《表1 激光雷达模块故障关系》
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。
图表编号 | XD0072295400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.24 |
作者 | 杨一鸣、汪贵平 |
绘制单位 | 长安大学、长安大学 |
更多格式 | 高清、无水印(增值服务) |