摘要:制动系统是汽车重要的安全保障装置，对其进行故障诊断和状态监测对保障汽车可靠运行具有重要意义。对传统汽车和新能源汽车制动系统状态监测的研究现状进行综述，并总结模糊理论、人工神经网络、故障树和灰色理论等故障诊断方法在传统汽车和新能源汽车制动系统故障诊断中的应用现状，指出融合诊断方法是新能源汽车制动系统故障诊断未来的发展趋势。
关键词:传统汽车;新能源汽车;制动系统;故障诊断;状态监测
制动系统对保障汽车行驶的安全性发挥着至关重要的作用。如今，汽车的制动系统种类繁多，形式多样，但其工作原理基本一致，都是通过摩擦制动将车辆所具有的动能转换为热能散发到空气中，以实现车辆制动减速，或直至停车的目的［1］。近几年，传统燃油汽车制动系统故障诊断技术和状态监测技术的发展相对成熟，制动安全性越来越高。而对于刚刚起步不久的新能源汽车，由于制动系统结构发生改变，以及各项技术不成熟，导致新能源汽车对制动系统故障不能做好提前监测和预防。本文综述了传统燃油汽车和新能源汽车在制动系统状态监测和故障诊断方面的研究现状，指出其未来的发展趋势。
1制动系统状态监测方法研究现状
汽车制动系统状态监测是指通过检测元件实时测量并收集车辆关键部位的状态参数，并通过中央处理单元与以往的故障信息进行对比，判断汽车制动系统各个方面是否正常。状态参数的选取与车辆制动系统安全性有着密不可分的联系，状态参数如果选取不足，则不能全面反映制动系统的状态;如果参数过多则增加成本，降低性价比，还会使监测系统过于复杂。因此，要综合考虑系统的结构、监测方案的复杂程度以及故障与状态信息对应关系等多方面因素选取状态监测参数。如文献［2］选取汽车制动器间隙值作为研究对象，设计了盘式制动器间隙监测系统，保证了汽车的行车安全;文献［3］基于硬件检测单元以及Labview虚拟仪器开发了汽车制动参数采集与监测系统，解决了汽车在行使过程中制动参数难以获取的问题;文献［4］提出了三轴加速度传感器汽车制动性能监测方案，并将3G数据通信引入到监测系统中，减小了监测误差，使用户或管理机构能够在线查看汽车制动性能监测情况。新能源汽车在制动时，通过电机再生制动功能回收制动能量，并储存在储存装置中以备使用，这样可以有效降低新能源汽车的能源消耗，延长续驶里程［5］。纯电动汽车是新能源汽车中最普遍的一种，其制动能量回收系统主要采用电机再生制动与液压摩擦制动复合的方式。现如今，新能源汽车存储装置也分为多种，如各种蓄电池、超级电容、超高速飞轮等。随着电动汽车的电机功率和电池容量逐渐增大，再生制动的潜能也越来越大，在探究提升制动能量回收效果的同时，也应保证车辆制动安全并不影响驾驶员制动感觉［6］。目前，在制动能量回收方面有三个需要注意的方面［7－8］:(1)正确识别驾驶员制动需求;(2)再生制动力与摩擦制动力的协调分配;(3)对摩擦制动力的精准实施。如王彦波［9］提出基于主缸压力自适应滤波的驾驶员制动需求的计算方法，对主缸压力、轮缸压力、踏板位移信息等信号进行状态监测，虽然提高了增压速率的控制精度，但没有对其他部件进行类比分析，缺少系统耐久性测试;Na-seriF等［10］采用递推扩展最小二乘算法对电动汽车超级电容器组的等效串联电阻和双层电容进行在线估计，实现了对超级电容器组的故障诊断和状态监测;文婧［11］提出了基于一致性检验与数据融合的系统压力检测方法，综合考虑系统液压部件失效和压力传感器失效的系统压力失效诊断方法，提高了电动汽车制动系统压力检测水平和容错能力，能够有效地对系统压力失效的具体位置及失效模式进行综合诊断。从现有的文献来看，所涉及的状态监测参数主要包括:制动器间隙、制动油压、主缸压力、踏板位移和电容状态等，选取合适的状态监测参数才能对汽车制动系统进行高效稳定的状态监测。汽车制动系统的执行部件是摩擦制动器，若此部件异常则会直接导致制动事故发生。同时，制动系统的控制装置作为整个系统的核心，一旦发生故障，出现控制失效或控制判断错误等情况，将会产生更大的危险。现阶段很少有文献涉及对摩擦制动器、制动系统的控制装置进行状态监测。汽车制动系统的状态参数种类庞多且相互关联，而现有的汽车制动状态监测系统只能对其进行独立监测，综合监测能力较差。综上，对汽车摩擦制动器和制动系统控制装置进行直接监测，提高监测系统的融合诊断能力是未来研究的主要方向。
