JP3046870B2 - 故障診断方法 - Google Patents
故障診断方法Info
- Publication number
- JP3046870B2 JP3046870B2 JP3306606A JP30660691A JP3046870B2 JP 3046870 B2 JP3046870 B2 JP 3046870B2 JP 3306606 A JP3306606 A JP 3306606A JP 30660691 A JP30660691 A JP 30660691A JP 3046870 B2 JP3046870 B2 JP 3046870B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- functional components
- functional
- inference
- functional component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Testing Of Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Description
【０００１】
【産業上の利用分野】この発明は故障診断方法、特にセ
ンサを含む複数の機能部品が相互に関連付けられた車両
の故障診断方法に関する。
ンサを含む複数の機能部品が相互に関連付けられた車両
の故障診断方法に関する。
【０００２】
【従来の技術】車両などにおいては、エレクトロニクス
の急速な発達に伴って各種の機器類の電子制御化が進ん
でいる。電子制御を採用することによってシステムの信
頼性が向上するという利点がある反面、システムの異常
時には逆に電子化した部分がブラックボックスとなり、
故障した箇所を外部から特定しにくくなるという別の側
面がある。
の急速な発達に伴って各種の機器類の電子制御化が進ん
でいる。電子制御を採用することによってシステムの信
頼性が向上するという利点がある反面、システムの異常
時には逆に電子化した部分がブラックボックスとなり、
故障した箇所を外部から特定しにくくなるという別の側
面がある。
【０００３】このような問題に対しては、例えば特開昭
６１−１０７４３６号公報に示されているように、シス
テムに故障診断機能を組み込むことが考えられている。
これはシステムを制御するコントロールユニットから所
定の故障診断信号を出力し、それに対する所定の応答信
号が得られないときに故障と判定するものである。
６１−１０７４３６号公報に示されているように、シス
テムに故障診断機能を組み込むことが考えられている。
これはシステムを制御するコントロールユニットから所
定の故障診断信号を出力し、それに対する所定の応答信
号が得られないときに故障と判定するものである。
【０００４】
【発明が解決しようとする課題】ところで、エンジンな
どのようにセンサやアクチュエータなどの複数の機能部
品が相互に関連している複雑なシステムにおいては、従
来のような故障診断方法では診断精度が不足するという
問題がある。例えばエンジンを例にとると、エンジンは
機能面から見ると、エンジン本体を中心として、吸気
系、燃料系、点火系、排気系などが相互に関連したシス
テム構成となっており、例えば吸気系が故障している場
合であっても、吸気系の異常がエンジン本体に影響して
ノックを発生させたり、その影響が排気系に及んで排気
ガスの温度を上昇させたりする。したがって、仮に排気
温に異常が現れたとしても排気系の故障と断定できない
ことになる。
どのようにセンサやアクチュエータなどの複数の機能部
品が相互に関連している複雑なシステムにおいては、従
来のような故障診断方法では診断精度が不足するという
問題がある。例えばエンジンを例にとると、エンジンは
機能面から見ると、エンジン本体を中心として、吸気
系、燃料系、点火系、排気系などが相互に関連したシス
テム構成となっており、例えば吸気系が故障している場
合であっても、吸気系の異常がエンジン本体に影響して
ノックを発生させたり、その影響が排気系に及んで排気
ガスの温度を上昇させたりする。したがって、仮に排気
温に異常が現れたとしても排気系の故障と断定できない
ことになる。
【０００５】このような問題に対しては、サービスマン
などの経験的な知識、市場での情報、システム個別の問
題などに基づいて故障時のセンサ情報などをパターン化
した故障診断用データをコントロールユニットなどに予
め記憶させておいて、パターンマッチングの手法を用い
て故障診断を行うことが考えられている。これによれ
ば、既知の故障原因に対しては機種に応じた適切な診断
結果が得られるという利点があるが、経験のない故障原
因に対しては対応できず診断範囲が限定されるという別
の問題がある。
などの経験的な知識、市場での情報、システム個別の問
題などに基づいて故障時のセンサ情報などをパターン化
した故障診断用データをコントロールユニットなどに予
め記憶させておいて、パターンマッチングの手法を用い
て故障診断を行うことが考えられている。これによれ
ば、既知の故障原因に対しては機種に応じた適切な診断
結果が得られるという利点があるが、経験のない故障原
因に対しては対応できず診断範囲が限定されるという別
の問題がある。
【０００６】そこで、この発明は複数の機能部品が相互
に関連付けられた車両の故障診断に際して、機種に応じ
た故障診断を広範囲にわたって精度良く行い得るように
することを目的とする。
に関連付けられた車両の故障診断に際して、機種に応じ
た故障診断を広範囲にわたって精度良く行い得るように
することを目的とする。
【０００７】
【課題を解決するための手段】すなわち、本願の請求項
１の発明（以下、第１発明という）に係る故障診断方法
は、複数の機能部品及び機能部品の出力状態を検出する
センサが相互に関連付けられた車両において、予め互い
に関連する二つの機能部品に対して関連度をそれぞれ設
定しておき、故障診断時に、センサごとの検出値を異常
度合を示す状態量に変換して、これらの状態量に基づ
き、各センサを起点として関連する機能部品の系統ごと
に上記機能部品間の関連度に応じて重み付け演算を行っ
て当該系統を構成する各機能部品についての推論値を求
めると共に、各系統についての演算で得られた推論値を
