一種線控系統(tǒng)網(wǎng)絡(luò)在線診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的線控系統(tǒng)網(wǎng)絡(luò)在線診斷方法。
【背景技術(shù)】
[0002] 隨著現(xiàn)代電子技術(shù)的不斷發(fā)展，汽車電子正向智能化控制的方向發(fā)展，并采用總 線將各種汽車電子控制模塊連接成為車載網(wǎng)絡(luò)，可以不需要傳統(tǒng)的機(jī)械機(jī)構(gòu)傳遞控制信 號(hào)，而是利用電子手段來駕駛汽車，這一電子手段就是線控技術(shù)。線控技術(shù)的不斷應(yīng)用為汽 車內(nèi)部通信帶來便利與智能化的同時(shí)，也給汽車電子的發(fā)展帶來了新的挑戰(zhàn)。由于直接關(guān) 系到汽車的安全性，它對(duì)于所包含的每個(gè)部件的可靠性都要求極高，尤其包括起到關(guān)鍵傳 輸作用的總線通信技術(shù)，在線控技術(shù)中總線通信技術(shù)較多采用基于時(shí)間觸發(fā)的FlexRay總 線。
[0003] 網(wǎng)絡(luò)的在線診斷就是從總線通信的角度對(duì)總線的運(yùn)行情況進(jìn)行實(shí)時(shí)的診斷，對(duì)于 線控系統(tǒng)網(wǎng)絡(luò)來說，一個(gè)合理的在線診斷策略對(duì)于保持線控系統(tǒng)正常的通信過程，以及系 統(tǒng)的可靠性和安全性都是很有必要的。目前在車輛上已經(jīng)集成了在線診斷系統(tǒng)（OBD)，對(duì) 檢測(cè)到的錯(cuò)誤以故障碼OTC)的形式進(jìn)行存儲(chǔ)，然而只有非常明顯的網(wǎng)絡(luò)故障才會(huì)被檢測(cè) 出來，比如總線短路斷路、通信停止等情況。這就可能出現(xiàn)一種情況，即使總線上有錯(cuò)誤存 在，但是只要這些錯(cuò)誤不影響正常的通信，錯(cuò)誤數(shù)量就是在可接受范圍內(nèi)，傳統(tǒng)的在線診斷 系統(tǒng)就無法發(fā)現(xiàn)這些隱含的故障，這些問題逐步累積，很有可能導(dǎo)致系統(tǒng)無法正常通信。
[0004] 針對(duì)傳統(tǒng)在線診斷系統(tǒng)無法解決的問題，國內(nèi)外學(xué)者從數(shù)據(jù)融合、網(wǎng)絡(luò)管理與診 斷協(xié)議、診斷算法等多種角度展開研宄，如文獻(xiàn)"CAN_FlexRay總線系統(tǒng)網(wǎng)絡(luò)管理與診斷協(xié) 議的研宄"（張參參，碩士論文，合肥工業(yè)大學(xué)）設(shè)計(jì)了CAN-FlexRay網(wǎng)關(guān)網(wǎng)絡(luò)管理策略，可 以對(duì)節(jié)點(diǎn)超時(shí)、消息超時(shí)等進(jìn)行診斷，然而該診斷策略僅停留在監(jiān)測(cè)層面，并未對(duì)故障數(shù)據(jù) 做進(jìn)一步的處理，不能夠分析故障原因。文獻(xiàn)"DiagnosticFusionforTime-Triggered AutomotiveNetworks"（UtsavDrolia等，CarnegieMellonUniversity，2012IEEE14th InternationalSymposiumonHigh-AssuranceSystemsEngineering)中設(shè)計(jì)了基于神經(jīng) 網(wǎng)絡(luò)的FlexRay總線系統(tǒng)診斷方法，可以對(duì)FlexRay總線的錯(cuò)誤情況進(jìn)行分類診斷，然而該 方法所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)算法僅得到了網(wǎng)絡(luò)故障原因，不能對(duì)當(dāng)前網(wǎng)絡(luò)運(yùn)行狀態(tài)給出一個(gè)定 性判定，如當(dāng)前網(wǎng)絡(luò)存在潛在危險(xiǎn)，或者當(dāng)前網(wǎng)絡(luò)雖然有錯(cuò)誤，但是仍可運(yùn)行等，從而為故 障處理模塊提供依據(jù)。目前還沒有見到可以根據(jù)歷史數(shù)據(jù)和當(dāng)前監(jiān)測(cè)到的數(shù)據(jù)，同時(shí)并高 效的給出網(wǎng)絡(luò)運(yùn)行狀態(tài)以及網(wǎng)絡(luò)故障原因的在線診斷方法。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是針對(duì)采用時(shí)間觸發(fā)總線的FlexRay線控系統(tǒng)，提出一種基于自適 應(yīng)神經(jīng)模糊系統(tǒng)的在線診斷方法，監(jiān)管網(wǎng)絡(luò)的實(shí)時(shí)運(yùn)行情況，并對(duì)故障原因進(jìn)行判定。該方 法能夠及時(shí)的發(fā)現(xiàn)線控系統(tǒng)網(wǎng)絡(luò)中潛在的問題，判斷線控系統(tǒng)網(wǎng)絡(luò)運(yùn)行狀態(tài)，對(duì)于提高線 控系統(tǒng)網(wǎng)絡(luò)通信技術(shù)的可靠性與實(shí)時(shí)性為起到積極的作用。