2制动系统故障诊断方法研究现状
制动系统是车辆重要组成部分之一，对其故障进行诊断是当前研究的重点。传统制动系统一般由功能装置、传动装置、控制装置、制动器四部分构成，现代制动系统在原有的基础上又增加了报警装置和制动力调节装置。传统燃油汽车与新能源汽车在制动时，最大的不同是传统燃油汽车可以通过发动机进气歧管提供真空源，使真空助力器正常工作，放大驾驶员脚踩力，在制动器与轮毂之间产生摩擦制动力矩使汽车减速或停止［12］;而新能源汽车不再过度依赖发动机，失去了真空来源，所以不能直接在新能源汽车上应用传统燃油汽车的制动系统［13］。现如今，多位学者提出多种新型制动系统以弥补新能源汽车的缺陷，分别是:采用电子真空泵的新能源汽车制动系统;采用智能助力器的新能源汽车助力系统;采用电子线控的新能源汽车制动系统。目前，应用于汽车制动系统故障诊断的方法主要有:模糊理论、人工神经网络、故障树和灰色理论等。
2．1基于模糊理论的汽车制动系统故障诊断方法
汽车制动系统故障诊断具有一定的模糊性，主要原因在于制动系统出现的故障与引起故障的原因一般没有确定的一一对应关系，即一种故障现象可能是由多种原因引起，而一种引起故障的原因可能会导致多种故障现象［15］。模糊理论通过隶属度函数和模糊关系方程解决故障原因与状态识别问题［16］。目前，只利用模糊理论方法研究传统燃油汽车制动系统故障诊断的学者不多，通常还要结合故障树分析法对汽车制动系统进行故障诊断，如赵海明等［17］利用模糊集合理论对汽车液压缸故障建立了一个比较完整的故障树模型;吴素平［18］结合故障树分析法与模糊理论对汽车制动系统进行故障诊断;夏淑英［19］利用模糊动态故障树理论对汽车常见故障进行分析;唐宏宾等［20］提出了一种基于T－S模糊故障树的泵送液压系统故障诊断方法，解决了故障概率的不确定性和故障机理与事件联系的模糊性。对于新能源汽车来说，如何保证在安全制动的前提下回收更多的制动能量，进而提高汽车的行驶里程是研究的重点。目前，一些学者利用模糊理论对新能源汽车制动系统故障诊断和再生制动系统进行研究，取得了一定的成果。如郑颖等［21］依据模糊控制原理建立了制动系统模糊控制模型，对纯电动汽车的反馈制动控制模块进行优化，提高了制动能量的回收效率;张亮等［22］提出了基于模糊逻辑的制动力分配控制策略，提高了纯电动汽车制动能量的回收效率，有利于增加纯电动汽车的续驶里程;RicardoMaia等［23］提出了一种用于电动汽车再生制动系统建模的模糊逻辑模型;Cao等［24］建立了一种基于模糊控制理论的再生制动系统模型，其模型可以回收更多的制动能量，提高了能量回收效率。
2．2基于人工神经网络的汽车制动系统诊断方法
人工神经网络是一种模拟大脑某些机理和机制的分布式信息处理系统［25］。该系统具有大规模并行处理、自适应学习、容错率高等特性，在模式识别、信号处理和故障诊断等领域已取得很大的进展［26］。汽车是一个复杂不确定的非线性系统，具有多输入、多输出、多干扰的特点。人工神经网络不受限于单一的线性关系问题，应用在制动系统故障诊断具有很大的优势。无论是传统燃油汽车还是新能源汽车，利用人工神经网络对制动系统故障诊断时，首先确定人工神经网络的算法和结构，并通过汽车制动系统故障现象和原因建立训练样本;然后对网络进行训练，不断调整权值，提高网络算法的可靠性;最后测试网络的准确性。人工神经网络有自学习的特性，当制动系统出现新的故障时，可收集新样本对网络重新训练，不断适应新的要求。现如今，许多学者依靠人工神经网络对传统燃油汽车制动系统进行故障诊断:赵俊杰［27］在人工神经网络的基础上又融入了模糊控制理论，使汽车制动故障检测结果更加精确;吕佩［28］设计神经网络与专家协同诊断方案，极大缩短了ABS故障诊断时间;Rui等［29］利用人工神经网络对车辆的制动控制做了智能化处理，使车辆在制动时更加平稳安全;Mao等［30］提出了一种基于神经网络的模糊滑模控制器，并应用于防抱死系统，可以有效控制车轮打滑，等等。现阶段，利用人工神经网络实现对新能源汽车制动系统进行故障诊断的研究较少，文献［31］提出了一种采用模糊神经网络控制算法的转向模型，实现了电动汽车在转向时驱动轮的差速旋转。
