统发生故障的可信度最大，即引起发动机起动困难和怠速不稳易熄火故障的原因最大可能是进气系统问题，可按照系统提供的检修建议优先级别进行检查，若该系统确有故障，可对该系统中的可疑部件依次进行检修，检修顺序参照可信度大小排序检查，依次排除，最终确定故障原因。若该系统无故障，则按照上述方法检修下一个系统，直到确诊。经实践检修，验证诊断结果的正确性。

4 结论

通过分析，模糊逻辑诊断成功与否依赖于构建动态故障诊断模型和模糊矩阵的正确性。通过建立模糊诊断矩阵，并经过修正，则会得到比较接近实际的，能客观反映故障原因的结论。实验证明，模糊推理结论符合实际诊断结果。