2017-04-18
SATE 公司的 Leaf Light 诊断方案将故障消灭在萌芽里！
作者：admin 点击：2438
如果没有系统和高级技术工程公司（SATE）的工作，现代汽车中的寻错是一门高度精密的科学。SATE 是一家意大利公司，专注于机械设备和工厂的模拟和故障诊断，汽车系统是该公司一个关键的市场。SATE 的一个关键客户是知名的意大利豪华汽车厂商，该厂商在耐力测试期间使用 SATE 的软件和顾问服务诊断汽车原型中的初期故障。
SATE 创建一个模拟的系统模型，使用来自 CAN 总线网络的数据来创建监视组件和预测故障的算法以及磨损和损坏的影响。模拟使用其分析基于管理系统交互的物理规则的 “白盒” 模型或“黑盒”模型。后一种模型基于算法，使用根据一系列现实世界输入和输出信号而推导出来的神经网络而创建。
不管使用哪种模拟模型，都需要来自汽车 CANbus 网络的高度精确的信号记录来开发和实现模型（例如黑盒模型的训练阶段或白盒模型的参数调节）。在算法训练或调节期间，信号在常规条件下被记录到系统中。模型的输出和真实世界的相应量之间的任何不匹配都暗示存在故障或异常，例如引擎润滑问题、冷却系统问题、交流发电机问题、离合器问题或变速箱问题。
使用算法方法进行故障查找的一个重要好处是 CAN 总线上不需要任何额外的传感器（除了已经存在的传感器，额外的传感器可能是潜在的故障来源）。所以，对于汽车来讲，已经互联的 ECU 将能够提供关于组件和子系统的足够信息，从而能够了解整辆汽车的可靠性和寿命。
来自传感器网络的 “隐藏” 信息
汽车有三种基于传感器的主要信息来源：车辆动力（速度、加速）、引擎运转（rpm、水温）和驾驶员控制动作（方向盘角度、刹车、油门踏板位置）。可以使用SATE模型从这些参数（也就是不增加更多传感器）估计出诸如轮胎压力和温度等信息。此外，这种方法还能够检测无传感器的轮胎漏气、驾驶员行为和不恰当的驾驶模式检测、变速杆分类和同步器诊断。SATE的算法还被用于精确预测引擎冷却液系统中的微小泄露或控制异常，这种情况中，早期检测可以防止对电机的潜在的严重损坏。另一个例子是检测油压不足（虽然仍然在正常范围内）。在后面的情况中，SATE在引擎熄火前5000至11000公里时向客户提供警告（原在在测试驾驶员检测到之前）。
SATE使用Kvaser的 Leaf Light CAN 转 USB适配器 来连接到车辆 CAN 总线，设计用于卡车的板载诊断系统和部署原型演示应用（例如为 HP iPaq 开发的智能燃油消耗监视应用）。Leaf Light 提供标准和扩展 CAN 报文的时间精确和无损耗的传输和接收，以及任何 CAN 总线网络和带有 USB 端口的商业设备（例如 PDA、超便携电脑或台式电脑）之间的方便连接。
初期故障和基于阈值的信号监视
目前，现代汽车厂商最常使用的故障定位策略是基于阈值的信号监视，当信号超过一系列阈值时检测到故障。但是，这种方法无法检测早期故障。早期故障在开发的早期阶段通常可以容忍，但是随着时间的推移会导致系统性能的下降。SATE 基于模型的策略有效地设置动态剩余阈值，从而能够在早期检测到故障并防止‘基于阈值’的方法（设置范围过小或过低的阈值）经常产生的故障警告。
因为当今有许多低成本的移动计算选择（从超便携电脑到 iPhone），SATE 的高级预测性诊断解决方案（通过 Kvaser 的 CAN 转 USB 或 CAN 转无线适配器）有潜力被应用于比以前多得多的终端应用。这种类型的动态系统建模以前仅限于研究和系统原型应用，现在可以应用于上路的汽车、卡车、机械设备和工厂，用于为车队管理人员和维护团队提供早期警告信息。这种类型的信息对于为设备提供长期质保或终生支持的 OEM 厂商也非常有用。因为 CAN 网络技术在除了汽车之外的许多领域都有应用，所以 SATE 将其模拟技术用于各种领域（例如海事和水下系统、能量生成和油气）也理所当然。