2．3基于故障树的制动系统故障诊断方法
故障树诊断分析法是由总体到部分、由上到下画出逻辑框图，通过分析确定系统故障原因的一种设计分析方法。故障树分析可以直观、明了地分析故障形成的原因，是对复杂系统故障进行可靠性分析的有效工具。应用故障树分析故障时，首先要选择合理的顶事件，由上向下逐级找出直接原因事件，按逻辑关系画出故障树;然后对故障树进行简化，求出最小割集，对最小割集定性比较;最后求出顶事件发生的概率，进行重要度分析。故障树分析法是目前发展较为成熟的智能方法。文献［32－35］通过对汽车制动系统故障原因、故障种类的分析，分别建立了系统制动功能失常的故障树模型，并进行了定性和定量分析，为汽车制动系统的设计和维修提供了可靠的参考。故障树分析法多与其他方法结合应用，如潘亚威等［36］建立了一种基于灰色关联分析法与故障树相结合的故障模式分析模型，对各故障模式之间的关联度进行计算，从而确定导致汽车制动系统失效因素发生的优先顺序;刘鹏［37］提出了一种层次分析法与故障树分析法相结合的故障分析方法，确定了奔腾B50汽车制动系统主要故障因素的重要度排序。
2．4基于灰色理论的汽车制动系统故障检测
灰色理论与模糊理论不同，灰色理论是指部分信息已知，部分信息未知或非确知并带有不确定性现象的理论［38］。它主要以信息比较贫乏的系统作为研究对象，是一种通过对原始数据的挖掘整理将问题量化、具体化，进而寻找问题内在变化规律的方法［39］。汽车制动系统在制动时具有非线性、时变性和不确定性等特点，在故障检测时，不能对某些检测量进行直接有效的监测，对故障的诊断往往具有不确定性。由此可见，制动系统诊断信息不完全，具有灰色性特点，所以可以利用灰色理论对汽车制动系统故障进行诊断，推断不可知信息的特征、状态以及未来的发展趋势。但利用灰色理论对汽车制动故障诊断的研究尚处于萌芽阶段，如文献［40］提出了将灰色理论与支出向量机相结合的车辆制动系统故障影响综合评估模型。虽然这一方面的研究还未成熟，但仍可利用灰色理论解决汽车制动系统故障。从汽车制动系统故障诊断的研究现状来看，现有的大多数汽车故障诊断方法只能实现单一的诊断，会出现错报、漏报的情况。每个诊断方法都有各自的不足和局限性，为使故障诊断能够更加科学准确，需要将多种故障诊断方法进行有机融合，提高故障诊断效率，比如模糊理论与人工神经网络、模糊理论与故障树、小波方法与灰色理论等。同时，如前所述，汽车制动系统的执行部件是摩擦制动器，对其进行故障诊断也是保障汽车制动系统安全性的重要内容。最后，现阶段中国对新能源汽车制动系统故障诊断的研究主要依靠于模糊理论，而对于其他诊断方法，很少有文献涉及，如何应用多种方法对新能源汽车制动系统进行融合诊断，提升行车安全性，将是未来发展的重要方向之一。
3结论与展望
传统燃油汽车制动系统故障检测与状态监测经过多年的发展已逐步趋于成熟。新能源汽车制动系统结构与传统燃油汽车不同，通过各种文献可以看出，这两种类型的汽车对制动系统故障诊断与状态监测的侧重点各不相同，传统汽车主要侧重安全制动本身，而新能源汽车既要保证制动安全，又要考虑制动能量回收以及驾驶员制动的感觉，这就使得新能源汽车在制动故障诊断和状态监测必须对各元件、各系统进行全面分析。通过与传统燃油汽车相比，新能源汽车制动系统智能诊断和监测技术还在发展时期，但随着新理论的探索与融入，以及人工智能技术的不断发展，必将得到进一步突破。将现代技术与多种诊断方法有机融合，形成集成化智能化的诊断技术，是汽车制动故障诊断技术重要的发展趋势。
作者:范琨 郑琳 罗跃纲 单位:大连民族大学
