面向对象的无人车电源故障检测专家系统设计＊

杨一鸣 汪贵平

（长安大学，西安 710064）

主题词：面向对象 专家系统 电源检测 无人车

1 前言

无人驾驶汽车车载用电设备和供电需求增加，对系统的可靠性也有非常严苛的要求，如果车辆运行过程中出现发电机故障、配电线路故障、各传感器模块电源故障并导致设备掉电等情况，无人车会丢失实时数据，系统无法继续获取数据和进行参数的更新与下发。近年来，故障诊断系统发展迅速，很多学者利用神经网络或改进神经网络进行电源故障检测系统的设计[1-3]，但是基于神经网络的故障检测系统未能利用专家经验，另外，专家系统的训练样本需要大量的故障数据，通过无人驾驶车辆日常运行捕捉电源系统故障需要大量的时间；小波分析作为基于信号处理进行故障诊断的一种方法而被广泛采用，但存在小波基、尺度和平移量选择困难等缺点[4]。上述故障诊断方法的融合是未来故障诊断系统的发展趋势：Gofuku等人通过引入估计智能体、支持向量机（Support Vector Machine，SVM）状态辨识器、小波变换异常检测器和基于案例的推理机来构建混合故障诊断系统[5]，取得了不错的成效；北京航空航天大学的张莉针对航空电源提出了一种多智能体信息融合故障诊断方法，通过多传感器信息融合和多智能体技术融合提高故障诊断的可靠性和系统的可扩展性[6]。但融合的做法使得故障诊断系统的复杂程度大幅增加，提高了实现难度和成本。近年来，专家系统在故障诊断方面取得了很大进展并进行了实际部署，很大一部分在知识表示上使用了产生式规则，一般的产生式规则需要反复进行“知识匹配—冲突消解—产生结果”的过程[7]，匹配较为费时。……