《表1 激光雷达模块故障关系》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向对象的无人车电源故障检测专家系统设计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

推理机的性能与构造一般与规则的表示方式和组织方式有关，与规则的内容无关，这可以保证推理机与规则库的相对独立，本文设计的专家系统推理机使用改进的深度优先搜索（Depth First Search，DFS）算法生成动态树，在电源故障诊断中，DFS算法的使用更符合故障诊断的判断逻辑，比广度优先算法更能满足检测系统的要求[17]。如果利用静态树模型进行故障诊断，无人车电源检测系统各模块间的复杂关系会导致静态树的纵深过长、节点过多、重复率上升，进而占用大量计算资源，对系统性能产生不利影响[18]。利用DFS算法抽取故障关系表中相应节点前件中的信息，并按照树结构对节点前件进行排序，依据节点等级和排序结果动态生成事件树模型。文献[19]～文献[20]使用动态树进行故障的推理和诊断，计算相应的故障概率并将其作为故障原因判断的重要依据，参照此方法，本文定义动态树类，描述动态树节点与故障规则拓扑表中故障前、后件的映射关系，以激光雷达模块故障为例，首先建立对应的故障关系如表1所示。其中，R1代表雷达模块故障，C1代表相机模块故障，G1代表组合导航模块故障，I1代表逆变器故障，S1代表交换机故障，B1代表电池故障。