基于粗糙集的汽车故障诊断研究

【摘要】本文是将粗糙集理论与汽车故障检测技术结合起来，可以分析诊断信号与故障类型之间的关系，从而对了解汽车故障机理，缩短维修时间，延长汽车的运营周期、减少和预防事故起到积极的推动作用。

【关键词】故障诊断

一 、基于粗糙集的汽车故障诊断系统框架的提出

图1为汽车故障诊断系统的框架组织。

二、统框架和理论方法的验证

由于汽车故障的产生主要是由于零件之间的自然磨损或异常磨损、零件与有害物质接触造成的腐蚀、零件在长期交变载荷下的疲劳、在外载荷及温度残余内应力下的变形、非金属零件及电器元件的老化、偶然的损伤等原因造成的。当某处发生故障时，必然使原有供油状态发生变化，燃油流动的压力和流速等参数也会产生相应的改变，反映在压力波形上将导致波形形态和波形参数值的变化，因此通过对压力波形的分析，可以提取足够的特征信息，判别系统的工作状态，从而达到诊断系统故障的目的。

1.数据准备

本文将五档手动变速器三档振动信号经小波包分解在各频带能量序列作为学习样本，并直接输入目标数据库。

2.数据离散化

2.1模糊c一均值聚类

在模糊c一均值聚类方法中，每一个数据点按照一定的模糊隶属度隶属于某一聚类中心。

每种条件属性分为三类，模糊c一均值聚类迭代46次后，求得的三个聚敛中心点和依此取得的断点值如表1。

表1模糊c一均值法聚类求得的中心点和断点

三、粗糙集属性的提取

1.决策表的建立

以模糊c一均值法的聚类结果离散原始数据，建立决策表，记为决策系统Sl。各属性值以0, 1, 2代替，如属性值在(0,Cut-pointl ]间记为0，依此类推。

表2决策表S1

2.数据缩减和属性初步简化

根据构建车辆故障诊断数据挖掘系统，利用知识的充分性理论对决策表进行简化，消去决策表中的重复信息。

3.建立区分矩阵，得出约简

对决策表S1, S2和S3建立区分矩阵。由区分矩阵，经区分函数析取计算后，可得到最小约简。分为三类后，利用最小约简也能达到很高分类精度和分类质量。

表4约简集的分类精度和分类质量

4.规则推理

根据核约简和值约简，分别以S1的{f, h}约简，约简建立决策规则的最小解。如表5。再引入缺省规则、置信度和支持度三个概念，以对规则进行筛选，最终用户得到的规则具有较高的置信度和支持度。

表5S1的规则集

7.规则的生成

规则最后可表达成IF...THEN形式，如：

IFh ≤ 47.686 THEN三档磨损运行。

IFf 95.492THEN三档磨损运行。

从以上分析可以看出，决策的条件属性数目由原来的12个减为2个，且每个规则要求知道属性值的条件属性数目也大大减少。所以，若故障的征兆完备，粗糙集方法能准确地别故障类型；若遗漏的或错误的信息不是约简中的关键信息，对分类结果无影响；如遗漏了关键信息，可利用若干约简得到的规则综合分类。

小结

本文首先提出基于粗糙集汽车故障诊断系统框架，并用不同的离散化方法对系统的粗糙集推理部分进行了可行性论证。结果表明：

⑴粗糙集理论只能处理符号型数据，因此必须对连续型数据进行离散化操作。但离散化的级数必须考虑。文中将数据分为两类，分类过于粗糙，损失系统信息过多，造成决策系统的分类精度和分类质量较低。

⑵如果只考虑置信度，模糊c一均值法得到的规则都很多，并且有受噪音数据的影响得到错误规则的可能。附加考虑支持度后，规则的数量减少很多，排除了错误规则的同时，也排除了一些小概率完全正确的规则。

（3）粗糙集理论可以用于系统故障诊断问题，并且这种方法有助于不同离散化方法的评估，有助于故障分类质量的比较，同时产生的决策规则可以进行系统状态的预测。

【参考文献】

［１］张荣梅著.智能决策支持系统研究开发及应用[M]. 北京:冶金工业出版社，2003