[发明专利]一种基于危害度的车辆故障诊断策略构建方法

说明书

本发明公开了一种基于危害度的车辆故障诊断策略构建方法，其特征在于，包括以下步骤：步骤一、使用包括危害度因子的启发函数，选择单步最优的测试，并将最优的测试起始位置作为与测试起始节点，对车辆进行相应的测试，获取传感器测量结果；步骤二、根据所述传感器测量结果的输出值，使用故障测试相关性矩阵分解出与该测试输出值相对应的状态集节点作为当前与所述节点相关的枝节点；步骤三、若枝节点为叶子节点，则标记该枝节点为已解节点，输出故障结果；若枝节点为未解节点，返回步骤一。本发明将修正后的相对危害度当权重，提出的平均测试费用的优化目标函数，有利于减少诊断策略中最终的中间节点总数。

技术领域

本发明涉及车辆故障诊断技术领域，特别涉及一种基于危害度的车辆故障诊断策略构建方法。

背景技术

现有诊断策略构建算法本质上是由启发函数和搜索策略组成，启发函数决定了算法的适用范围，而搜索策略决定了得到的诊断策略的优劣程度。现有算法解决了测试可靠的情况下的多值测试、多故障、多回路、多模式、多级维修、面向事后维修和面向全寿命周期的诊断策略优化问题。现有算法不足之处在于：算法的优化目标函数只考虑了测试所耗费时间和费用因素，对诊断过程中可能对装备造成的损伤及测试序列造成的负面影响等因素缺乏考虑；在构建诊断策略时，主要基于故障模式的故障概率属性，而实际应用中，当系统测试出现异常报警，依据获得的最优诊断策略推理定位故障时，往往要求对系统危害较高的故障模式能够快速被检测和隔离，即在诊断策略构建时既要考虑故障模式的危害性，又要使构建的诊断策略的中间节点总数越少越好；现有算法的优化目标函数中将概率当权重，实际应用中系统正常的概率占大部分，权重差异大，测试执行费用相同时，选择的平均测试费用最小的诊断树中隔离到指定层级经历的中间节点总数不一定是最少的，而且由于信息熵函数为∩型凸函数，系统概率差异较大时，采用基于概率的启发函数寻优得到的单步最优测试只是信息熵最大的测试，区分系统状态不一定最多，不利于减少诊断策略的中间节点总数。

发明内容

本发明设计开发了一种基于危害度的车辆故障诊断策略构建方法，解决了现有故障诊断方法中诊断节点过多的缺陷，减少了诊断策略中最终的中间节点总数，快速准确的诊断出故障。

本发明提供的技术方案为：

一种基于危害度的车辆故障诊断策略构建方法，包括以下步骤：

步骤一、使用包括危害度因子的启发函数，选择单步最优的测试，并将最优的测试起始位置作为与测试起始节点，对车辆进行相应的测试，获取传感器测量结果；

步骤二、根据所述传感器测量结果的输出值，使用故障测试相关性矩阵分解出与该测试输出值相对应的状态集节点作为当前与所述节点相关的枝节点；

步骤三、若枝节点为叶子节点，则标记该枝节点为已解节点，输出故障结果；若枝节点为未解节点，返回步骤一。

优选的是，所述包括危害度因子的启发函数表示为：

IG(X^h；t_j)＝H_j1(X_j1)+H_j2(X_j2)+…+H_jn(X_jn)

其中，k^*表示在给定系统故障集时下一步的最佳测试；n为测试t_j输出值个数；C(t_j)为执行测试t_j的费用；H_ji(X_ji)为故障测试相关性矩阵中与测试t_j第i个输出结果相关的故障集X_ji的诊断信息量；为故障集X_ji的修正相对危害度。

优选的是，所述修正相对危害度为：