基于贝叶斯网络的电控发动机可靠性分配

陈 琳，谢学飞

(南通职业大学 汽车与交通工程学院，江苏 南通 226007)

随着电子控制技术的发展，汽车发动机逐渐电控化，无论是电控发动机传感器、执行器，还是ECU出现故障，都会在一定程度上影响发动机性能。因此，电控发动机的可靠性对汽车有着重要影响。电控发动机各部件可靠性分配不合理会导致其可靠性水平不高，为了改善电控发动机可靠性分配不合理的问题，研究其可靠性分配方法显得非常重要。可靠性分配是把系统的可靠性指标合理的分配给各个部件，一般的可靠性分配方法需要大量的可靠性数据，而在实际产品设计阶段，可靠性数据往往比较缺乏并且具有很多不确定性。贝叶斯网络是一种基于概率推理的网络模型，能够很好地解决不确定性问题，已成功应用于可靠性分析领域[1]。

1 贝叶斯网络基本原理

贝叶斯网络是一种处理不确定信息的有力工具。它一般由若干节点、连接节点的有向边以及概率表组成。如图1所示，图中共有三个节点，根据它们之间的依赖关系，节点A和B称为父节点，也称为根节点(没有父节点的节点)，它们附有边缘概率分布，称为先验概率；节点C称为子节点，附有条件概率分布，称为条件概率表。

利用贝叶斯网络可以进行双向推理。一方面，可以自上而下进行推理，计算出系统发生概率，对系统进行可靠性评估；另一方面，可以进行自下而上推理，进行故障诊断，找出系统薄弱环节，也就是最可能发生故障的原因[2]。

图1 简单的贝叶斯网络

2 电控发动机无法起动贝叶斯网络模型的建立

在利用贝叶斯网络的诊断结果对电控发动机进行可靠性分配时，需要建立电控发动机贝叶斯网络模型。在建立该模型时，首先分析电控发动机的故障原因，得到引起故障的可能部件，然后进行分析。电控发动机故障较多，本文以电控发动机无法起动为例进行分析。

2.1 电控发动机无法起动故障贝叶斯网络拓扑结构的建立

发动机不能起动的现象主要有以下几种：①起动机带不动发动机，或能带动但转动缓慢；②起动机能带动发动机正常运转，但无着车迹象；③有着车迹象，但发动机不能起动[3-4]。为了便于讨论，本研究只探讨第三种现象。电控发动机不能起动的情况如下：

1) 点火系统故障。点火系统高压线圈故障、高压线路故障、火花塞故障以及点火控制模块故障会造成点火系统提供的高压火花弱或点火时刻不正常而使发动机不能起动。

2) 燃油供给系统故障。电动燃油泵及控制电路故障、燃油压力调节器故障、喷油器故障会造成燃油压力低，使混合气体浓度过高而造成发动机不能起动。

3) 进气系统故障。进气系统出现空气滤清器堵塞、漏气、怠速控制阀故障、节气门故障。

4) 控制系统故障。冷却液温度传感器及电路故障、空气流量传感器及电路故障、曲轴位置传感器及电路故障会造成发动机控制出现问题，致使发动机不能起动。

5) 其他故障。配气机构故障、曲柄连杆机构故障。

通过对电控发动机不能起动情况的分析，建立电控发动机无法起动贝叶斯网络拓扑结构如图2所示。

图2 电控发动机无法起动贝叶斯网络拓扑结构

图2中各节点名称的符号如下：

T：电控发动机无法起动；M1：点火系统故障；M2：燃油供给系统故障；M3：进气系统故障；M4：控制系统故障；M5：其他故障；X1：高压线圈故障；X2：高压线路故障；X3：火花塞故障；X4：点火控制模块故障；X5：电动燃油泵及控制电路故障；X6：燃油压力调节器故障；X7：喷油器故障；X8：空气滤清器堵塞；X9：漏气；X10：怠速控制阀故障；X11：节气门故障；X12：冷却液温度传感器及电路故障；X13：空气流量传感器及电路故障；X14：曲轴位置传感器及电路故障；X15：配气机构故障；X16：曲柄连杆机构故障。