各機能部品ごとに加算した結果に基づいて機能部品の故
障状態を推論する第１過程と、経験則に基づいて機能部
品の故障状態を推論する第２過程とを有し、上記両過程
による推論結果に基づいて故障状態の機能部品を特定す
ることを特徴とする。ここで、機能部品とは電気系、機
械系を問わず一定の機能を実現する部品ないし複数部品
の集合体を意味する。
１の発明（以下、第１発明という）に係る故障診断方法
は、複数の機能部品及び機能部品の出力状態を検出する
センサが相互に関連付けられた車両において、予め互い
に関連する二つの機能部品に対して関連度をそれぞれ設
定しておき、故障診断時に、センサごとの検出値を異常
度合を示す状態量に変換して、これらの状態量に基づ
き、各センサを起点として関連する機能部品の系統ごと
に上記機能部品間の関連度に応じて重み付け演算を行っ
て当該系統を構成する各機能部品についての推論値を求
めると共に、各系統についての演算で得られた推論値を
各機能部品ごとに加算した結果に基づいて機能部品の故
障状態を推論する第１過程と、経験則に基づいて機能部
品の故障状態を推論する第２過程とを有し、上記両過程
による推論結果に基づいて故障状態の機能部品を特定す
ることを特徴とする。ここで、機能部品とは電気系、機
械系を問わず一定の機能を実現する部品ないし複数部品
の集合体を意味する。
【０００８】そして、本願の請求項２の発明（以下、第
２発明という）に係る故障診断方法は、複数の機能部品
及び機能部品の出力状態を検出するセンサが相互に関連
付けられた車両において、予め互いに関連する二つの機
能部品に対して関連度をそれぞれ設定しておき、故障診
断時に、センサごとの検出値を異常度合を示す状態量に
変換して、これらの状態量に基づき、各センサを起点と
して関連する機能部品の系統ごとに上記機能部品間の関
連度に応じて重み付け演算を行って当該系統を構成する
各機能部品についての推論値を求めると共に、各系統に
ついての演算で得られた推論値を各機能部品ごとに加算
した結果に基づいて機能部品の故障状態を推論する第１
過程と、経験則に基づいて機能部品の故障状態を推論す
る第２過程とを有し、上記両過程による推論結果を示す
数値を機能部品ごとに加算した結果に基づいて故障状態
の機能部品を特定することを特徴とする。
２発明という）に係る故障診断方法は、複数の機能部品
及び機能部品の出力状態を検出するセンサが相互に関連
付けられた車両において、予め互いに関連する二つの機
能部品に対して関連度をそれぞれ設定しておき、故障診
断時に、センサごとの検出値を異常度合を示す状態量に
変換して、これらの状態量に基づき、各センサを起点と
して関連する機能部品の系統ごとに上記機能部品間の関
連度に応じて重み付け演算を行って当該系統を構成する
各機能部品についての推論値を求めると共に、各系統に
ついての演算で得られた推論値を各機能部品ごとに加算
した結果に基づいて機能部品の故障状態を推論する第１
過程と、経験則に基づいて機能部品の故障状態を推論す
る第２過程とを有し、上記両過程による推論結果を示す
数値を機能部品ごとに加算した結果に基づいて故障状態
の機能部品を特定することを特徴とする。
【０００９】また、本願の請求項３の発明（以下、第３
発明という）に係る故障診断方法は、複数の機能部品及
び機能部品の出力状態を検出するセンサが相互に関連付
けられた車両において、予め互いに関連する二つの機能
部品に対して関連度をそれぞれ設定しておき、故障診断
時に、センサごとの検出値を異常度合を示す状態量に変
換して、これらの状態量に基づき、各センサを起点とし
て関連する機能部品の系統ごとに上記機能部品間の関連
度に応じて重み付け演算を行って当該系統を構成する各
機能部品についての推論値を求めると共に、各系統につ
いての演算で得られた推論値を各機能部品ごとに加算し
た結果に基づいて機能部品の故障状態を推論する第１過
程と、経験則に基づいて機能部品の故障状態を推論する
第２過程とを有し、上記両過程で推論された機能部品の
中から重複する機能部品を抽出し、その抽出結果に基づ
いて故障状態の機能部品を特定することを特徴とする。
発明という）に係る故障診断方法は、複数の機能部品及
び機能部品の出力状態を検出するセンサが相互に関連付
けられた車両において、予め互いに関連する二つの機能
部品に対して関連度をそれぞれ設定しておき、故障診断
時に、センサごとの検出値を異常度合を示す状態量に変
換して、これらの状態量に基づき、各センサを起点とし
て関連する機能部品の系統ごとに上記機能部品間の関連
度に応じて重み付け演算を行って当該系統を構成する各
機能部品についての推論値を求めると共に、各系統につ
いての演算で得られた推論値を各機能部品ごとに加算し
た結果に基づいて機能部品の故障状態を推論する第１過
程と、経験則に基づいて機能部品の故障状態を推論する
第２過程とを有し、上記両過程で推論された機能部品の
中から重複する機能部品を抽出し、その抽出結果に基づ
いて故障状態の機能部品を特定することを特徴とする。
【００１０】また、本願の請求項４の発明（以下、第４
発明という）に係る故障診断方法は、複数の機能部品及
び機能部品の出力状態を検出するセンサが相互に関連付
けられた車両の故障診断方法であって、予め互いに関連
する二つの機能部品に対して関連度をそれぞれ設定して
おき、故障診断時に、センサごとの検出値を異常度合を
示す状態量に変換して、これらの状態量に基づき、各セ
ンサを起点として関連する機能部品の系統ごとに上記機
能部品間の関連度に応じて重み付け演算を行って当該系
統を構成する各機能部品についての推論値を求めると共
に、各系統についての演算で得られた推論値を各機能部
品ごとに加算した結果に基づいて機能部品の故障状態を
推論する第１過程と、経験則に基づいて機能部品の故障
状態を推論する第２過程とを有し、第１過程による推論
結果に基づいて故障可能性のある機能部品を絞り込み、
その結果と上記第２過程による推論結果とに基づいて故
障状態の機能部品を特定することを特徴とする。
発明という）に係る故障診断方法は、複数の機能部品及
び機能部品の出力状態を検出するセンサが相互に関連付
けられた車両の故障診断方法であって、予め互いに関連
する二つの機能部品に対して関連度をそれぞれ設定して