[0006] 本發(fā)明從網(wǎng)絡(luò)運(yùn)行狀態(tài)判定和故障原因判定兩個(gè)方面對(duì)FlexRay網(wǎng)絡(luò)系統(tǒng)進(jìn)行 全面實(shí)時(shí)診斷。引入"網(wǎng)絡(luò)健康度"這個(gè)概念來代表網(wǎng)絡(luò)的運(yùn)行狀態(tài)，但是"健康"還是"不 健康"是一個(gè)模糊的概念，另外故障原因判定也是一個(gè)模糊的概念，由于故障的表現(xiàn)形態(tài)會(huì) 有相似之處，如不論"內(nèi)部錯(cuò)誤"還是"外部干擾"錯(cuò)誤幀都有可能增加，判別出"內(nèi)部錯(cuò)誤" 還是"外部干擾"也是一個(gè)模糊的概念。如果要從具體的數(shù)據(jù)中最終得到模糊的概念，就必 須借助模糊推理系統(tǒng)。模糊推理系統(tǒng)不依賴精確數(shù)學(xué)分析，從人類專家的經(jīng)驗(yàn)知識(shí)和推理 過程中提出If-Then規(guī)則建立起模糊模型，以此為基礎(chǔ)設(shè)計(jì)模糊控制系統(tǒng)。然而，僅僅依靠 人類知識(shí)，很難選擇出適當(dāng)?shù)碾`屬度函數(shù)的形狀和個(gè)數(shù)。如果利用自適應(yīng)神經(jīng)模糊推理系 統(tǒng)，把歷史數(shù)據(jù)進(jìn)行離線的訓(xùn)練，然后把訓(xùn)練得到的模糊控制規(guī)則嵌入到模糊控制模塊中， 就能夠最大限度的減少訓(xùn)練誤差，提高系統(tǒng)的精確度和可靠性。
[0007] 實(shí)現(xiàn)上述目的的技術(shù)方案是：
[0008] 基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的線控系統(tǒng)網(wǎng)絡(luò)在線診斷方法，包括以下步驟：
[0009] 步驟一：構(gòu)建FlexRay總線通信的線控系統(tǒng)網(wǎng)絡(luò)，提取在故障環(huán)境下的網(wǎng)絡(luò)運(yùn)行 狀態(tài)參數(shù)；
[0010] 步驟二：在Matlab/Simulink中構(gòu)建兩個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)，以網(wǎng)絡(luò)運(yùn)行 狀態(tài)參數(shù)得到的樣本數(shù)據(jù)作為輸入，使用混合學(xué)習(xí)算法對(duì)兩個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)進(jìn) 行離線訓(xùn)練，分別提取出網(wǎng)絡(luò)健康度和網(wǎng)絡(luò)故障原因的模糊控制規(guī)則；
[0011] 步驟三：將模糊控制規(guī)則轉(zhuǎn)換為查詢表，生成網(wǎng)絡(luò)在線診斷函數(shù)，包括網(wǎng)絡(luò)健康度 計(jì)算函數(shù)和網(wǎng)絡(luò)故障原因判定函數(shù)，嵌入到線控系統(tǒng)網(wǎng)絡(luò)控制器節(jié)點(diǎn)中，最終得到線控系 統(tǒng)網(wǎng)絡(luò)在線診斷結(jié)果。
[0012] 所述的步驟一進(jìn)一步包含以下步驟：
[0013] 步驟A:選擇兩個(gè)節(jié)點(diǎn)的通信方式，其中節(jié)點(diǎn)一植入yC/OS-II操作系統(tǒng)，在 FlexRay底層通信的基礎(chǔ)上進(jìn)行多任務(wù)的處理，節(jié)點(diǎn)二利用查詢法進(jìn)行狀態(tài)參數(shù)的統(tǒng)計(jì)；
[0014] 步驟B:通過在FlexRay總線上加入隨機(jī)信號(hào)干擾，電磁干擾，制造物理故障等不 同的故障環(huán)境，提取FlexRay通信過程中出現(xiàn)各時(shí)槽的狀態(tài)和網(wǎng)絡(luò)狀態(tài)參數(shù)。
[0015] 所述的步驟二進(jìn)一步包含以下步驟：
