多传感器信息融合技术在车载自诊断系统的研究

2 Bayes推理方法
Bayes推理方法算法如下：汽车运行过程可以看成是一个随机过程，根据先验知识对故障做出概率估计称为先验概率，记为P(ωi)，(i= 0，1，2，…，c)；P(ω0)表示正常工况的概率，P(ωi)，(i=1，2，…，c)表示c类故障发生的概率。将故障样本X=(x1，x2，…，xn)作为输入模式样本，P(X|ωi)(i=1，2，…，c)表示输入模式的c类条件概率密度函数。根据Bayes公式：

式中：P(ωi|X)是已知条件下ωi出现的概率，称为后验概率。因此如果满足下面Bayes规则，则x∈ωi，且：

主观Bayes方法中，每条推理规则可以表示为：IF[规则名]THEN H(LS，LN)。其中，LS，LN(≥0)分别称为充分性度量和必要性度量(其数值由专家定)，主观Bayes方法推理过程就是根据证据事件的概率P(E)，利用规则(LS，LN)，事件的系统性能断言的先验概率P(H)更新为后验概率P(H|E)，同时H又作为新规则的证据，结合新的规则(LS，LN)，进一步计算出新的后验概率。

3 实例
下面用一个汽车的具体实例来说明，如何采用Bayes方法进行故障诊断。汽车系统运行中经常出现各种各样的故障，执行元件故障是其中最常见的一种情况。引发故障的原因很多，大致归纳是由传动控制系统、主动悬挂系统、防自锁刹车系统、发动机控制系统、安全气囊系统、仪表显示系统、各个故障诊断系统、燃油喷射系统、电动车门系统、空调系统、照明系统、电动椅系统、排放控制系统、车身稳定系统、防盗系统的匹配、汽车噪声的检测这16个部分的不同故障可能的原因所引起。
从图2可看出，引起执行元件故障的因素有很多种。其中，执行系统动作的不稳定是故障的主要现象之一，排气不良、工作油质不良等多种故障都可能导致执行元件的动作不稳定，因此这种故障是连锁性质的，不是简单的一一对应关系。通过对汽车系统这类故障的统计，可以得到各部位发生故障的几率具有一定的先验统计规律，上例的简单统计如表1所示。