おき、故障診断時に、センサごとの検出値を異常度合を
示す状態量に変換して、これらの状態量に基づき、各セ
ンサを起点として関連する機能部品の系統ごとに上記機
能部品間の関連度に応じて重み付け演算を行って当該系
統を構成する各機能部品についての推論値を求めると共
に、各系統についての演算で得られた推論値を各機能部
品ごとに加算した結果に基づいて機能部品の故障状態を
推論する第１過程と、経験則に基づいて機能部品の故障
状態を推論する第２過程とを有し、第１過程による推論
結果に基づいて故障可能性のある機能部品を絞り込み、
その結果と上記第２過程による推論結果とに基づいて故
障状態の機能部品を特定することを特徴とする。
【００１１】さらに、本願の請求項５の発明（以下、第
５発明という）に係る故障診断方法は、上記第１発明〜
第５発明において、重み付け演算は、同一系統における
演算過程で、関連する二つの機能部品に対して設定され
た同じ関連度を再び使うこととなった時点で終了するこ
とを特徴とする。
５発明という）に係る故障診断方法は、上記第１発明〜
第５発明において、重み付け演算は、同一系統における
演算過程で、関連する二つの機能部品に対して設定され
た同じ関連度を再び使うこととなった時点で終了するこ
とを特徴とする。
【００１２】
【作用】まず、第１発明に係る故障診断方法によれば、
第２過程による推論処理によって機種に応じた機能部品
の故障状態が推論されることになるので、第１過程にお
ける推論処理に用いる重み付けの値を変更することなく
機種に応じた適切な故障診断を広範囲にわたって精度良
く行うことができる。
第２過程による推論処理によって機種に応じた機能部品
の故障状態が推論されることになるので、第１過程にお
ける推論処理に用いる重み付けの値を変更することなく
機種に応じた適切な故障診断を広範囲にわたって精度良
く行うことができる。
【００１３】また、第２発明に係る故障診断方法によれ
ば、第１、第２過程による推論結果を示す数値を機能部
品ごとに加算した結果に基づいて故障部品を特定するよ
うになっているので、異常度合の大きい機能部品に対す
る推論結果が強調されることになり、診断精度が向上す
ることになる。
ば、第１、第２過程による推論結果を示す数値を機能部
品ごとに加算した結果に基づいて故障部品を特定するよ
うになっているので、異常度合の大きい機能部品に対す
る推論結果が強調されることになり、診断精度が向上す
ることになる。
【００１４】そして、第３発明に係る故障診断方法によ
れば、第１、第２過程で推論された機能部品の中から重
複する機能部品を抽出した結果に基づいて故障部品を特
定するようになっているので、機種に応じた適切な故障
診断が可能となる。
れば、第１、第２過程で推論された機能部品の中から重
複する機能部品を抽出した結果に基づいて故障部品を特
定するようになっているので、機種に応じた適切な故障
診断が可能となる。
【００１５】さらに、第４発明に係る故障診断方法によ
れば、第１過程による推論結果に基づいて故障可能性の
ある機能部品を絞り込むと共に、その結果と経験則に基
づく第１過程の推論結果とに基づいて故障部品を特定す
るようになっているので、経験則による推論結果の不確
実性が補われて診断精度が向上することになる。
れば、第１過程による推論結果に基づいて故障可能性の
ある機能部品を絞り込むと共に、その結果と経験則に基
づく第１過程の推論結果とに基づいて故障部品を特定す
るようになっているので、経験則による推論結果の不確
実性が補われて診断精度が向上することになる。
【００１６】そして、第５発明に係る故障診断法方によ
れば、複数の機能部品がループ状に関連している場合
に、同一の間連度を用いた演算が重複して行われること
が回避されるので、診断精度が向上することになる。
れば、複数の機能部品がループ状に関連している場合
に、同一の間連度を用いた演算が重複して行われること
が回避されるので、診断精度が向上することになる。
【００１７】
【実施例】以下、本発明の実施例について説明する。
【００１８】図１に示すように、車両に搭載されたエン
ジンコントロールユニット１には、スロットルセンサ２
によって検出されたスロットル開度信号と、エアフロー
センサ３によって検出された吸入空気量信号と、吸気温
センサ４によって検出された吸気温信号と、クランク角
センサ５によって検出されたクランク角信号と、水温セ
ンサ６によって検出されたエンジン水温信号と、排気温
センサ７によって検出された排気温信号と、Ｏ２センサ
８によって検出された空燃比信号と、ノックセンサ９に
よって検出されたノック信号とが入力されていると共
に、エンジンコントロールユニット１はこれらの各信号
を故障診断ユニット１０に転送するようになっている。
ジンコントロールユニット１には、スロットルセンサ２
によって検出されたスロットル開度信号と、エアフロー
センサ３によって検出された吸入空気量信号と、吸気温
センサ４によって検出された吸気温信号と、クランク角
センサ５によって検出されたクランク角信号と、水温セ
ンサ６によって検出されたエンジン水温信号と、排気温
センサ７によって検出された排気温信号と、Ｏ２センサ
８によって検出された空燃比信号と、ノックセンサ９に
よって検出されたノック信号とが入力されていると共
に、エンジンコントロールユニット１はこれらの各信号
を故障診断ユニット１０に転送するようになっている。
【００１９】一方、故障診断ユニット１０は、通信用の
インターフェース１１と、図２〜図９に示すように上記
各センサ２〜９の検出値に対応させて設定した異常度合
を示すメンバーシップ関数をそれぞれ記憶させた関数記
憶部１２と、深い知識を記憶させた第１知識データ記憶
部１３と、浅い知識を記憶させた第２知識データ記憶部
１４と、上記インターフェース１１を介して取り込んだ
センサ情報に基づいて故障推論を行う演算処理部１５
と、その推論結果を格納する推論結果格納部１６とを有
する。また、この故障診断ユニット１０には故障表示用
の表示装置１７が接続されている。
インターフェース１１と、図２〜図９に示すように上記
各センサ２〜９の検出値に対応させて設定した異常度合
を示すメンバーシップ関数をそれぞれ記憶させた関数記
憶部１２と、深い知識を記憶させた第１知識データ記憶