[0016] 步驟A:在提取的網(wǎng)絡(luò)狀態(tài)參數(shù)中，選擇三個(gè)在線診斷的指標(biāo)，網(wǎng)絡(luò)中信號(hào)的周 期，丟包的個(gè)數(shù)和錯(cuò)誤的情況為在線診斷的指標(biāo)。對(duì)這三個(gè)指標(biāo)選取多組數(shù)據(jù)，并且對(duì)所選 數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使其特征值映射到[0，1]區(qū)間上；
[0017] 步驟B:選定兩個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS)構(gòu)造的模糊神經(jīng)網(wǎng)絡(luò)的輸入 量為周期，丟包個(gè)數(shù)和錯(cuò)誤情況，輸出量分別為網(wǎng)絡(luò)健康度和網(wǎng)絡(luò)故障原因。兩個(gè)自適應(yīng)神 經(jīng)模糊推理系統(tǒng)輸入量維數(shù)為3,輸入量的模糊分割數(shù)為5,各輸入分量的隸屬度函數(shù)為高 斯函數(shù)；
[0018] 步驟C:在兩個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，將隸屬度函數(shù)相乘，計(jì)算各條規(guī)則的 適用度，適用度經(jīng)過歸一化運(yùn)算后，計(jì)算出各模糊規(guī)則的輸出，并得到系統(tǒng)的輸出，分別為 網(wǎng)絡(luò)健康度和網(wǎng)絡(luò)故障原因；
[0019] 步驟D:采用混合學(xué)習(xí)算法，以網(wǎng)絡(luò)的狀態(tài)參數(shù)得到的樣本數(shù)據(jù)作為輸入進(jìn)行離 線訓(xùn)練，確定結(jié)論參數(shù)，分別提取出兩個(gè)自適應(yīng)神經(jīng)模糊推理系統(tǒng)的模糊控制規(guī)則；
[0020] 步驟E:將生成的網(wǎng)絡(luò)健康度和網(wǎng)絡(luò)故障原因模糊控制規(guī)則直接嵌入到Matlab/ Simulink中的Fuzzy Logic controller控制模塊中，得到兩個(gè)模糊推理系統(tǒng)。
[0021] 所述的步驟三進(jìn)一步包含以下步驟：
[0022] 步驟A:把兩個(gè)模糊推理系統(tǒng)分別看成一個(gè)黑箱，輸入輸出映射關(guān)系轉(zhuǎn)化為查詢 表，再利用Matlab/Simulink中針對(duì)Freescale系列單片機(jī)的自動(dòng)代碼生成工具把查詢表 生成網(wǎng)絡(luò)健康度計(jì)算函數(shù)和網(wǎng)絡(luò)故障原因判定函數(shù)。這種方式比直接將模糊推理系統(tǒng)進(jìn)行 自動(dòng)代碼生成效率更高，而且更節(jié)省資源；
[0023] 步驟B:將生成的在線診斷函數(shù)包括網(wǎng)絡(luò)健康度計(jì)算函數(shù)和網(wǎng)絡(luò)故障原因判定函 數(shù)，直接嵌入到線控系統(tǒng)網(wǎng)絡(luò)控制器節(jié)點(diǎn)中，通過函數(shù)調(diào)用，就可以在網(wǎng)絡(luò)出現(xiàn)異常情況時(shí) 得到線控系統(tǒng)在線診斷的結(jié)果。
[0024] 本發(fā)明的有益效果：
[0025] 本發(fā)明基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的線控系統(tǒng)網(wǎng)絡(luò)在線診斷算法，通過采集網(wǎng) 絡(luò)故障狀態(tài)時(shí)的參數(shù)作為樣本，采用混合學(xué)習(xí)算法進(jìn)行離線訓(xùn)練，得到網(wǎng)絡(luò)在線診斷算法 之后再嵌入網(wǎng)絡(luò)控制器節(jié)點(diǎn)中進(jìn)行在線診斷，能夠有效的根據(jù)網(wǎng)絡(luò)運(yùn)行過程中的狀態(tài)參數(shù) 獲得網(wǎng)絡(luò)的健康度和故障原因，實(shí)時(shí)的監(jiān)控網(wǎng)路的運(yùn)行狀態(tài)，從而在通信終止之前及時(shí)的 發(fā)現(xiàn)網(wǎng)絡(luò)中潛在的問題，有效的提高線控系統(tǒng)網(wǎng)絡(luò)通信的可靠性。
【附圖說明】
[0026] 圖1是本發(fā)明線控系統(tǒng)網(wǎng)絡(luò)在線診斷方法的主流程圖；
[0027] 圖2是本發(fā)明線控系統(tǒng)網(wǎng)絡(luò)故障數(shù)據(jù)樣本舉例；
[0028] 圖3是本發(fā)明自適應(yīng)神經(jīng)模糊推理系統(tǒng)的流程圖；
[0029] 圖4是本發(fā)明針對(duì)網(wǎng)絡(luò)健康度的自適應(yīng)神經(jīng)模糊推理系統(tǒng)結(jié)構(gòu)圖；