从图2可以看出，电控发动机无法起动贝叶斯网络主要包括22个节点，其中：16个根节点，5个中间节点，1个叶节点，它们之间用有向边进行连接，有效地表达了电控发动机无法起动故障与原因之间的关系。

2.2 贝叶斯网络中各个节点概率值的确定

基于发动机无法起动的故障数据库[5-6]，得到发动机无法起动的贝叶斯网络各个根节点先验概率，如表1所示。

表1 贝叶斯网络中各个根节点先验概率

贝叶斯网络中各个条件概率表根据故障树与贝叶斯网络的转换方法得到。故障树向贝叶斯网络的转化方法：包括事件、逻辑门(或门、与门)与节点的映射关系、事件之间逻辑关系与条件概率分布之间的映射关系。假定C=1表示事件发生，C=0表示事件不发生。如图3和图4给出了或门、与门向贝叶斯网络转换的方法。

图3 或门故障树映射成贝叶斯网络

图4 与门故障树映射成贝叶斯网络

对于电控发动机而言，各原因节点与故障节点之间是或门关系，由此得到电控发动机无法起动贝叶斯网络中中间节点及叶节点的条件概率表，如图5—图8所示。

图5 贝叶斯网络中间节点M1的条件概率表

图6 贝叶斯网络中间节点M2的条件概率表

图7 贝叶斯网络中间节点M5的条件概率表

图8 贝叶斯网络叶节点T的条件概率表

3 基于贝叶斯网络的电控发动机可靠性分配

单一的贝叶斯网络拓扑结构只能对研究对象的故障原因进行定性分析，要从定量的角度知道系统的可靠度以及各个故障原因概率的大小，需要对贝叶斯网络进行推理计算。由于本文建立的电控发动机无法起动的贝叶斯网络较复杂，计算量比较大。针对复杂的贝叶斯网络模型，单靠人工计算肯定是不行的，需要借助贝叶斯网络工具箱(BNT)进行计算。基于Matlab的贝叶斯网络工具箱提供了贝叶斯网络学习的底层基础函数库，只需在Matlab中进行编程即可计算出所需节点的概率[7]。

针对本文建立的贝叶斯网络，在Matlab中编写程序，通过正向推理计算出叶节点及中间节点的发生概率，通过反向推理计算出根节点的后验概率。叶节点T的发生概率：P(T=1)=0.198 675，中间节点发生概率：P(M1=1)=0.389 264，P(M2=1)=0.341 930，P(M3=1)=0.322 523，P(M4=1)=0.255 520，P(M5=1)=0.019 900。各个根节点的后验概率见表2。通过叶节点发生概率的大小，可以看出在电控发动机无法起动故障发生时，电控发动机的可靠度为0.801 325。

表2 各个根节点的后验概率

对电控发动机进行可靠性分析，可以找出系统的薄弱环节，进而对系统进行优化设计，减少系统故障的发生。而系统的可靠性分配作为可靠性设计中的一个部分，对可靠性设计有着重要影响。在设计和制造电控发动机之前，设计人员为电控发动机设定了一定的可靠度，而电控发动机的可靠性在很大程度上取决于电控发动机中各机构(点火系统、燃油供给系统、进气系统、控制系统及其他)的可靠性[8]。给定该电控发动机的可靠度为0.9，所允许的不可靠度为0.1，而由贝叶斯网络求得的系统可靠度明显小于设计要求，需要重新分配。根据贝叶斯网络诊断推理结果可知，系统中后验概率定量地识别出了系统的薄弱环节(最可能导致系统失效的单元)，因此，本文根据后验概率来分配系统的可靠度，可靠性分配步骤如下：

3) 根据公式Ri=1-Fi，求出电控发动机各机构分配的可靠度。

因此，分配结果满足系统可靠性要求，证明了基于贝叶斯网络诊断结果的可靠性分配方法的有效性。

4 结论

利用贝叶斯网络的诊断结果对系统进行可靠性分配，分配结果符合设计要求，证明了基于诊断结果的可靠性分配方法的有效性。当然，若只是根据贝叶斯网络诊断结果进行系统可靠性分配也是不够的，可将其与其他可靠性分配方法结合起来，这样能够进一步完善系统的可靠性分配，提高系统可靠度，减少系统故障的发生。