部１３と、浅い知識を記憶させた第２知識データ記憶部
１４と、上記インターフェース１１を介して取り込んだ
センサ情報に基づいて故障推論を行う演算処理部１５
と、その推論結果を格納する推論結果格納部１６とを有
する。また、この故障診断ユニット１０には故障表示用
の表示装置１７が接続されている。
【００２０】ここで、上記関数記憶部１２に記憶された
メンバーシップ関数について説明すると、例えばスロッ
トルセンサ２については、図２に示すように、センサ出
力電圧と異常度合を示すメンバーシップ値との関係が設
定されている。つまり、センサ出力電圧が所定値Ｖ１の
ところを中心としてメンバーシップ値が急激に増大する
傾向を示すことになる。
メンバーシップ関数について説明すると、例えばスロッ
トルセンサ２については、図２に示すように、センサ出
力電圧と異常度合を示すメンバーシップ値との関係が設
定されている。つまり、センサ出力電圧が所定値Ｖ１の
ところを中心としてメンバーシップ値が急激に増大する
傾向を示すことになる。
【００２１】同様にして、エアフローセンサ３、吸気温
センサ４、クランク角センサ５、水温センサ６、排気温
センサ７、Ｏ２センサ８及びノックセンサ９について
も、図３〜図９に示すようにメンバーシップ関数がそれ
ぞれ設定されている。
センサ４、クランク角センサ５、水温センサ６、排気温
センサ７、Ｏ２センサ８及びノックセンサ９について
も、図３〜図９に示すようにメンバーシップ関数がそれ
ぞれ設定されている。
【００２２】また、上記第１知識データ記憶部１３に
は、例えば図１０に示すように、エンジンを機能面から
ブロック化したスロットル系Ａ、キャニスタＢ、バイパ
スエア系Ｃ、オルタネータＤ、吸気系Ｅ、燃料系Ｆ、点
火系Ｇ、エンジン本体Ｈ、排気系Ｉ、冷却系Ｊ、ＥＧＲ
系Ｋ及び上記各センサ２〜９の相関関係を示す相関経路
をそれぞれ代表させたルールと、ルールごとに関連度に
応じて設定した相関係数とが記憶されている。例えばス
ロットル系Ａの影響を受けるスロットルセンサ２と影響
元であるスロットル系Ａとが、スロットル系Ａを起点と
するルールＲ１の相関経路で連結されていると共に、両
者の関連度を示す相関係数の値（０．８８）がルールＲ
１を呼出コードとして上記第１知識データ記憶部１３に
格納されている。
は、例えば図１０に示すように、エンジンを機能面から
ブロック化したスロットル系Ａ、キャニスタＢ、バイパ
スエア系Ｃ、オルタネータＤ、吸気系Ｅ、燃料系Ｆ、点
火系Ｇ、エンジン本体Ｈ、排気系Ｉ、冷却系Ｊ、ＥＧＲ
系Ｋ及び上記各センサ２〜９の相関関係を示す相関経路
をそれぞれ代表させたルールと、ルールごとに関連度に
応じて設定した相関係数とが記憶されている。例えばス
ロットル系Ａの影響を受けるスロットルセンサ２と影響
元であるスロットル系Ａとが、スロットル系Ａを起点と
するルールＲ１の相関経路で連結されていると共に、両
者の関連度を示す相関係数の値（０．８８）がルールＲ
１を呼出コードとして上記第１知識データ記憶部１３に
格納されている。
【００２３】これらの各ルールと相関係数との関係をま
とめると、次の表１に示すようなものとなる。
とめると、次の表１に示すようなものとなる。
【００２４】
【表１】
【００２５】つまり、例えばスロットル系Ａとエアフロ
ーセンサ３との相関関係を示すルールＲ２に対応する相
関係数の値は０．７６となる。
ーセンサ３との相関関係を示すルールＲ２に対応する相
関係数の値は０．７６となる。
【００２６】また、上記第２知識データ記憶部１４に
は、サービスマンの経験的な知識、市場での情報、シス
テム個別の問題などをルール化した知識データが格納さ
れている。なお、この第２知識データ記憶部１４には、
当該車両に対応する車種判別コードも格納されている。
は、サービスマンの経験的な知識、市場での情報、シス
テム個別の問題などをルール化した知識データが格納さ
れている。なお、この第２知識データ記憶部１４には、
当該車両に対応する車種判別コードも格納されている。
【００２７】次に、上記故障診断ユニット１０が行う故
障診断処理を説明すると、この故障診断処理は図１１の
フローチャートに従って次のように行われる。
障診断処理を説明すると、この故障診断処理は図１１の
フローチャートに従って次のように行われる。
【００２８】すなわち、故障診断ユニット１０における
演算処理部１５は、ステップＳ１で車種判別コードを読
み込むと共に、ステップＳ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＳ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。つ
まり、インターフェース１１を介して取り込んだ現実の
センサ値を、関数記憶部１２に記憶させたメンバーシッ
プ関数に照らし合わせて、該当するセンサ値に対応する
メンバーシップ関数の値をメンバーシップ値として選択
するのである。例えば、スロットルセンサ２からの信号
が示す出力電圧が２Ｖで合ったとすると、図２の関係か
ら異常度合を示すメンバーシップ値として１が選択され
ることになる。
演算処理部１５は、ステップＳ１で車種判別コードを読
み込むと共に、ステップＳ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＳ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。つ
まり、インターフェース１１を介して取り込んだ現実の
センサ値を、関数記憶部１２に記憶させたメンバーシッ
プ関数に照らし合わせて、該当するセンサ値に対応する
メンバーシップ関数の値をメンバーシップ値として選択
するのである。例えば、スロットルセンサ２からの信号
が示す出力電圧が２Ｖで合ったとすると、図２の関係か
ら異常度合を示すメンバーシップ値として１が選択され
ることになる。
【００２９】次いで、演算処理部１５はステップＳ４に
進んで所定の第１推論処理を実行する。つまり、例えば
スロットルセンサ２を例に取ると、図１０の相関関係モ
デルに従えばスロットルセンサ２に関連するのはスロッ
トル系Ａであるから、この場合のスロットル系Ａの推論
値はルールＲ１に従ってスロットルセンサ２のメンバー
シップ値に相関係数を乗算した値となる。そして、相関
