摘要：隨著汽車行業的發展，對汽車的性能檢測、維修、管理提出更高的要求。通過分析多傳感器數據融合技術故障診斷方法及汽車診斷系統(故障預測與健康管理)的特點，在不改變當前汽車智能檢測系統硬件組成的情況下，將多傳感器信息融合技術運用到汽車診斷系統，并且比較智能化分析系統的故障，以及記錄下全部傳感器和驅動器的數據，實現對汽車系統的實時狀態監測、健康評估和故障診斷。
關鍵詞：故障分析；診斷系統；信息融合；傳感器

O 引言
目前的大部分故障檢測方法往往只是對系統狀態信息中的一種或幾種信息進行多層次、多角度的分析和觀察，從中提取有關系統行為的特征，所以給系統故障的有效診斷帶來了局限性。比如，在汽車的運動過程中，利用發動機氣缸的缸溫對發動狀態進行診斷時，由于信號類型中能夠提供的信息較少，因而很難做出準確評價。但如果能將氣缸的溫度信息、發動機轉速，以及汽車的運動速度綜合起來考慮，那么就可以對發動機的狀態進行更準確的評價。在某些故障診斷過程中，雖然有時利用一種信息，即可判斷機器的故障，但在許多情況下得出的診斷結果并不可靠。因而多傳感器數據融合技術從多個不同的信息源獲得有關系統狀態的特征參數進行有效的集成與融合，能較為準確和可靠地實現系統運行狀態的識別和故障的診斷與定位。
隨著微電子技術、現場總線、計算機測控技術、信息與處理技術、無線通信、線控驅動等技術的發展，多傳感器信息融合的智能化診斷技術在汽車系統故障診斷中的應用已成為一個新的研究方向。多傳感器數據融合與所有單傳感器信號處理相比，單傳感器信號處理是對人腦
數據處理的一種低水平模仿，而通過多傳感器數據融合可以更大程度地獲得被測目標和環境的信息量，能夠在最短的時間內，以最小代價獲取單個傳感器所無法獲取的更精確特征。多傳感器數據融合的基本原理也象人腦綜合處理信息一樣，充分利用多個傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個傳感器在空間或時間的信息冗余或互補依據某種準則進行組合，以獲得被測對象的一致性解釋或描述，但從現代生活應用的角度看，多傳感器信息的融合技術可以定義為通過對空間分布的多源信息，各種傳感器的時空采樣，對所關心的目標進行檢測、關聯、跟蹤、估計等多級多功能處理，以更高的精度、較高的概率或置信度得到人們所需要的目標狀態和估計，以及完整及時的態勢和威脅評估，為駕駛員提供有用的決策信息。實際上也是對各類傳感器提供的信息進行綜合處理，模擬人腦對復雜問題的綜合處理。它的基本原理就是充分利用不同時間與空間的多傳感器信息資源，通過在一定準則下對計算機技術這些傳感器及觀測信息進行自動分析、綜合以及合理支配和使用，將各種單個傳感器獲取的信息冗余或互補依據某種準則組合起來，獲得對被測對象的一致性解釋與描述，使系統獲得比它的各組成部分更優越的性能，以此來提高整個傳感器系統的有效性，消除單個或少量傳感器的局限性。因此，它應用在汽車系統中就能使整個系統的各個子系統更好的管理和維修。

1 自診斷系統思想的實現
汽車系統是一個集機械、電子、材料、通信和網絡等先進技術的復雜系統。汽車故障診斷系統的目標是實現準確故障診斷和維修，以減少汽車在運動中的一些事故發生。為適應未來人們高質量的需要，提高汽車智能化的發展，降低總的維修費用，需要根據汽車的具體要求建立汽車故障診斷體系和技術方法，即汽車整個系統實施方案。首先要確定可以直接表征其故障、健康狀態的參數指標或間接推理判斷系統故障、健康狀態所需的參數信息，并利用數據采集設備將該類參數信息進行實時采集，這些采集數據是實施汽車系統診斷的數據基礎。精確、及時、高可靠性的狀態監測與數據處理技術作為實施汽車的前端技術，將直接影響汽車系統的性能。但是汽車系統體積小、系統復雜，機載設備多，載荷能力有限，所以汽車系統對數據信息、數據鏈路和診斷設備提出更高的要求，并借助各種算法(如快速傅里葉變換、離散傅里葉變換)和智能模型(如專家系統、神經網絡、模糊邏輯等)將原來單一的各分系統的性能檢測信息、故障診斷信息和汽車運動信息進行集成，實現對汽車各部件運行信息的綜合管理、系統狀態監測、故障診斷與預測、部件性能降級衰退分析與剩余壽命累計、預測。這種汽車智能安監系統與傳統的故障檢測相比，優勢在于由事后檢測轉移到事前預測，在詳細掌握部件失效機理的情況下，構建部件失效模型,達到故障預測。同時，這種汽車安檢系統還需要采納傳統優秀的故障檢測方法，用來探測潛在故障，以便在災難事件造成前采取措施。將多傳感器信息融合技術運用于汽車系統的故障診斷之中，通過汽車運動時所采集到的狀態參數、運動參數、發動機以及任務設備等方面的數據信息，結合給定汽車系統故障機理及失效分析，找出數據信息與故障元件之間的映射關系，然后對采集的數據信息進行融合，形成基于知識推理的多傳感器信息融合故障診斷方法，從而準確無誤地診斷出故障元件。但隨著汽車故障診斷系統的龐大化和復雜化，傳感器的類型和數目急劇增多，從
而使汽車系統形成了一個傳感器群，基于此就引出了多傳感器融合技術。當汽車在運行時，其傳感器群均處于實時信息采集狀態，對于每個系統每種故障征兆可能對應著故障庫中多種可能的故障，而故障庫中的每個故障也可能引起多種故障征兆，所以要對各傳感器采集的故障信息進行融合。分別通過各故障征兆對所有的假設進行獨立的判斷，得出各假設情況下發生的故障概率分布及發生的概率，然后融合各故障信息，以求得各故障發生的概率，其中發生概率最大的為主要故障。