経路を逆にたどって随時重み付け演算を行って行き、得
られた推論値を上記推論結果格納部１６にブロックごと
に設けた結果テーブルへ順次格納して行く。そして、こ
のプロセスを、図１０の相関関係モデルにおいて、例え
ばスロットルセンサ２を終点とする一連の独立した相関
経路を一通り巡り終るまで実行する。その場合に、特定
のセンサから始まった推論過程が同じルールを再び使う
ようになったときには、その時点で当該センサに対する
一群の推論演算が終了されることになる。例えば、スロ
ットル系Ａと吸気系Ｅとに着目すると、吸気系Ｅの推論
値を求める過程でルールＲ９が用いられた場合には、こ
のルールＲ９が再び使用されることがないのである。こ
れにより、無限ループが回避されて演算時間が短縮され
ると共に、重複演算による誤差の蓄積も回避されること
になる。演算処理部１５は上記各センサ２〜９に対する
推論演算が全て終了したと判定すると、各センサ２〜９
についての結果テーブルに納められた推論値をブロック
別に加算すると共に、それらの値をブロックごとに最終
結果テーブルに加算するようになっている。
進んで所定の第１推論処理を実行する。つまり、例えば
スロットルセンサ２を例に取ると、図１０の相関関係モ
デルに従えばスロットルセンサ２に関連するのはスロッ
トル系Ａであるから、この場合のスロットル系Ａの推論
値はルールＲ１に従ってスロットルセンサ２のメンバー
シップ値に相関係数を乗算した値となる。そして、相関
経路を逆にたどって随時重み付け演算を行って行き、得
られた推論値を上記推論結果格納部１６にブロックごと
に設けた結果テーブルへ順次格納して行く。そして、こ
のプロセスを、図１０の相関関係モデルにおいて、例え
ばスロットルセンサ２を終点とする一連の独立した相関
経路を一通り巡り終るまで実行する。その場合に、特定
のセンサから始まった推論過程が同じルールを再び使う
ようになったときには、その時点で当該センサに対する
一群の推論演算が終了されることになる。例えば、スロ
ットル系Ａと吸気系Ｅとに着目すると、吸気系Ｅの推論
値を求める過程でルールＲ９が用いられた場合には、こ
のルールＲ９が再び使用されることがないのである。こ
れにより、無限ループが回避されて演算時間が短縮され
ると共に、重複演算による誤差の蓄積も回避されること
になる。演算処理部１５は上記各センサ２〜９に対する
推論演算が全て終了したと判定すると、各センサ２〜９
についての結果テーブルに納められた推論値をブロック
別に加算すると共に、それらの値をブロックごとに最終
結果テーブルに加算するようになっている。
【００３０】次に、演算処理部１５はステップＳ５に進
んで所定の第２推論処理を実行する。つまり、上記ステ
ップＳ３において求めたメンバーシップ値を第２知識デ
ータ記憶部１４に照らし合わせて、該当する推論ルール
が存在するときにはそれに基づく重み付け計算を行って
推論値を算出するのである。
んで所定の第２推論処理を実行する。つまり、上記ステ
ップＳ３において求めたメンバーシップ値を第２知識デ
ータ記憶部１４に照らし合わせて、該当する推論ルール
が存在するときにはそれに基づく重み付け計算を行って
推論値を算出するのである。
【００３１】そして、演算処理部１５はステップＳ６で
第１推論処理に基づく推論結果と第２推論処理に基づく
推論結果とをブロックごとに加算することにより合成す
ると共に、ステップＳ７で故障判定処理を行って最大の
加算値を示すブロックを故障と判定して、ステップＳ８
で表示装置１７に故障表示を行わせる。
第１推論処理に基づく推論結果と第２推論処理に基づく
推論結果とをブロックごとに加算することにより合成す
ると共に、ステップＳ７で故障判定処理を行って最大の
加算値を示すブロックを故障と判定して、ステップＳ８
で表示装置１７に故障表示を行わせる。
【００３２】また、故障と判定したときには、フェール
セーフモードへ移行するようにしても良い。
セーフモードへ移行するようにしても良い。
【００３３】次に、本発明に係る故障判定処理の第２実
施例について説明すると、この第２実施例においては図
１２のフローチャートに従って故障判定処理が行われ
る。
施例について説明すると、この第２実施例においては図
１２のフローチャートに従って故障判定処理が行われ
る。
【００３４】すなわち、故障診断ユニット１０における
演算処理部１５は、ステップＴ１で車種判別コードを読
み込むと共に、ステップＴ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＴ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。
演算処理部１５は、ステップＴ１で車種判別コードを読
み込むと共に、ステップＴ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＴ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。
【００３５】次いで、演算処理部１５はステップＴ４に
進んで上記第１知識データ記憶部１３を用いた第１推論
処理を実行した後、ステップＴ５で上記第２知識データ
記憶部１４を用いた第２推論処理を実行し、ステップＴ
６で上記第１、第２推論処理によって得られた推論結果
を比較する。そして、ステップＴ７で重複しているもの
を抽出した後、ステップＴ８で故障判定処理を行って双
方にリストアップされているもののうちで最大のものを
故障と判定して、ステップＴ９で表示装置１７に故障表
示を行わせる。なお、故障判定の際には第１推論処理に
よる推論結果が優先される。
進んで上記第１知識データ記憶部１３を用いた第１推論
処理を実行した後、ステップＴ５で上記第２知識データ
記憶部１４を用いた第２推論処理を実行し、ステップＴ
６で上記第１、第２推論処理によって得られた推論結果
を比較する。そして、ステップＴ７で重複しているもの
を抽出した後、ステップＴ８で故障判定処理を行って双
方にリストアップされているもののうちで最大のものを
故障と判定して、ステップＴ９で表示装置１７に故障表
示を行わせる。なお、故障判定の際には第１推論処理に
よる推論結果が優先される。
【００３６】この場合においても、故障と判定したとき
にはフェールセーフモードへ移行するようにしても良
い。
にはフェールセーフモードへ移行するようにしても良
い。
【００３７】さらに、第３実施例においては、図１３の
フローチャートに従って次のように故障判定処理が行わ
れる。
フローチャートに従って次のように故障判定処理が行わ
れる。
【００３８】すなわち、故障診断ユニット１０における
演算処理部１５は、ステップＵ１で車種判別コードを読
み込むと共に、ステップＵ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＵ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。
演算処理部１５は、ステップＵ１で車種判別コードを読
み込むと共に、ステップＵ２でインターフェース１１を
介してセンサ値を読み込んだ後、ステップＵ３でこれら
のセンサ値をメンバーシップ値にそれぞれ変換する。
【００３９】次いで、演算処理部１５はステップＵ４に
進んで上記第１知識データ記憶部１３を用いた第１推論
処理を実行した後、ステップＵ５で得られた推論結果の
中から大きいものから順番に数個の有力候補をリストア
ップする。そして、ステップＵ６で候補間の差が特定値
よりも大きいか否かを判定し、ＮＯと判定したときにス
テップＵ７に進んで上記第２知識データ記憶部１４を用
いた第２推論処理を実行して、ステップＵ８で故障判定
処理を行って推論結果の中から最大のものを故障と判定
して、ステップＵ９で表示装置１７に故障表示を行わせ
る。
進んで上記第１知識データ記憶部１３を用いた第１推論
処理を実行した後、ステップＵ５で得られた推論結果の
中から大きいものから順番に数個の有力候補をリストア
ップする。そして、ステップＵ６で候補間の差が特定値
よりも大きいか否かを判定し、ＮＯと判定したときにス
テップＵ７に進んで上記第２知識データ記憶部１４を用
いた第２推論処理を実行して、ステップＵ８で故障判定
処理を行って推論結果の中から最大のものを故障と判定
して、ステップＵ９で表示装置１７に故障表示を行わせ
る。
【００４０】一方、演算処理部１５は上記ステップＵ６
においてＹＥＳと判定したときにはステップＵ１０へ移
り、上記ステップＵ５においてリストアップされた候補
の中から故障個所を特定する故障判定処理を実行する。
においてＹＥＳと判定したときにはステップＵ１０へ移
り、上記ステップＵ５においてリストアップされた候補
の中から故障個所を特定する故障判定処理を実行する。
【００４１】
【発明の効果】第１発明に係る故障診断方法によれば、
第２過程による推論処理によって機種に応じた機能部品
の故障状態が推論されることになるので、第１過程にお
ける推論処理に用いる重み付けの値を変更することなく
機種に応じた適切な故障診断を広範囲にわたって精度良
く行うことができる。
第２過程による推論処理によって機種に応じた機能部品
の故障状態が推論されることになるので、第１過程にお
ける推論処理に用いる重み付けの値を変更することなく
機種に応じた適切な故障診断を広範囲にわたって精度良
く行うことができる。
【００４２】また、第２発明に係る故障診断方法によれ
ば、第１、第２過程による推論結果を示す数値を機能部
品ごとに加算した結果に基づいて故障部品を特定するよ
うになっているので、異常度合の大きい機能部品に対す
る推論結果が強調されることになり、診断精度が向上す
ることになる。
ば、第１、第２過程による推論結果を示す数値を機能部
品ごとに加算した結果に基づいて故障部品を特定するよ
うになっているので、異常度合の大きい機能部品に対す
る推論結果が強調されることになり、診断精度が向上す
ることになる。
【００４３】そして、第３発明に係る故障診断方法によ
れば、第１、第２過程で推論された機能部品の中から重
複する機能部品を抽出した結果に基づいて故障部品を特
定するようになっているので、機種に応じた適切な故障
診断が可能となる。
れば、第１、第２過程で推論された機能部品の中から重
複する機能部品を抽出した結果に基づいて故障部品を特
定するようになっているので、機種に応じた適切な故障
診断が可能となる。
【００４４】さらに、第４発明に係る故障診断方法によ
れば、第１過程による推論結果に基づいて故障可能性の
ある機能部品を絞り込むと共に、その結果と経験則に基
づく第１過程の推論結果とに基づいて故障部品を特定す
るようになっているので、経験則による推論結果の不確
実性が補われて診断精度が向上することになる。
れば、第１過程による推論結果に基づいて故障可能性の
ある機能部品を絞り込むと共に、その結果と経験則に基
づく第１過程の推論結果とに基づいて故障部品を特定す
るようになっているので、経験則による推論結果の不確
実性が補われて診断精度が向上することになる。
【００４５】そして、第５発明に係る故障診断法方によ
れば、複数の機能部品がループ状に関連している場合
に、同一の間連度を用いた演算が重複して行われること
が回避されるので、診断精度が向上することになる。
れば、複数の機能部品がループ状に関連している場合
に、同一の間連度を用いた演算が重複して行われること
が回避されるので、診断精度が向上することになる。
【図１】 第１実施例における故障判定システムを示す
ブロック図である。
ブロック図である。
【図２】 スロットルセンサの出力状態に対する故障度
合を示すメンバーシップ関数の一例を示す特性図であ
る。
合を示すメンバーシップ関数の一例を示す特性図であ
る。
【図３】 エアフローセンサの出力状態に対する故障度
合を示すメンバーシップ関数の一例を示す特性図であ
る。
合を示すメンバーシップ関数の一例を示す特性図であ
る。
【図４】 吸気温センサの出力状態に対する故障度合を
示すメンバーシップ関数の一例を示す特性図である。
示すメンバーシップ関数の一例を示す特性図である。
【図５】 クランク角センサの出力状態に対する故障度
合を示すメンバーシップ関数の一例を示す特性図であ
る。
合を示すメンバーシップ関数の一例を示す特性図であ
る。
【図６】 水温センサの出力状態に対する故障度合を示
すメンバーシップ関数の一例を示す特性図である。
すメンバーシップ関数の一例を示す特性図である。
【図７】 排気温センサの出力状態に対する故障度合を
示すメンバーシップ関数の一例を示す特性図である。
示すメンバーシップ関数の一例を示す特性図である。
【図８】 Ｏ2センサの出力状態に対する故障度合を示
すメンバーシップ関数の一例を示す特性図である。
すメンバーシップ関数の一例を示す特性図である。
【図９】 ノックセンサの出力状態に対する故障度合を
示すメンバーシップ関数の一例を示す特性図である。
示すメンバーシップ関数の一例を示す特性図である。
【図１０】 エンジンの構造モデルを示す相関関係図で
ある。
ある。
【図１１】 故障判定処理を示すフローチャート図であ
る。
る。
【図１２】 故障判定処理の第２実施例を示すフローチ
ャート図である。
ャート図である。
【図１３】 故障判定処理の第３実施例を示すフローチ
ャート図である。
ャート図である。
２ スロットルセンサ ３ エアフローセンサ ４ 吸気温センサ ５ クランク角センサ ６ 水温センサ ７ 排気温センサ ８ Ｏ2センサ ９ ノックセンサ １０ 故障診断ユニット １５ 演算処理部 Ａ スロットル系 Ｂ キャニスタ Ｃ バイパスエア系 Ｄ オルタネータ Ｅ 吸気系 Ｆ 燃料系 Ｇ 点火系 Ｈ エンジン本体 Ｉ 排気系 Ｊ 冷却系 Ｋ ＥＧＲ系
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G01M 15/00 G01M 17/007 G05B 23/02 302 G06F 9/44 554
Claims (5)
- 【請求項１】 複数の機能部品及び機能部品の出力状態
を検出するセンサが相互に関連付けられた車両の故障診
断方法であって、予め互いに関連する二つの機能部品に
対して関連度をそれぞれ設定しておき、故障診断時に、
センサごとの検出値を異常度合を示す状態量に変換し
て、これらの状態量に基づき、各センサを起点として関
連する機能部品の系統ごとに上記機能部品間の関連度に
応じて重み付け演算を行って当該系統を構成する各機能
部品についての推論値を求めると共に、各系統について
の演算で得られた推論値を各機能部品ごとに加算した結
果に基づいて機能部品の故障状態を推論する第１過程
と、経験則に基づいて機能部品の故障状態を推論する第
２過程とを有し、上記両過程による推論結果に基づいて
故障状態の機能部品を特定することを特徴とする故障診
断方法。 - 【請求項２】 複数の機能部品及び機能部品の出力状態
を検出するセンサが相互に関連付けられた車両の故障診
断方法であって、予め互いに関連する二つの機能部品に
対して関連度をそれぞれ設定しておき、故障診断時に、
センサごとの検出値を異常度合を示す状態量に変換し
て、これらの状態量に基づき、各センサを起点として関
連する機能部品の系統ごとに上記機能部品間の関連度に
応じて重み付け演算を行って当該系統を構成する各機能
部品についての推論値を求めると共に、各系統について
の演算で得られた推論値を各機能部品ごとに加算した結
果に基づいて機能部品の故障状態を推論する第１過程
と、経験則に基づいて機能部品の故障状態を推論する第
２過程とを有し、上記両過程による推論結果を示す数値
を機能部品ごとに加算した結果に基づいて故障状態の機
能部品を特定することを特徴とする故障診断方法。 - 【請求項３】 複数の機能部品及び機能部品の出力状態
を検出するセンサが相互に関連付けられた車両の故障診
断方法であって、予め互いに関連する二つの機能部品に
対して関連度をそれぞれ設定しておき、故障診断時に、
センサごとの検出値を異常度合を示す状態量に変換し
て、これらの状態量に基づき、各センサを起点として関
連する機能部品の系統ごとに上記機能部品間の関連度に
応じて重み付け演算を行って当該系統を構成する各機能
部品についての推論値を求めると共に、各系統について
の演算で得られた推論値を各機能部品ごとに加算した結
果に基づいて機能部品の故障状態を推論する第１過程
と、経験則に基づいて機能部品の故障状態を推論する第
２過程とを有し、上記両過程で推論された機能部品の中
から重複する機能部品を抽出し、その抽出結果に基づい
て故障状態の機能部品を特定することを特徴とする故障
診断方法。 - 【請求項４】 複数の機能部品及び機能部品の出力状態
を検出するセンサが相互に関連付けられた車両の故障診
断方法であって、予め互いに関連する二つの機能部品に
対して関連度をそれぞれ設定しておき、故障診断時に、
センサごとの検出値を異常度合を示す状態量に変換し
て、これらの状態量に基づき、各センサを起点として関
連する機能部品の系統ごとに上記機能部品間の関連度に
応じて重み付け演算を行って当該系統を構成する各機能
部品についての推論値を求めると共に、各系統について
の演算で得られた推論値を各機能部品ごとに加算した結
果に基づいて機能部品の故障状態を推論する第１過程
と、経験則に基づいて機能部品の故障状態を推論する第
２過程とを有し、第１過程による推論結果に基づいて故
障可能性のある機能部品を絞り込み、その結果と上記第
２過程による推論結果とに基づいて故障状態の機能部品
を特定することを特徴とする故障診断方法。 - 【請求項５】 重み付け演算は、同一系統における演算
過程で、関連する二つの機能部品に対して設定された同
じ関連度を再び使うこととなった時点で終了することを
特徴とする請求項１から請求項４のいずれかに記載の故
障診断方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3306606A JP3046870B2 (ja) | 1991-10-25 | 1991-10-25 | 故障診断方法 |
| US07/965,772 US5414645A (en) | 1991-10-25 | 1992-10-23 | Method of fault diagnosis in an apparatus having sensors |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3306606A JP3046870B2 (ja) | 1991-10-25 | 1991-10-25 | 故障診断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05180730A JPH05180730A (ja) | 1993-07-23 |
| JP3046870B2 true JP3046870B2 (ja) | 2000-05-29 |
Family
ID=17959102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3306606A Expired - Fee Related JP3046870B2 (ja) | 1991-10-25 | 1991-10-25 | 故障診断方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3046870B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4183185B2 (ja) | 2004-03-10 | 2008-11-19 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体 |
| JP5572966B2 (ja) * | 2009-03-06 | 2014-08-20 | 日本電気株式会社 | データ類似度計算方法、システム、およびプログラム |
| JP5413399B2 (ja) * | 2011-04-11 | 2014-02-12 | 三菱自動車工業株式会社 | 車両搭載機器の故障診断装置 |
| JP6911642B2 (ja) * | 2017-08-29 | 2021-07-28 | いすゞ自動車株式会社 | 診断装置および診断方法 |
| JP7215062B2 (ja) | 2018-10-16 | 2023-01-31 | 富士通株式会社 | 故障率推定プログラム、故障率推定方法及び情報処理装置 |
-
1991
- 1991-10-25 JP JP3306606A patent/JP3046870B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05180730A (ja) | 1993-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5414645A (en) | Method of fault diagnosis in an apparatus having sensors | |
| US6240343B1 (en) | Apparatus and method for diagnosing an engine using computer based models in combination with a neural network | |
| Laukonen et al. | Fault detection and isolation for an experimental internal combustion engine via fuzzy identification | |
| US6898554B2 (en) | Fault detection in a physical system | |
| US7181334B2 (en) | Method and apparatus to diagnose intake airflow | |
| Gertler et al. | Model-based on-board fault detection and diagnosis for automotive engines | |
| JPS6378041A (ja) | 車両用故障診断装置 | |
| JPH09244917A (ja) | モデルベース診断システムの自動分析方法 | |
| Rizzoni et al. | Detection of sensor failures in automotive engines | |
| CN115268417B (zh) | 一种自适应ecu故障诊断控制方法 | |
| US6292738B1 (en) | Method for adaptive detection of engine misfire | |
| JP3046870B2 (ja) | 故障診断方法 | |
| EP0796988B1 (en) | Method of diagnosing the efficiency of an exhaust gas stoichiometric composition sensor placed downstream of a catalytic converter | |
| US6208917B1 (en) | Ambient temperature/inlet air temperature sensor dither | |
| KR101002379B1 (ko) | 전자 시스템 유닛의 진단 방법 | |
| JP2935382B2 (ja) | 故障診断方法 | |
| CN115061451A (zh) | 汽车故障诊断方法、装置、智能终端及存储介质 | |
| Muldoon et al. | Vehicle fault diagnostics using a sensor fusion approach | |
| CN115933588A (zh) | 智能网联汽车故障远程综合诊断方法及系统 | |
| JP2842922B2 (ja) | 車両用故障診断装置 | |
| Rizzoni et al. | Real time detection filters for onboard diagnosis of incipient failures | |
| JPH0733984B2 (ja) | 車両用故障診断装置 | |
| Rizzoni et al. | A survey of automotive diagnostic equipment and procedures | |
| Buehler et al. | Mass air flow sensor diagnostics for adaptive fueling control of internal combustion engines | |
| KR102261840B1 (ko) | 군집비행에서의 개체 간 고장검출 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |