Xây dựng mô hình chẩn đoán trạng thái kỹ thuật hệ thống VSC trên ô tô

Đây là một hệ thống có ĐKĐT điển hình trên ô tô mà chúng ta không thể chẩn đoán trạng thái kỹ thuật, phát hiện lỗi của nó bằng các phương pháp chẩn đoán với hệ thống cơ khí thông thường.

i

-M ỤC LỤC

M ỤC LỤC i

DANH M ỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT iv

DANH M ỤC CÁC BẢNG BIỂU vi

DANH M ỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ vii

M Ở ĐẦU 1

T ỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 5

Đặc điểm chẩn đoán TTKT các hệ thống có ĐKĐT trên ô tô 5

Vai trò của chẩn đoán TTKT trên ô tô 5

Đặc điểm các hệ thống điều khiển điện tử trên ô tô hiện đại 5

Phân tích các phương pháp phát hiện lỗi trong hệ thống có ĐKĐT 10

Các khái niệm cơ bản trong chẩn đoán TTKT 10

Phân tích các phương pháp phát hiện lỗi 13

H ệ thống VSC trên ô tô 28

Nhiệm vụ của hệ thống VSC và các tên gọi của hệ thống 28

Đặc điểm chẩn đoán phát hiện lỗi trong hệ thống VSC 29

M ột số công trình nghiên cứu trong lĩnh vực chẩn đoán 30

Một số công trình ở nước ngoài nghiên cứu chẩn đoán bằng logic mờ 30

Các công trình nghiên cứu ứng dụng lý thuyết mờ ở Việt Nam 31

L ựa chọn đề tài và mục tiêu nghiên cứu của luận án 34

K ết luận chương 1 35

CƠ SỞ LÝ THUYẾT ĐỂ XÂY DỰNG MÔ HÌNH CHẨN ĐOÁN PHÁT HIỆN L ỐI BẰNG HỆ SUY DIỄN MỜ TAKAGI-SUGENO 37

H ệ suy diễn mờ 37

Khối mờ hóa đầu vào 38

Khối cơ sở tri thức 40

Khối suy diễn logic 40

Giải mờ đầu ra 41

H ệ suy diễn mờ Takagi – Sugeno 42

Xây d ựng hệ suy diễn mờ T-S để mô tả hệ thống kỹ thuật 44

Phương pháp tiếp cận 44

Xây dựng hệ mờ T-S để mô tả hệ thống được chẩn đoán 46

Ảnh hưởng các nhiễu và biến vào không đo được 48

Xây d ựng bộ quan sát 49

Cơ sở toán học tính thiết kế bộ quan sát UIO 50

Xây dựng bộ quan sát mờ T-S 52

ii

-Tính toán giá tr ị ngưỡng 53

S ử dụng bộ quan sát mờ T-S để phát hiện trạng thái làm việc có lỗi của hệ thống 54

K ết luận chương 2 57

XÂY D ỰNG MÔ HÌNH CHẨN ĐOÁN PHÁT HIỆN TRẠNG THÁI LÀM VI ỆC CÓ LỖI CỦA HỆ THỐNG VSC TRÊN XE TOYOTA CAMRY 58

H ệ thống VSC trên xe Toyota Camry 58

Mô tả hệ thống 58

Chế độ điều khiển theo tốc độ góc quay thân xe mong muốn 60

Các trạng thái làm việc có lỗi của hệ thống VSC trên xe Toyota Camry 61

H ệ phương trình trạng thái mô tả động lực bên của xe 65

Xây d ựng hệ suy diễn mờ mô tả động lực học bên 70

Thi ết kế bộ quan sát mờ 73

Tính giá tr ị ngưỡng 74

Các trường hợp mô phỏng và phân tích các kết quả 75

Các trường hợp mô phỏng 75

Phân tích các kết quả mô phỏng 75

K ết luận chương 3 86

NGHIÊN C ỨU THỰC NGHIỆM 87

M ục đích nghiên cứu, đối tượng và thông số thực nghiệm 87

Mục đích nghiên cứu 87

Đối tượng thực nghiệm 87

Thông số đo trong thực nghiệm 87

Ch ế tạo bộ thu thập dữ liệu 87

Cơ sở thiết kế, chế tạo bộ thu thập dữ liệu 88

Thiết kế các mạch của thiết bị 88

Kiểm tra sự làm việc của bộ thu thập dữ liệu 91

Thí nghi ệm phát hiện lỗi trong hệ thống VSC xe Camry 99

Mục đích thí nghiệm 99

Điều kiện tiến hành thí nghiệm 99

Các thông số đo và trang thiết bị đo, quan sát trong thí nghiệm 100

Phân tích kết quả các thí nghiệm chẩn đoán phát hiện lỗi hệ thống VSC 104

Các nh ận xét và kết luận chương 4 112

K ẾT LUẬN CHUNG VÀ KIẾN NGHỊ 113

K ết luận chung 113

Ki ến nghị 113

iii

-TÀI LI ỆU THAM KHẢO 114

PH Ụ LỤC 119

iv

ABS Anti-Lock Brake System Hệ thống chống bó cứng bánh xe

khi phanh BAS Brake Assist System Hệ thống trợ giúp tăng lực đạp

phanh EFI Electronic Fuel Injection Hệ thống phun xăng điện tử

TCS Traction control system Hệ thống chống trượt quay bánh

xe ECU Electronic Control Unit Bộ điều khiển điện tử

VSC Vehicle Stability Control Hệ thống kiểm soát ổn định thân

xe OBD On Board Diagnostic System Hệ thống chẩn đoán trên xe

UIO Unknown Input Observer Bộ quan sát đầu vào không rõ

ANN Artificial Neural Network Mạng Nơ-ron nhân tạo

T-S Takagi-Sugeno

LMI Linear Matrix Inequalities Bất đẳng thức ma trận tuyến tính

OBD-2

PIDs (On Board Diagnostics Parameter IDs) Code lệnh của chẩn đoán OBD2

DMP Digital Motion Processor Bộ xử lý chuyển động tín hiệu số

MEMS Micro-Electro-Mechanical-Systems Hệ thống vi cơ điện tử

FIS Fuzzy Inference System Hệ suy diễn mờ

SAE-J Society of Automotive Engineers Hiệp hội kỹ sư ô tô Nhật Bản

ISO International Organization for

EPS Electric Power Steering Hệ thống lái trợ lực điện

SISO Single-Input and Single-Output Hệ thống có một biến đầu vào và

một biến đầu ra

v

MIMO multiple-input and multiple-output Hệ thống có nhiều biến đầu vào

và nhiều biến đầu ra

nhiễu tới biến ra

nhiễu tới biến trạng thái

vi

Bảng 3-1: Các cảm biến trong hệ thống VSC của Toyota Camry 60

Bảng 3-2: Nguyên nhân gây ra lỗi không hiệu chỉnh được điểm 0 của các cảm biến 61

Bảng 3-3: Các sai lệch giới hạn giữa giá trị đo và giá trị tham chiếu 62

Bảng 3-4: Dải làm việc của các cảm biến 63

Bảng 3-5: Sai lệch chuẩn của cảm biến trong hệ thống VSC của xe Toyota Camry 69

Bảng 3-6: Bảng các thông số tham khảo của xe Toyota Camry 69

Bảng 4-1: Bảng thông số đo thực nghiệm 87

Bảng 4-2: Các giao thức truyền tin trong OBD-2 88

Bảng 4-3: Các thông số kỹ thuật của cảm biến MPU 6050 92

Bảng 4-4: Bảng kết quả đo và đánh giá 98

Bảng 4-5: Các thiết bị đo, quan sát trong thí nghiệm 100

Bảng 4-6: Các thông số kỹ thuật chính của thiết bị Carman Scan VG 102

Bảng 4-7: Độ lệch hướng chuyển động theo phương ngang 110

vii

Hình 1.1: Cấu trúc một hệ thống có ĐKĐT 6

Hình 1.2: Dạng tín hiệu của các cảm biến 6

Hình 1.3: Dải làm việc của cảm biến nhiệt độ nước làm mát động cơ 7

Hình 1.4: Các lỗi phát sinh trong hệ thống 11

Hình 1.5: Phân loại các lỗi theo thời gian 11

Hình 1.6: Minh họa lỗi cộng thêm và lỗi nhân bội 12

Hình 1.7: Sơ đồ phát hiện trạng thái lỗi bằng mô hình tín hiệu 14

Hình 1.8: Sơ đồ hệ thống phát hiện lỗi trên cơ sở mô hình 15

Hình 1.9: Các bước thực hiện phát hiện lỗi 16

Hình 1.10: Phân tích các nhiễu loạn làm thay đổi đặc tính của cảm biến 19

Hình 1.11: Phần tử xử lý (Nơ-ron) 21

Hình 1.12: Cấu trúc mạng Nơ-ron nhiều lớp 21

Hình 1.13: Cấu trúc hệ suy diễn mờ 22

Hình 1.14: So sánh hai phương pháp tuyến tính hóa 23

Hình 1.15: Nguyên lý phát hiện lỗi trên cơ sở mô hình 24

Hình 1.16: Phương pháp ước lượng tham số 25

Hình 1.17: Bộ quan sát ghép song song với hệ thống thực 27

Hình 1.18: Sơ đồ hệ thống VSC 29

Hình 1.19: Nguyên lý hoạt động của hệ thống VSC 29

Hình 2.1: Cấu trúc hệ suy diễn mờ 38

Hình 2.2: Hàm liên thuộc biểu diễn biến ngôn ngữ "tốc độ" 39

Hình 2.3: Khai báo biến ngôn ngữ “Toc do” trong MatLab 40

Hình 2.4: Giá trị mệnh đề hợp thành theo luật MIN 41

Hình 2.5: Giá trị mệnh đề hợp thành theo luật PROD 41

Hình 2.6: Hệ thống FIS T-S hai đầu vào, một đầu ra 43

Hình 2.7: Mô hình mờ với hai hàm liên thuộc biểu diễn hàm y 44

Hình 2.8: Mô hình mờ với 6 hàm liên thuộc dạng Gausian biểu diễn hàm y 44

Hình 2.9: Hai phương pháp xây dựng hệ suy diễn mờ T-S để mô tả hệ thống thực 45

Hình 2.10: Xây dựng các luật mờ từ tập dữ liệu quan sát 45

Hình 2.11: Cấu trúc bộ quan sát UIO 50

Hình 2.12: Thuật toán tính các hệ số của bộ quan sát UIO 51

Hình 2.13: Sơ đồ sử dụng bộ quan sát để chẩn đoán phát hiện lỗi 54

Hình 2.14: Lược đồ xây dựng mô hình mờ để chẩn đoán lỗi bằng hệ suy diễn mờ 56

viii

-Hình 3.1: Sơ đồ tín hiệu vào/ra của hệ thống VSC 58

Hình 3.2: Bố trí trên xe các cảm biến của hệ thống VSC 59

Hình 3.3: Nguyên lý hoạt động của hệ thống VSC 61

Hình 3.4: Lược đồ thuật toán xây dựng mô hình chẩn đoán lỗi của hệ thống VSC 64

Hình 3.5: Mô hình 3-DOF của xe 65

Hình 3.6 Hàm liên thuộc và khoảng xác định 70

Hình 3.7: Chương trình Matlab Simulink mô tả luật mờ ℜ2 71

Hình 3.8: Hàm nhiễu và sai số đầu vào d(t) 72

Hình 3.9: Cấu trúc bộ quan sát mờ địa phương UIO1 74

Hình 3.10: Quy luật đánh lái 1 76

Hình 3.11: Gia tốc ngang thu được từ hệ thống lấy mẫu 76

Hình 3.12: Tốc độ góc quay thân xe thu được từ hệ thống lấy mẫu 76

Hình 3.13: Gia tốc ngang tính toán từ hệ suy diễn mờ 76

Hình 3.14: Tốc độ góc quay tính toán từ hệ suy diễn mờ 76

Hình 3.15: Lượng sai lệch gia tốc ngang giữa hệ suy diễn mờ và hệ thống lấy mẫu 77

Hình 3.16: Lượng sai lệch tốc độ góc quay thân xe giữa hệ suy diễn mờ và hệ thống lấy mẫu 77

Hình 3.17: Gia tốc ngang của hệ thống lấy mẫu 77

Hình 3.18: Tốc độ góc quay thân xe của hệ thống lấy mẫu 77

Hình 3.19: Gia tốc ngang tính toán từ hệ suy diễn mờ 77

Hình 3.20: Tốc độ góc quay tính toán từ hệ suy diễn mờ 77

Hình 3.21: Lượng sai lệch gia tốc ngang giữa hệ suy diễn mờ và hệ thống lấy mẫu 78

Hình 3.22: Lượng sai lệch tốc độ góc quay thân xe giữa hệ suy diễn mờ và hệ thống lấy mẫu 78

Hình 3.23: Gia tốc ngang tính toàn từ bộ quan sát 78

Hình 3.24: Tốc độ góc quay thân xe tính toán từ bộ quan sát 78

Hình 3.25: Lượng sai lệch gia tốc ngang giữa bộ quan sát và hệ thống lấy mẫu 79

Hình 3.26: Lượng sai lệch tốc độ góc quay thân xe giữa bộ quan sát và hệ thống lấy mẫu 79

Hình 3.27: Gia tốc ngang tính toán từ bộ quan sát 79

Hình 3.28: Tốc độ góc quay thân xe tính toán từ bộ quan sát 79

Hình 3.29: Lượng sai lệch gia tốc ngang giữa bộ quan sát và hệ thống lấy mẫu 79

Hình 3.30: Lượng sai lệch tốc độ góc quay thân xe giữa bộ quan sát và hệ thống lấy mẫu 79

Hình 3.31: Gia tốc ngang tính toán từ bộ quan sát 80

Hình 3.32: Tốc độ góc quay thân xe tính toán từ bộ quan sát 80

Hình 3.33: Lượng sai lệch gia tốc ngang giữa bộ quan sát và hệ thống lấy mẫu 80

Hình 3.34: Lượng sai lệch tốc độ góc quay thân xe giữa bộ quan sát và hệ thống lấy mẫu 80

Hình 3.35: Tín hiệu của cảm biến góc quay vành lái 81

ix

-Hình 3.36: Tín hiệu đo từ cảm biến ay trong thí nghiệm 81

Hình 3.37: Tín hiệu từ cảm biến ψ đo được qua thí nghiệm 82

Hình 3.38: So sánh giá trị gia tốc ngang giữa giá trị bộ quan sát và thí nghiệm 82

Hình 3.39: Lượng sai lệch ray 83

Hình 3.40: So sánh giá trị tốc độ góc quay thân xe giữa giá trị bộ quan sát và thí nghiệm 83

Hình 3.41: Lượng sai lệch rψ 83

Hình 3.42: So sánh giá trị gia tốc ngang giữa giá trị bộ quan sát và thí nghiệm 84

Hình 3.43: Lượng sai lệch ray 84

Hình 3.44: So sánh giá trị tốc độ góc quay thân xe giữa giá trị bộ quan sát và thí nghiệm 85

Hình 3.45: Lượng sai lệch rψ 85

Hình 4.1: Sơ đồ khối của bộ xử lý ELM 327 89

Hình 4.2: Bản mạch của bộ kết nối 89

Hình 4.3: Nối thiết bị qua cổng DLC3 89

Hình 4.4: Sơ đồ mạch của bộ thu thập dữ liệu 90

Hình 4.5: Cảm biến MPU 6050 91

Hình 4.6: Bố trí cảm biến MPU 6050 đo góc quay vành lái 93

Hình 4.7: Vị trí bố trí cảm biến MPU 6050 trên xe để đo các thông số ayvà ψ 93

Hình 4.8: Sơ đồ cấu trúc cảm biến MPU 6050 94

Hình 4.9: Sơ đồ khối hệ thống đo dùng 2 cảm biến MPU 6050 94

Hình 4.10: Sơ đồ kết nối thiết bị đo với máy tính 95

Hình 4.11: Giao diện màn hình đối chứng tín hiệu đo 96

Hình 4.12: So sánh kết quả đo góc quay vành lái 97

Hình 4.13: So sánh kết quả đo gia tốc ngang 97

Hình 4.14: So sánh kết quả đo vận tốc góc quay thân xe 97

Hình 4.15: So sánh kết quả đo tốc độ của ô tô 98

Hình 4.16: Vòng tròn sử dụng trong thí nghiệm 1 và 2 99

Hình 4.17: Đoạn đường thẳng sử dụng trong thí nghiệm 3 100

Hình 4.18: Hình ảnh thiết bị Carman Scan VG 101

Hình 4.19: Màn hình hiển thị dữ liệu tạm thời 101

Hình 4.20: Màn hình hiển thị danh sách lỗi và mã lỗi hiện thời 101

Hình 4.21: Đầu nối DLC3 102

Hình 4.22: Vị trí bố trí đầu nối DLC3 trên xe Toyota Camry 102

Hình 4.23: Sơ đồ kết nối bộ thu thập dữ liệu với máy tính 103

Hình 4.24: Giao diện màn hình hiện kết quả đo 103

Hình 4.25: Góc quay vành lái 104

x

-Hình 4.26: Gia tốc ngang ay 105

Hình 4.27: Tốc độ góc quay thân xe ψ 105

Hình 4.28: Lượng sai lệch ray 106

Hình 4.29: Lượng sai lệch rψ 106

Hình 4.30: Trị số gia tốc ngang ay trong thí nghiệm xuất hiện lỗi trong hệ thống VSC 107

Hình 4.31: Lượng sai lệch ray 108

Hình 4.32: Tốc độ góc quay thân xe ψ trong thí nghiệm với hệ VSC có lỗi 108

Hình 4.33: Lượng sai lệch rψ 109

Hình 4.34: Màn hình hiển thị lỗi của thiết bị Carman VG 109

Hình 4.35: Biến động của gia tốc ngang 110

Hình 4.36: Biến động của tốc độ góc quay thân xe 111

Hình 4.37: Tín hiệu từ cảm biến góc quay vành lái 111

1

Cùng với sự phát triển kinh tế - xã hội đất nước ta trong những năm gần đây, loại hình

vận tải bằng phương tiện giao thông cơ giới đường bộ, đặc biệt là ô tô con (loại từ 9 chỗ ngồi

trở xuống) phát triển với tốc độ nhanh chóng cả về số lượng và công nghệ chế tạo mới Cụ

thể là năm 2009, cả nước có 1.137.000 xe thì đến năm 2015 số lượng xe tăng lên là 2.105.000

xe (số liệu từ Bộ Giao thông vận tải) với mục đích là vận chuyển hành khách (taxi hoặc xe

hợp đồng) và nhu cầu đi lại của cá nhân Song song với sự phát triển của số lượng xe, để đáp ứng nhu cầu sửa chữa, bảo dưỡng thì số lượng các cơ sở bảo dưỡng, sửa chữa ô tô có quy

mô vừa và nhỏ cũng tăng lên, do đó nhu cầu được trang bị thiết bị chẩn đoán phục vụ kiểm tra, sửa chữa ô tô của các cơ sở bảo dưỡng, sửa chữa ô tô cũng như các cơ sở đào tạo nghề sửa chữa ô tô ngày càng trở nên cấp thiết

Đặc điểm khác biệt của ô tô hiện đại với các ô tô thế hệ cũ (trước 1990) ở chỗ: trên các ô tô hiện đại sử dụng rộng rãi các hệ thống ĐKĐT để điều khiển các hệ thống của động

cơ, hệ thống truyền lực và hệ thống an toàn của xe trong khi trên các xe thế hệ cũ, các hệ

thống này chỉ thuần tuý là hệ thống cơ khí Bên cạnh các ưu điểm do áp dụng ĐKĐT, công

việc sửa chữa, phát hiện hư hỏng trong các hệ thống của ô tô hiện đại trở nên phức tạp Các phương pháp chẩn đoán sửa chữa theo thói quen, kinh nghiệm đối với hệ thống cơ khí như trước đây không còn có hiệu quả đối với sửa chữa ô tô hiện đại, trong nhiều trường hợp còn gây hư hỏng thêm hoặc tốn kém thời gian và chi phí

Trên các ô tô hiện đại, hệ thống ổn định quỹ đạo chuyển động của xe trên đường vòng

là một trong các hệ thống được điều khiển điện tử Từ năm 2012, trên các xe sản xuất ở châu

Âu, châu Mỹ, trang bị hệ thống này là tiêu chuẩn bắt buộc Tùy theo mỗi hãng xe có thể đặt tên khác nhau (ví dụ hãng Toyota gọi tên hệ thống này là Vehicle Stability Control - VSC),

nhưng chúng đều có chức năng chung là tự động phanh riêng rẽ bánh xe phía trước/sau, bên trong/ngoài đường vòng để tạo ra mô men quay vòng ổn định đảm bảo cho quỹ đạo chuyển động đúng của xe Đây là một hệ thống có ĐKĐT điển hình trên ô tô mà chúng ta không thể

chẩn đoán trạng thái kỹ thuật, phát hiện lỗi của nó bằng các phương pháp chẩn đoán với hệ

thống cơ khí thông thường

Hiện tại, trong nước chưa có công trình nghiên cứu chuyên sâu về phương pháp chẩn đoán trạng thái kỹ thuật các hệ thống có ĐKĐT trên ô tô nói chung và chẩn đoán hệ thống

ổn định quỹ đạo chuyển động trên đường vòng nói riêng Trong điều kiện ngành Công nghiệp sản xuất ô tô trong nước đang có tiềm năng phát triển mạnh nhờ chính sách hỗ trợ của Nhà nước, việc chủ động về phương pháp luận trong thiết kế, chế tạo thiết bị chẩn đoán phục vụ khai thác, sửa chữa các xe ô tô trong nước sản xuất là nhu cầu rất cấp thiết

Các hãng xe, các nhà sản xuất thiết bị chẩn đoán ô tô ở nước ngoài bán sản phẩm ra

thị trường rộng rãi nhưng đều giữ bí quyết công nghệ, không công bố, cung cấp ra ngoài các

2

-thông tin liên quan đến thiết kế, chế tạo thiết bị, họ chỉ cung cấp cho người sử dụng các tài

liệu hướng dẫn khai thác sử dụng thiết bị, do đó việc tìm hiểu, nghiên cứu cơ sở thiết kế, phương pháp luận để xây dựng mô hình chẩn đoán, làm cơ sở cho thiết kế, chế tạo các thiết

bị chẩn đoán ô tô (với điều kiện sản xuất trong nước) có ý nghĩa khoa học cao

Xuất phát từ các nhu cầu thực tế nêu trên, NCS đã đề xuất đề tài nghiên cứu: "Xây

d ựng mô hình chẩn đoán trạng thái kỹ thuật hệ thống VSC trên ô tô”

M ục đích của luận án:

Nghiên cứu phương pháp luận để xây dựng mô hình chẩn đoán TTKT các hệ thống có trang bị ĐKĐT trên ô tô Trên cơ sở đó, xây dựng mô hình chẩn đoán trạng thái làm việc có lỗi của hệ thống VSC xe Toyota Camry dựa trên hệ suy diễn mờ Takagi-Sugeno, đánh giá hiệu quả của mô hình chẩn đoán thông qua các thí nghiệm trên xe thực tế

Đối tượng nghiên cứu của luận án:

Đối tượng nghiên cứu của luận án là hệ thống ĐKĐT VSC trên xe ô tô Toyota Camry 2.4, sản xuất lắp ráp năm 2009 tại Việt Nam

Ph ạm vi nghiên cứu:

Phạm vi nghiên cứu của luận án là phương pháp chẩn đoán TTKT trên cơ sở mô hình

cấu trúc của hệ thống được chẩn đoán và sử dụng hệ suy diễn mờ để xây dựng mô hình chẩn đoán phát hiện trạng thái làm việc có lỗi của các hệ thống có ĐKĐT trên ô tô nói chung và riêng cho hệ thống VSC

Mô hình chẩn đoán bao gồm hệ mờ T-S mô tả hệ thống được chẩn đoán và bộ quan sát để phát hiện trạng thái làm việc có lỗi của hệ thống VSC

Điều kiện chẩn đoán là xe không có tải, chạy ở tốc độ ổn định

Phương pháp nghiên cứu:

Phương pháp nghiên cứu sử dụng trong luận án là kết hợp nghiên cứu lý thuyết với các mô phỏng trên máy tính và thí nghiệm kiểm chứng trên thực tế Từ lý thuyết các phương pháp chẩn đoán hiện đại kết hợp phân tích các đặc điểm cấu trúc cũng như nguyên lý hoạt động của các hệ thống có ĐKĐT trên ô tô để lựa chọn phương pháp chẩn đoán, xây dựng

mô hình chẩn đoán phát hiện lỗi cho hệ thống VSC trên ô tô Thực hiện mô phỏng trên máy tính và thí nghiệm trên xe thực tế để đánh giá hiệu quả của mô hình chẩn đoán

Các điểm mới của luận án:

Phương pháp chẩn đoán phát hiện lỗi trên cơ sở mô hình cấu trúc có nguyên lý và cách thiết kế khác so với các phương pháp chẩn đoán phát hiện lỗi trên cơ sở dữ liệu thống kê thường sử dụng trong chẩn đoán và sửa chữa ô tô hiện nay Phương pháp này cho phép sử

dụng các quan hệ vật lý, các kiến thức đã biết về hệ thống để xây dựng mô hình chẩn đoán,

và các số liệu đo đạc thống kê nhờ đó giảm bớt được khối lượng thống kê, đo đạc thu thập

dữ liệu khi xây dựng mô hình hệ thống

Ý nghĩa khoa học, thực tiễn của đề tài:

- Ý nghĩa khoa học của đề tài:

Việc lựa chọn phương pháp chẩn đoán TTKT cũng như xây dựng mô hình chẩn đoán phát hiện trạng thái làm việc có lỗi của các hệ thống có ĐKĐT trên ô tô sẽ là cơ sở khoa học cho phương pháp luận chung cũng như cho thiết kế, chế tạo các hệ thống, thiết bị chẩn đoán TTKT ô tô

Luận án đã sử dụng một công cụ tiến bộ là hệ suy diễn mờ Takagi-Sugeno để xây dựng

mô hình chẩn đoán TTKT các hệ thống có ĐKĐT trên xe ô tô hiện đại

Việc xây dựng được mô hình cũng như tự thiết kế chế tạo bộ thu thập dữ liệu từ ECU, xây dựng phần mềm chẩn đoán phát hiện lỗi của hệ thống VSC sẽ góp phần nâng cao năng lực chủ động trong thiết kế, chế tạo các trang thiết bị chẩn đoán của ngành công nghiệp ô tô trong nước

- Ý nghĩa thực tiễn, cấp thiết của đề tài:

Mô hình bao gồm bộ thu thập dữ liệu từ ECU, phần mềm chẩn đoán có thể sử dụng để

chẩn đoán phát hiện trạng thái làm việc có lỗi của hệ thống VSC trên xe Toyota Camry phục

vụ thiết thực cho công việc sửa chữa ô tô tại các xưởng sửa chữa xe

Trên cơ sở mô hình chẩn đoán đã đề xuất có thể thiết kế, chế tạo các thiết bị chẩn đoán

phục vụ cho nhu cầu chẩn đoán sửa chữa ô tô trong nước một cách chủ động; giảm mức độ

phụ thuộc vào các trang thiết bị nhập ngoại Trong điều kiện ngành Công nghiệp sản xuất ô

tô trong nước đang có tiềm năng phát triển, nhờ chính sách hỗ trợ của Nhà nước, việc chủ động về phương pháp luận, thiết kế, chế tạo thiết bị chẩn đoán phục vụ khai thác, sửa chữa các xe ô tô trong nước sản xuất là nhu cầu thiết thực và cấp thiết

N ội dung của luận án

Luận án gồm các nội dung chính như sau:

1 Tổng quan về vấn đề nghiên cứu

2 Cơ sở lý thuyết của việc chẩn đoán phát hiện trạng thái lỗi của các hệ thống có

4

-ĐKĐT trên ô tô bằng công cụ suy diễn mờ T-S

3 Xây dựng mô hình chẩn đoán phát hiện lỗi của hệ thống VSC trên xe Toyota Camry

bằng hệ suy diễn mờ T-S

4: Các thí nghiệm đánh giá hiệu quả của hệ thống chẩn đoán phát hiện lỗi cho hệ thống VSC xe Toyota Camry

5 Kết luận và kiến nghị

5

Đặc điểm chẩn đoán TTKT các hệ thống có ĐKĐT trên ô tô

Vai trò của chẩn đoán TTKT trên ô tô

Trong quá trình làm việc, có thể xảy ra các lỗi làm sự hoạt động của hệ thống trở nên

không bình thường Các lỗi này thường là bất ngờ, ngẫu nhiên, không mong muốn Nếu không được phát hiện, khắc phục hoặc loại bỏ sớm, các lỗi sẽ tích lũy dần, phát triển ngày càng mạnh hơn, dẫn đến hư hỏng các cụm chi tiết thành phần của hệ thống Do đó, việc giám sát, phát hiện sớm các lỗi, trục trặc sẽ giúp cho người sử dụng, các kỹ thuật viên tác động

kịp thời, phòng ngừa các hư hỏng nghiêm trọng có thể xảy ra; góp phần giảm thiểu được các tổn thất về kinh tế do phải ngừng sản xuất trong thời gian dài để sửa chữa, thay thế các bộ phận; tăng tính an toàn, tin cậy trong quá trình vận hành

Nhiệm vụ đầu tiên của đánh giá TTKT là xác định xem hệ thống làm việc bình thường hay đã có xuất hiện lỗi Trong trường hợp phát hiện tình trạng làm việc có lỗi của hệ thống, bước tiếp theo là xác định vị trí, nguyên nhân gây ra lỗi Để đánh giá tình trạng kỹ thuật của

ô tô có thể tiến hành theo một trong các phương pháp như sau:

1) Phương pháp tháo rời, kiểm tra, đo đạc, đánh giá Phương pháp này đòi hỏi phải

có chi phí nhân lực để tháo rời, và có thể gây nên phá hủy trạng thái tiếp xúc của các bề mặt

lắp ghép

2) Phương pháp không tháo rời các cụm chi tiết, mà sử dụng các biện pháp thăm dò, dựa vào các biểu hiện đặc trưng, các dấu hiệu bên ngoài khi hệ thống làm việc để đánh giá trạng thái kỹ thuật, phát hiện các lỗi xảy ra trong hệ thống Đây gọi là phương pháp chẩn đoán trên cơ sở các dấu hiệu bên ngoài, phụ thuộc nhiều vào kinh nghiệm của kỹ thuật viên

3) Phương pháp sử dụng các cảm biến, trang thiết bị đo các thông số làm việc của hệ thống để đánh giá trạng thái kỹ thuật, phát hiện các lỗi xuất hiện trong các cụm chi tiết, bộ phận mà không làm gián đoạn sự làm việc của hệ thống Tính ưu việt của phương pháp này

là ở chỗ có thể đánh giá TTKT, phát hiện hư hỏng mà không cần tháo rời hoặc làm gián đoạn

sự làm việc Phương pháp chẩn đoán này còn gọi là chẩn đoán khách quan, không phụ thuộc vào kinh nghiệm chủ quan của kỹ thuật viên

Trong vận hành, sửa chữa ô tô hiện đại thường sử dụng phương pháp chẩn đoán khách quan vì trên xe đã có sẵn các cảm biến, các tín hiệu đo là tín hiệu điện nên dễ dàng tích hợp các thiết bị đo, phân tích xử lý dữ liệu trong quá trình chẩn đoán đánh giá TTKT các hệ thống trên xe

Đặc điểm các hệ thống điều khiển điện tử trên ô tô hiện đại

Trên ô tô hiện đại, ngoài các trang bị điện truyền thống, các hệ thống trên ô tô ngày nay được phát triển trở thành các hệ thống cơ điện tử, trong đó các kỹ thuật điện, điện tử,

6

-thông tin và điều khiển được kết hợp để điều khiển tối ưu sự hoạt động của các hệ cơ khí truyền thống của xe như hệ thống cấp nhiên liệu, hệ thống điều khiển chuyển số, hệ thống phanh, lái, treo Giá trị các phần trang bị điện, mạch điều khiển điện tử, các phần mềm điều khiển chiếm phần đáng kể trong giá trị tổng thành của một ô tô hiện đại

ECU Cơ cấu chấp

hành

Hệ thống cơ khí Cảm biến

Hình 1.1: Cấu trúc một hệ thống có ĐKĐT Đặc điểm cấu trúc của hệ thống có ĐKĐT trên ô tô

Sơ đồ khối của hệ thống có ĐKĐT được trình bày trong Hình 1.1 So với hệ thống thuần cơ khí, hệ thống có ĐKĐT có cấu trúc phức tạp hơn Để đưa hệ cơ khí vào hoạt động,

một hệ thống ĐKĐT (bao gồm các thành phần chính là các cảm biến, cơ cấu chấp hành và

bộ xử lý trung tâm ECU) làm nhiệm vụ thu thập các thông tin về trạng thái của hệ thống, môi trường; tiến hành xử lý, tính toán theo một chương trình đã được cài đặt sẵn trong bộ vi

xử lý của ECU rồi cấp tín hiệu đến điều khiển sự hoạt động của cơ cấu chấp hành Cơ cấu chấp hành đến lượt nó làm nhiệm vụ dẫn động hệ cơ khí hoạt động Như vậy, trong hệ thống

có ĐKĐT, sự hoạt động của phần cơ khí bị phụ thuộc rất nhiều vào hệ thống ĐKĐT Nếu

hệ thống ĐKĐT bị trục trặc, có lỗi sẽ làm cho hệ cơ khí không thể hoạt động đúng được

C ảm biến nhiệt độ nước làm mát Cảm biến tốc độ

Cảm biến lưu lượng khí nạp kiểu “Hot wire” Cảm biến tốc độ động cơ kiểu Hall

Hình 1.2: D ạng tín hiệu của các cảm biến

7

-Trong hệ thống ĐKĐT, các cảm biến, tı́n hiờ ̣u đõ̀u vào làm nhiệm vụ cung cấp cỏc thụng tin về trạng thỏi hiện thời, thụng tin về mụi trường ảnh hưởng đến sự làm việc của hệ

thống được điều khiển Vớ dụ: để định lượng nhiờn liệu cấp cho cỏc xi lanh động cơ, trong

hệ thống EFI cú cỏc cảm biến và tớn hiệu cần thiết như: cảm biến lưu lượng khụng khớ nạp (hoặc ỏp suất chõn khụng trờn đường nạp khớ), cảm biến tốc độ động cơ, cảm biến nhiệt độ nước làm mỏt, cảm biến mức độ tải động cơ, cỏc thụng tin về mụi trường liờn quan như nhiệt

độ khớ nạp, độ ẩm khụng khớ

Tớn hiệu từ cỏc cảm biến thường cú dạng analog (vớ dụ như cảm biến nhiệt độ nước

làm mỏt động cơ, cảm biến về lưu lượng khụng khớ nạp vv), cỏc tớn hiệu dạng xung chữ nhật

(như cỏc tớn hiệu của cảm biến tốc độ động cơ, tốc độ quay của bỏnh xe…) hoặc dưới dạng cỏc tớn hiệu chuyển mạch (tớn hiệu On/Off), vớ dụ như tớn hiệu về bật tắt cỏc phụ tải điện, hệ

thống bơm trợ lực lỏi, hệ thống điều hoà khụng khớ Hỡnh 1.2 trỡnh bày một số dạng tớn hiệu

gửi về ECU của cỏc cảm biến trờn ụ tụ

Mỗi cảm biến trong hệ thống ĐKĐT làm nhiệm vụ cung cṍp thụng tin về một đại lượng vật lý đặc trưng cho trạng thỏi làm việc hiờ ̣n thời của đối tượng Tớn hiệu ra của cỏc

cảm biến kiểu analog là cỏc trị số điện ỏp Ở trạng thỏi làm việc bỡnh thường, điện ỏp đầu ra

của cảm biến trong giới hạn từ V 1 đến V 2 Trường hợp nếu tớn hiệu ra của cảm biến đưa về ECU cú trị số ngoài dải [V1 , V 2] đú sẽ là dấu hiệu về một sự cố (lỗi) đó xảy ra Lỗi này cú thể do cỏc nguyờn nhõn như hỏng cảm biến, sự cố trờn mạch truyền tớn hiệu từ cảm biến về ECU hoặc hư hỏng phần kết cấu cơ khớ thực hiện chức năng mà cảm biến theo dừi Hỡnh 1.3 trỡnh bày một vớ dụ về dải làm việc của cảm biến nhiệt độ nước làm mỏt

Hỡnh 1.3: Dải làm việc của cảm biến nhiệt độ nước làm mỏt động cơ

Khi động cơ làm việc bỡnh thường, điện ỏp đầu ra của cảm biến nhiệt độ nước làm mỏt nằm trong dải 4,8V đến 0,1V, tương ứng với dải nhiệt độ từ -50oC tới 150oC Khi điện

ỏp ở đầu ra của cảm biến nhỏ hơn 0,1V hay lớn hơn 4,8V thỡ cú nghĩa đó xuất hiện sự cố liờn quan đến hệ thống làm mỏt (hỏng cảm biến, sự cố trờn đường truyền dẫn, hoặc hư hỏng cỏc chi tiết bờn trong của hệ thống làm mỏt làm cho nhiệt độ động cơ quỏ cao) Tương tự, với cỏc cảm biến cú tớn hiệu ra kiểu xung, dải làm việc là vựng tần số từ fmin đến fmax (cỏc xung

−50 0 50 100 150 (°C) 0

1 2 3 4 5

(V) Phạm vi không bình thường

Phạm vi bình thường cho

hệ thống chẩn đoán Phạm vi bình thường cho

động cơ

THW

Phạm vi không bình thường

Phạm vi bình thường cho hệ thống chẩn đoán

8

-đầu ra của cảm biến đã được mô đun hóa để có cùng giá trị biên độ)

Như vậy, tín hiệu điện gửi từ các cảm biến về ECU nằm trong dải làm việc sẽ xác định trạng thái làm việc bình thường của hệ thống Mỗi khi điện áp của cảm biến gửi về ECU

có trị số nằm ngoài dải làm việc của nó thì có nghĩa là đã xuất hiện một trạng thái lỗi tại

“vùng được giám sát” của cảm biến Lỗi này có thể do bản thân cảm biến hoặc đường truyền

dẫn tín hiệu bị lỗi, hoặc liên quan đến công năng của phần hệ thống mà ở đó lắp cảm biến bị

lỗi Tín hiệu đầu ra của cảm biến thay đổi theo quy luật tương ứng với sự thay đổi các thông

số vật lý phản ánh trạng thái làm việc của hệ thống được điều khiển Vì vậy, nếu tín hiệu từ các cảm biến gửi về thay đổi không tương ứng với quy luật hoạt động của hệ thống thì có nghĩa là đã xuất hiện một trạng thái lỗi liên quan đến phần kết cấu có lắp cảm biến đó

Từ phân tích trên cho thấy, trong các hệ thống ĐKĐT, các cảm biến còn có vai trò giám sát, đánh giá trạng thái kỹ thuật của hệ thống Với các thông tin đầu ra của cảm biến không những xác định được trạng thái kỹ thuật hiện thời của hệ thống mà còn có thể phân tích diễn biến, dự báo trạng thái kỹ thuật của hệ thống trong thời gian vận hành tiếp theo Các tín hiệu ra của cảm biến là các thông số chẩn đoán trực tiếp về TTKT của hệ thống

Các cơ cấu chấp hành trong hệ thống ĐKĐT có phần điều khiển và cung cấp năng lượng là các mạch điện tử, các trang bị điện Do đó, thông qua các trị số của các tín hiệu điều khiển hoặc mạch công suất có thể giám sát và xác định được trạng thái kỹ thuật các cơ cấu chấp hành của hệ thống

Đặc điểm vận hành, sửa chữa các hệ thống trên ô tô có ĐKĐT

Đối với các xe ô tô thế hệ cũ, việc điều khiển hoạt động của các hệ thống chủ yếu bằng cơ khí hoặc thủy lực Trong quá trình hoạt động, tiếng ồn bất thường trong các bộ truyền cơ khí (cặp bánh răng, ổ trục…), sự giảm hiệu năng làm việc của hệ thống như: áp

suất dòng nhiên liệu, quãng đường phanh tăng đột ngột… thường có thể quan sát và xử lý

trực tiếp Tuy nhiên, trong các hệ thống có điều khiển điện tử, ngoài các cụm chi tiết cơ khí còn có các cảm biến, các mạch điện tử và bộ vi xử lý Các dẫn động cơ khí, thủy lực thông

thường trên xe ô tô thế hệ cũ trước đây đến nay được thay bằng các mạch điều khiển điện tử

và các cơ cấu chấp hành (các cơ cấu kiểu điện cơ, van điện từ, nam châm điện từ, hoặc điện

- thủy lực - cơ khí) Do đó, người điều khiển không tác động điều khiển trực tiếp trong các dẫn động cơ khí thông thường mà thông qua các tín hiệu điều khiển tới các mạch điều khiển điện tử, cơ cấu chấp hành Hệ thống ĐKĐT cần sử dụng nhiều cảm biến cũng như cơ cấu chấp hành, các cảm biến cùng các thông tin gửi về ECU để ECU tính toán lựa chọn chế độ làm việc tối ưu cho hệ cơ khí, các mạch điện tử…làm cho kết cấu, số lượng các cụm chi tiết

của hệ thống có ĐKĐT tăng lên

Khác với cấu trúc cơ khí đơn giản trên ô tô thế hệ cũ, trên ô tô hiện đại với các hệ

thống được điều khiển kiểu điện tử, việc phát hiện hư hỏng trở nên khó khăn hơn nhiều Các

thống kê hư hỏng trong sửa chữa ô tô cho thấy các lỗi liên quan đến phần mạch ĐKĐT như

9

-các cảm biến, cơ cấu chấp hành chiểm tỷ lệ lớn (tới 65%) trong các sự cố kỹ thuật khi làm

việc của các hệ thống có ĐKĐT [11] Trên các ô tô hiện đại thường phải sử dụng các thiết

bị đo đạc, phân tích đánh giá các thông số làm việc kết hợp với kinh nghiệm thay vì chỉ dùng các phương pháp tìm lỗi theo kinh nghiệm hoặc quan sát qua các biểu hiện bên ngoài

Đặc điểm chẩn đoán TTKT các hệ thống có ĐKĐT trên ô tô

Trên các xe ô tô thế hệ cũ, các hệ thống cơ khí không có lắp hệ thống cảm biến do

đó việc đo đạc, theo dõi giám sát quá trình xảy ra bên trong khi hệ thống làm việc là không

thể thực hiện được Việc đánh giá TTKT, phát hiện các lỗi chủ yếu dựa vào dấu hiệu bên ngoài, các quá trình kèm theo hoặc dựa vào kinh nghiệm của kỹ thuật viên Ví dụ kiểm tra đánh giá khe hở ổ trục thông qua đo rung động, tiếng ồn hoặc nhiệt độ vỏ ngoài của ổ trục, đánh giá chất lượng làm việc của cụm pít tông xy lanh thông qua kiểm tra độ lọt khí trong

xy lanh, qua tiếng gõ, mầu khói của khí xả Khi sử dụng các thiết bị chẩn đoán thường phải

bổ sung thêm các gá lắp chuyên dùng để gá lắp các cảm biến, do đó quá trình chẩn đoán bị kéo dài, phải dừng hoạt động của hệ thống để gá lắp hệ thống chẩn đoán

Trên các hệ thống có ĐKĐT của ô tô, như đã phân tích ở trên về vai trò thông tin

nhận được từ các cảm biến và cơ cấu chấp hành, ta có thể sử dụng các tín hiệu từ các cảm

biến, mạch điều khiển các cơ cấu chấp hành để phân tích đánh giá TTKT của hệ thống Phương pháp chẩn đoán kỹ thuật này có những ưu điểm cơ bản như:

- Thông qua việc đo trực tiếp các thông số làm việc của hệ thống sẽ giúp cho chẩn đoán chính xác, khách quan

- Nhờ sử dụng các trang thiết bị đo, các quy trình phân tích được lập trình sẽ tạo điều kiện cho kỹ thuật viên tham gia hiệu quả trong quá trình chẩn đoán mà không bị phụ thuộc nhiều vào kinh nghiệm chuyên môn, tuổi nghề như trong các phương pháp chẩn đoán TTKT

ô tô truyền thống trước đây

- Không cần thêm các gá lắp, cảm biến bổ sung phục vụ cho chẩn đoán như trong trường hợp hệ cơ khí

- Hệ thống chẩn đoán về bản chất là một hệ thống đo lường điện thực hiện việc đo đồng thời nhiều thông số đặc trưng cho trạng thái làm việc của hệ thống, rồi phân tích xử lý

số liệu đo theo một chương trình suy luận logic (phần mềm) được cài đặt trước Vì vậy, sự hoạt động chẩn đoán có thể diễn ra “real time” (trong thời gian thực), song song với quá trình làm việc của hệ thống trên ô tô Ngoài ra, trên cơ sở phân tích các số liệu đo về trạng thái hiện thời, hệ thống có thể dự báo về các lỗi có thể xảy ra trong tương lai Kết quả dự báo làm tăng tính chủ động trong tổ chức, quản lý cũng như đảm bảo an toàn vận hành xe

Qua các phân tích trên cho thấy việc chẩn đoán TTKT các hệ thống có điều khiển

kiểu điện tử trên ô tô hiện đại có những điểm khác so với chẩn đoán TTKT trên các hệ thống điều khiển cơ khí hoặc thủy lực của ô tô thế hệ cũ, cụ thể là:

10

Đối với các hệ thống có ĐKĐT, việc chẩn đoán TTKT phần điều khiển điện tử phải

sử dụng các trang bị đo kiểm chuyên dùng Do đó, việc phát hiện lỗi trên cơ sở chỉ theo dõi các dấu hiệu bề ngoài là không khả thi

- Do các phần cơ khí được đưa vào hoạt động nhờ các tín hiệu điều khiển và cơ cấu

chấp hành nên việc chẩn đoán phần ĐKĐT phải thực hiện trước, sau đó mới thực hiện các công việc chẩn đoán phần cơ khí (như đối với các hệ thống không có ĐKĐT)

- Các tín hiệu nhận được từ các cảm biến, cơ cấu chấp hành là các thông số chẩn đoán trực tiếp về sự hoạt động “bên trong lòng“ hệ thống cho phép đánh giá TTKT, phát hiện lỗi của hệ thống được chẩn đoán một cách chính xác, tin cậy

- Đối với các hệ thống có ĐKĐT, việc chẩn đoán TTKT hệ ĐKĐT không chỉ đơn thuần là phát hiện các lỗi trong hệ ĐKĐT mà còn có thể phát hiện các lỗi thuộc phần cơ khí liên quan trực tiếp đến thông số vật lý mà cảm biến chịu trách nhiệm giám sát Ví dụ, trong

hệ thống động cơ, khi chẩn đoán phát hiện lỗi của cảm biến đo lưu lượng khí nạp, thì nguyên nhân có thể do hỏng cảm biến, sự cố trên đường truyền dẫn tín hiệu về ECU, nhưng cũng có

thể có nguyên nhân do hở, nứt đường ống làm rò rỉ khí hoặc tắc lọc khí làm ảnh hưởng đến thông số lưu lượng khí nạp vào các xi lanh động cơ

Phân tích các phương pháp phát hiện lỗi trong hệ thống có ĐKĐT

Các khái niệm cơ bản trong chẩn đoán TTKT

Một số khái niệm cơ bản dùng trong chẩn đoán TTKT bao gồm khái niệm về lỗi và các đặc tính của lỗi Hai thủ tục của quá trình chẩn đoán là phát hiện trạng thái lỗi và xác định vị trí xảy ra lỗi [12, 16,17]

L ỗi và đặc tính của lỗi

Lỗi được định nghĩa là độ sai lệch quá mức cho phép của ít nhất một thông số cấu trúc (thông số làm việc) của hệ thống so với các giá trị chuẩn (hoặc giá trị cho phép) của nó Lỗi là một trạng thái mà nếu vẫn để hệ thống tiếp tục làm việc (với trạng thái đó) có thể dẫn đến sự cố hoặc làm hư hỏng của hệ thống Mục tiêu đầu tiên của chẩn đoán TTKT một hệ

thống là xác định xem sự làm việc của hệ thống là bình thường hay có lỗi

Hình 1.4 trình bày sơ đồ về các lỗi có thể phát sinh trong mỗi thành phần của hệ

thống Các thành phần của hệ thống bao gồm các cơ cấu chấp hành, các cảm biến và cấu trúc

cơ khí, các biến đầu vào u, các biến đầu ra y Các lỗi có thể xuất hiện ở mỗi thành phần của

hệ thống: lỗi xảy ra ở các cơ cấu chấp hành (f a); lỗi ở các cảm biến (f s); lỗi xảy ra ở phần hệ

động lực làm thay đổi các thông số cấu trúc của hệ thống (f p) Trong qúa trình vận hành, còn

có tác động của các nhiễu loạn u* từ môi trường

Ví dụ về lỗi ở thành phần cấu trúc của hệ thống như các vết nứt, gãy vỡ, rò rỉ trên các đường ống dẫn thủy lực hoặc ống dẫn khí sẽ làm thay đổi các tham số cấu trúc của hệ

thống; lỗi ở các cơ cấu chấp hành như kẹt các ổ bi, không đủ lực hoặc mô men, khuyết tật

11

-cỏc bỏnh răng; lỗi ở cảm biến như độ trễ, trụi điểm làm việc, vựng chết, lỗi khắc độ Mỗi

lỗi xuất hiện ở cỏc bộ phận chức năng của hệ thống sẽ làm cho hiệu suất làm việc chung bị

giảm, dần dần gõy ra hư hỏng dẫn đến hệ thống cú thể ngừng hoạt động

Hỡnh 1.4: Cỏc lỗi phỏt sinh trong hệ thống

Ngoài tớn hiệu đầu vào u đo được, trong quỏ trỡnh làm việc hệ thống cũn chịu tỏc

động của cỏc nhiễu, ồn trắng (white noise), sự biến đổi bất thường của cỏc tham số cấu trỳc Cỏc tớn hiệu này là ngẫu nhiờn, khụng đo được và được gọi chung là cỏc nhiễu loạn đầu vào (ký hiệu chung cỏc nhiễu này là u*) Cỏc nhiễu cũng làm ảnh hưởng xấu đến sự làm việc của

hệ thống, vớ dụ mặt đường khụng bằng phẳng ảnh hưởng đến ờm dịu chuyển động của xe, giú thổi ngang làm ảnh hưởng đến tớnh điều khiển hướng của xe Do ảnh hưởng của cỏc nhiễu loạn đầu vào, nhiều trường hợp sự hoạt động của hệ thống bị sai lệch, khụng bỡnh thường Tuy nhiờn, nếu khi đú hệ thống chẩn đoỏn lại phỏt ra tớn hiệu bỏo lỗi cú nghĩa kết quả chẩn đoỏn đó bị sai Tỏc động ngẫu nhiờn của cỏc nhiễu loạn đó làm cho cỏc thụng tin thu thập về hệ thống trở nờn khụng chắc chắn gõy khú khăn cho việc phỏt hiện và phõn tớch cỏc lỗi gõy nờn cỏc bỏo động sai, lỗi giả Về bản chất, nhiễu khụng phải là lỗi mà ta cần xỏc định, vỡ vậy, một trong cỏc yờu cầu quan trọng đối với hệ thống chẩn đoỏn là cú khả năng

nhạy cảm với cỏc lỗi nhưng lại khụng nhạy cảm với ảnh hưởng của cỏc nhiễu (tớnh chất này

của hệ thống chẩn đoỏn được gọi là Robust Diagnosis)

Theo thời gian diễn biến, lỗi được phõn ra cỏc loại trờn (Hỡnh 1.5): lỗi đột ngột (dạng

bước nhảy, đường a), lỗi tiệm tiến (trụi điểm làm việc, đường b), lỗi khụng liờn tục (đường c)

Hỡnh 1.5: Phõn loại cỏc lỗi theo thời gian

- Theo mức độ ảnh hưởng của lỗi đến kết quả đầu ra của quỏ trỡnh cũn phõn thành cỏc loại lỗi cộng thờm (additive faul) và lỗi nhõn bội (multiplicative faul)

Cơ cấu chấp hành

Các lỗi của cơ

cấu chấp hành Các lỗi của thànhphần hệ thống Các lỗi củacảm biến

Các nhiễu loạn

đầu vào (Không đo được) Các nhiễu

Sự thay đổi các thông số cấu trúc Nhiễu, ồn

Hình 1.6: Minh họa lỗi cộng thêm và lỗi nhân bội

Các lỗi của cảm biến, cơ cấu chấp hành thuộc loại lỗi cộng thêm; lỗi nhân bội thường

là các lỗi làm thay đổi các tham số kết cấu của hệ động lực (trên Hình 1.6b, lỗi f(t) là lỗi của

tham số a của hệ động lực) Các lỗi nhân bội còn được gọi là các lỗi tham số Việc phân tích

phát hiện các lỗi cộng thêm dễ dàng hơn so với phát hiện các lỗi loại nhân bội

Hai th ủ tục của quá trình chẩn đoán lỗi

Nhiệm vụ của hệ thống chẩn đoán không chỉ là phát hiện trạng thái làm việc không bình thường (trạng thái lỗi) của hệ thống mà còn phải xác định được vị trí và thời điểm xảy

ra lỗi trên cơ sở các dữ liệu thu thập được từ trạng thái làm việc của hệ thống, kết hợp với các kiến thức về các đặc tính, các đáp ứng của hệ thống được chẩn đoán Quá trình chẩn đoán có thể phân chia ra hai bước (hai thủ tục), bao gồm: phát hiện trạng thái lỗi và xác định

vị trí xảy ra lỗi

- Phát hiện trạng thái lỗi là thủ tục nhằm phát hiện sự sai lệch quá mức cho phép của

ít nhất một thông số làm việc của hệ thống làm cho sự hoạt động của hệ thống trở nên không bình thường Trong luận án, cụm từ "phát hiện trạng thái làm việc không bình thường, có

lỗi" được gọi tắt là "phát hiện trạng thái lỗi" hay "phát hiện lỗi"

- Xác định vị trí xảy ra lỗi là thủ tục nhằm khoanh vùng vị trí xảy ra lỗi, đánh giá tính chất, mức độ của lỗi Sự sai lệch một thông số làm việc (lỗi) có thể do nhiều nguyên nhân, đồng thời mỗi nguyên nhân có thể tham gia vào nhiều lỗi, vì vậy để xác định chính xác vị trí

13

-(nguyên nhân) gây ra lỗi cần có sự hiểu biết về mối quan hệ giữa các lỗi và các nguyên nhân (các vị trí) có thể gây ra Để khoanh vùng chính xác vị trí xảy ra lỗi, các mối quan hệ này

phải ổn định và bền vững, không bị ảnh hưởng của các nhiễu và rung động trong quá trình

hệ thống làm việc Để phân loại, cô lập các lỗi cũng như xác định vị trí, kích thước của mỗi

lỗi cụ thể thường sử dụng phương pháp phân loại hoặc suy diễn

Việc phát hiện sớm trạng thái làm việc không bình thường (có lỗi) của hệ thống và

loại bỏ được ảnh hưởng của các nhiễu (làm cho cảnh báo lỗi sai) sẽ giúp cho thủ tục chẩn đoán xác định vị trí lỗi tiếp sau càng chính xác, hiệu quả

Phân tích các phương pháp phát hiện lỗi

Để phát hiện trạng thái làm việc có lỗi, cần có tiêu chuẩn để so sánh và đánh giá về trạng thái làm việc bình thường và trạng thái làm việc có lỗi của hệ thống Nguyên lý chung

là so sánh, đánh giá lượng sai lệch r giữa trị số của các thông số làm việc hiện thời của hệ

thống so với trị số tính toán trong thiết kế hoặc các giá trị cho phép khi vận hành được nhà

chế tạo quy định Có nhiều phương pháp phát hiện lỗi đã được nghiên cứu và ứng dụng như: phát hiện lỗi theo giá trị ngưỡng cố định, phát hiện lỗi trên cơ sở lập mô hình hệ thống thực, phát hiện lỗi trên cơ sở mô hình tín hiệu [12,17,18, 19,39]

Phương pháp phát hiện lỗi theo giá trị ngưỡng cố định

Cơ sở để phát hiện trạng thái lỗi của phương pháp này là so sánh trị số đo được hiện thời của thông số làm việc với giá trị ngưỡng của nó (là trị số thiết kế hoặc trị số giới hạn cho phép của nhà chế tạo) Nếu trị số đo hiện thời vượt quá trị số ngưỡng (lớn hơn hoặc bé hơn) sẽ chỉ thị cho một trạng thái lỗi trong hệ thống Ví dụ, trên Hình 1.3, dải điện áp làm việc của cảm biến nhiệt độ nước làm mát là 0,2 đến 4,75V Khi động cơ làm việc, nếu tín hiệu ra của cảm biến nhiệt độ nước nằm trong dải này có nghĩa động cơ làm việc bình thường Trường hợp tín hiệu điện áp ra thấp hơn 0,2V hoặc cao hơn trị số 4,75V có nghĩa đã xảy ra

trạng thái lỗi (động cơ quá nóng, hoặc hỏng cảm biến hay mạch của nó)

Phương pháp phát hiện lỗi bằng cách so sánh với giá trị ngưỡng cố định như trên tuy đơn giản nhưng có nhiều hạn chế như: ở các trạng thái làm việc khác nhau, giá trị ngưỡng

của các thông số làm việc của hệ thống nói chung là khác nhau Ví dụ, tốc độ quay max của

một động cơ ở chế độ toàn tải cho phép trong khoảng 6500 đến 6800 (vòng/phút), còn tốc

độ quay khi ở chế độ không tải lại trong giới hạn 550 đến 650 (vòng/phút) Giá trị ngưỡng nói chung không phải là trị số duy nhất mà thường nằm trong một khoảng (giới hạn cho phép) Ngoài ra, như đã phân tích ở phần trên, một lỗi thường không chỉ liên quan đến một thông số làm việc mà là tổ hợp của nhiều thông số làm việc Trong nhiều trường hợp, giá trị thông số làm việc của hệ thống biến đổi không đúng quy luật cũng sẽ gây ra lỗi trong hệ

thống, tuy nhiên khi đó trị số đo được của thông số đó có thể chưa vượt ra khỏi giá trị ngưỡng Các nhược điểm này đã làm hạn chế hiệu quả của phương pháp phát hiện lỗi theo giá trị ngưỡng làm việc cố định Trong chẩn đoán lỗi các hệ thống trên ô tô, phương pháp phát hiện

14

-lỗi theo giỏ trị ngưỡng này đó được sử dụng trong một số hệ thống chẩn đoỏn kiểu OBD-1 (trờn cỏc xe ụ tụ sản xuất những năm 80 thế kỷ trước)

Phương phỏp phỏt hiện lỗi bằng mụ hỡnh tớn hiệu

Hỡnh 1.7 : Sơ đồ phỏt hiện trạng thỏi lỗi bằng mụ hỡnh tớn hiệu

Đối với hệ thống cú cỏc thụng số làm việc là những đại lượng biến đổi cú tớnh chu

kỳ (tốc độ gúc, biờn độ tần số làm việc của cỏc động cơ điện, trục quay…), bằng cỏch so sỏnh cỏc tớn hiệu (đặc trưng cho quỏ trỡnh biến đổi theo chu kỳ) hiện thời với cỏc trị số cho phộp cú thể phỏt hiện trạng thỏi lỗi của hệ thống Phương phỏp này gọi là phỏt hiện lỗi bằng

mụ hỡnh tớn hiệu Hỡnh 1.7 trỡnh bày sơ đồ nguyờn lý của phương phỏp phỏt hiện lỗi bằng

mụ hỡnh tớn hiệu Cỏc tớn hiệu được biểu diễn cú thể là tớn hiệu chu kỳ, tớn hiệu ngẫu nhiờn

hoặc kết hợp cả hai Sự thay đổi trong những tớn hiệu này liờn quan đến cỏc lỗi phỏt sinh trong quỏ trỡnh làm việc hoặc lỗi ở cỏc cảm biến Phõn tớch cỏc tớn hiệu trong miền thời gian (vớ dụ, dựng hàm tương quan, thay đổi giỏ trị trung bỡnh) hoặc phương phỏp miền tần số (phộp biến đổi Fourier nhanh, FFT), hoặc với phương phỏp phức tạp hơn như phõn tớch tần

số-thời gian hay phõn tớch súng bước nhỏ [18] để phỏt hiện sự hoạt động bất thường của hệ thống (vớ dụ hiện tượng bỏ lửa khi thay đổi tốc độ động cơ hay sự mất cõn bằng ở lốp xe khi tăng tốc) Cỏc cảm biến vị trớ, tốc độ hoặc gia tốc được sử dụng để xỏc định cỏc lỗi, vớ dụ như độ mất cõn bằng và cỏc lỗi ở ổ đỡ (cỏc mỏy quay), hiện tượng kớch nổ (động cơ diesel) hoặc rung động (mỏy cỏn kim loại) Khi xảy ra lỗi trong hệ thống, cỏc tớn hiệu nhận được từ cỏc cảm biến (như dũng điện, vị trớ, tốc độ, lực, lưu lượng và ỏp suất…) sẽ cú đặc tớnh dao động với tần số hoặc biờn độ cao (hoặc thấp hơn) so với đỏp ứng động lực học của hệ thống khi làm việc ở trạng thỏi bỡnh thường (khụng lỗi)

Mô hình thay thế

Bộ tạo lượng sai lệch

Mô hình trên cơ

sở nhận dạng lỗi

r Lượng sai lệch

Nhận dạng thay đổi

Các triệu chứng phân tích Chẩn đoán lỗi

Cơ cấu

Hệ thống thực

15

-Mụ hỡnh tớn hiệu ỏp dụng cú hiệu quả cao trong việc phỏt hiện trạng thỏi lỗi trong cỏc

hệ thống cú thụng số làm việc là cỏc đại lượng biến đổi cú tớnh chu kỳ Để khử ảnh hưởng

của cỏc nhiễu cú thể sử dụng cỏc bộ lọc thụng Ngoài ra, do mỗi lỗi ở cỏc bộ phận (ổ trục,

trục quay …) thường cú phổ đặc trưng nờn với mụ hỡnh này cũn được kết hợp cả cho việc phỏt hiện trạng thỏi lỗi cũng như việc chẩn đoỏn vị trớ xảy ra lỗi trong hệ thống

Phương phỏp phỏt hiện lỗi trờn cơ sở mụ hỡnh hệ thống

Nguyờn lý chung của phương phỏp này là xuất phỏt từ cỏc kiến thức về hệ thống cần chẩn đoỏn, tiến hành xõy dựng một mụ hỡnh lý thuyết để mụ tả quỏ trỡnh làm việc của hệ thống thực Tiến hành “nối ghộp làm việc song song” mụ hỡnh lý thuyết này với hệ thống thực với cựng một tớn hiệu đầu vào Kết quả sẽ thu được hai giỏ trị: thứ nhất là giỏ trị đo

được tức thời ở đầu ra của hệ thống thực (ký hiệu y), thứ hai là giỏ trị đầu ra tớnh toỏn được

từ mụ hỡnh lý thuyết (ký hiệu y*) Nếu hệ thống thực (hệ thống được chẩn đoỏn) làm việc

bỡnh thường (khụng cú lỗi) thỡ lượng sai lệch r giữa y và y* sẽ bằng 0 (hoặc khụng vượt quỏ lượng sai lệch giới hạn J th), nếu lượng sai lệch r khỏc 0 (hoặc vượt quỏ trị số sai lệch giới

hạn J th) cú nghĩa đó xuất hiện trạng thỏi lỗi trong hoạt động của hệ thống thực

Hỡnh 1.8: Sơ đồ hệ thống phỏt hiện lỗi trờn cơ sở mụ hỡnh

Phương phỏp xõy dựng mụ hỡnh hệ thống đó được phỏt triển từ sớm do nhu cầu điều khiển và giỏm sỏt sự làm việc của cỏc hệ thống điều khiển kiểu cơ khớ và thủy lực trong cỏc

hệ thống kỹ thuật núi chung và trờn ụ tụ núi riờng Trong cỏc hệ thống kỹ thuật hiện đại (như trờn ụ tụ), cỏc hệ thống điều khiển điện tử được sử dụng phổ biến, trờn cơ sở phõn tớch vai trũ cỏc tớn hiệu của cảm biến và cơ cấu chấp hành trong hệ thống ĐKĐT, chọn phương phỏp

chẩn đoỏn phỏt hiện lỗi trờn cơ sở mụ hỡnh là hợp lý, hiệu quả và tiết kiệm Khảo sỏt thực tế cỏc thiết bị kỹ thuật thế hệ mới (vớ dụ cỏc mỏy giặt điều khiển kỹ thuật số, cỏc hệ thống

Hệ thống không lỗi

Lỗi f Sự nhiễu loạn d

Lượng sai lệch r

Hệ thống có lỗi

th Sai

16

-ĐKĐT trên ô tô như hệ cấp nhiên liệu EFI, hệ thống phanh ABS…) song song với chức năng điều khiển sự hoạt động của hệ thống (các chế độ giặt, điều khiển cấp nhiên liệu, điều khiển phanh ABS…) trên các hệ thống này còn tích hợp chức năng chẩn đoán phát hiện lỗi thông qua các màn hình hiển thị gắn trên thiết bị

Trên cơ sở các phân tích trên, luận án đã định hướng nghiên cứu phương pháp xây

dựng mô hình để phát hiện trạng thái làm việc có lỗi của các hệ thống có ĐKĐT trên ô tô

Từ nguyên lý của phương pháp mô hình phát hiện lỗi trên Hình 1.8, có thể trình bày các bước cần thực hiện để phát hiện lỗi như sơ đồ trên Hình 1.9

Hình 1.9: Các bước thực hiện phát hiện lỗi Phân tích các lo ại mô hình mô tả hệ thống

Với phương pháp chẩn đoán phát hiện lỗi trên cơ sở mô hình cấu trúc hệ thống, công

việc đầu tiên và quan trọng là xây dựng mô hình cấu trúc (mô hình lý thuyết) mô tả hệ thống

thực (hệ thống được chẩn đoán) trong trường hợp hệ thống không có lỗi

Mô hình lý thuyết mô tả hệ thống thực có thể là loại mô hình định lượng (thường là các mô hình toán học) hoặc là các mô hình xây dựng trên cơ sở tri thức (ví dụ như mô hình trên cơ sở logic mờ (FL), mô hình trên cơ sở mạng Nơ ron (NN) hoặc mô hình mạng Nơ ron

- mờ (FNN)

1.2.2.4.1 Mô hình toán h ọc

Mô tả hệ thống là hệ các phương trình biểu diễn mối quan hệ toán học giữa các tín

hiệu vào, ra, môi trường và các thông số cấu trúc của hệ thống Có thể sử dụng các công cụ toán học khác nhau như hệ phương trình vi phân, hàm truyền hoặc các phương trình trạng thái để mô tả một hệ thống động lực Mỗi công cụ này có các đặc điểm và phạm vi ứng dụng riêng

a) H ệ phương trình vi phân

Hệ phương trình vi phân được sử dụng để biểu diễn mối quan hệ vật lý bên trong và

b) Hàm truyền

Một hệ thống SISO có các tín hiệu vào u(t) và ra y(t) Hàm truyền đạt G(s) của hệ

thống được định nghĩa là tỷ số giữa ảnh Laplace Y(s) của đầu ra hệ thống y(t) với ảnh Laplace U(s) c ủa tín hiệu đầu vào u(t) khi hệ thống được kích thích từ trạng thái 0 (nghĩa là, khi có

các điều kiện đầu (0), (0), , 1 (0)1

m m n n

G(s) của hệ thống là hàm số mà khi nhân với tín hiệu đầu vào ta được đáp ứng đầu ra của hệ

thống, vì vậy, có thể sử dụng hàm truyền để xây dựng mô hình phát hiện các lỗi của các tín

hiệu vào, ra của hệ thống (lỗi các cơ cấu chấp hành hoặc lỗi các cảm biến) Tuy nhiên, các

nhược điểm của phương pháp biểu diễn này là phải đảm bảo các điều kiện đầu (trạng thái t 0

của hệ) cũng như không thể áp dụng cho các hệ động lực MIMO

c) Không gian tr ạng thái

Không gian trạng thái là cách sử dụng các biến trạng thái x 1 (t), x 2 (t), ,x n (t) của hệ

thống để mô tả động học của nó Biến trạng thái là khái niệm mở rộng hơn khái niệm biến

đầu ra Khi khảo sát hệ thống, ngoài các giá trị của tín hiệu ra y(t), còn cần cả các thông tin

− ) cũng như ảnh hưởng các giá trị đầu của chúng

đến đáp ứng đầu ra y(t) Các đại lượng trung gian này được gọi là các biến trạng thái

Xét hệ thống có m tín hiệu vào, được biểu diễn dưới dạng véc tơ tín hiệu vào u(t), r

tín hiệu đầu ra, biểu diễn dưới dạng véc tơ y(t), n biến trạng thái biểu diễn dưới dạng véc tơ x(t) Biểu diễn không gian trạng thái của hệ thống có dạng:

y t Cx t Du t

Trong đó: A - ma trận hệ thống, kích thước n×n; B - ma trận điều khiển, kích thước

n ×m; C và D - các ma trận đầu ra, kích thước r×m;

So với công cụ hàm truyền, cách biểu diễn dạng không gian trạng thái cho phép khảo sát bản chất động học của hệ thống tốt hơn, cho phép khảo sát nhiều hệ thống đa dạng hơn

(SISO hay MIMO) mà không phải thay đổi cấu trúc cũng như không cần các ràng buộc về

trạng thái đầu ra của hệ thống phải bằng 0 Khảo sát các biến trạng thái cho phép ta quan sát các trạng thái làm việc khác nhau của hệ thống Với ưu điểm này, biểu diễn không gian trạng thái là một phương pháp xây dựng mô hình phát hiện các lỗi không chỉ liên quan đến các cơ

cấu chấp hành, các cảm biến mà cả các lỗi liên quan đến quá trình động học của hệ thống

Như vậy, để phát hiện các lỗi tham số (lỗi nhân bội) nên xây dựng hệ phương trình

vi phân trong đó chứa các tham số kết cấu để mô tả hệ thống Đối với các lỗi của cảm biến,

cơ cấu chấp hành hoặc quá trình động học (các loại lỗi cộng thêm) có thể sử dụng cách biểu

diễn hàm truyền đạt (với hệ thống SISO) hoặc không gian trạng thái (cho cả hệ thống SISO

và MIMO) để mô tả hệ thống [48]

d) Phân tích các ưu nhược điểm và hạn chế của mô hình toán học

Sử dụng mô hình toán học để mô tả hệ thống có các ưu điểm cơ bản là: biểu diễn các thành phần của hệ thống cũng như mối quan hệ giữa các tín hiệu vào/ra với các tham số kết cấu của hệ thống một cách rõ ràng, tường minh; sử dụng các công thức tính toán số là thuận lợi Tuy nhiên, trong thực tế, có nhiều yếu tố ảnh hưởng khiến cho việc sử dụng các biểu thức toán học không thể mô tả chính xác quá trình làm việc của hệ thống thực như: các nhiễu

loạn, hạn chế của thiết bị đo hoặc khả năng đo các tín hiệu vào, ra của hệ thống thực; các sai

số chế tạo cho phép cũng như các sai số do trôi điểm làm việc của các cảm biến

Trong quá trình làm việc, hệ thống bị tác động bởi các nhiễu đầu vào, đầu ra không

đo được (Hình 1.4) Khi làm việc, các cảm biến bị ảnh hưởng của nhiễu loạn ngoài và nhiễu

loạn bên trong (Hình 1.10) Các nhiễu loạn từ bên ngoài có thể phân ra loại nhiễu chồng chất

z 1 (thường là ảnh hưởng của cảm ứng điện từ), và loại nhiễu làm biến dạng z 2 (ví dụ như ảnh

Hình 1.10: Phân tích các nhi ễu loạn làm thay đổi đặc tính của cảm biến

Trong hệ thống ĐKĐT, thường sử dụng các cảm biến để đo đạc các thông tin đầu vào, đầu ra của hệ thống Số lượng cảm biến càng nhiều, thông tin về hệ thống càng đầy đủ Tuy nhiên, nếu số lượng cảm biến quá lớn sẽ làm tăng giá thành chế tạo Ngoài ra, do điều

kiện kết cấu cụ thể, khó bố trí hoặc không thể bố trí cảm biến đo Ví dụ, trong kỹ thuật ô tô,

đo phản lực tác dụng từ mặt đường lên bánh xe là rất quan trọng, tuy nhiên không thể bố trí

cảm biến để đo các trị số này; trị số biến dạng ngang của bánh xe (góc lệch bên) là thông số

rất có ý nghĩa với mô hình đánh giá động lực học bên của ô tô nhưng không thể bố trí thiết

bị, cảm biến thu thập trực tiếp thông tin này

Do tính phức tạp của hệ thống thực cũng như phần lớn các yếu tố ảnh hưởng của môi trường, đường thực tế thường mang tính ngẫu nhiên, khó xác định, trong các mô hình biểu diễn động lực học của xe thường sử dụng các giả thiết đơn giản về các yếu tố kết cấu cũng như điều kiện chuyển động Ví dụ, khi xây dựng mô hình nghiên cứu động lực học phanh

bỏ qua ảnh hưởng biến dạng của hệ thống treo; khi xây dựng mô hình nghiên cứu dao động

thẳng đứng, không xét đến các dao động lắc ngang Trong khảo sát chuyển động coi mặt đường bằng phẳng, có hệ số bám đồng đều; khi khảo sát động lực học bên, thường coi biến

dạng bên của bánh xe tỷ lệ thuận với lực ngang với góc biến dạng của bánh xe là nhỏ Các điều kiện đơn giản này gây ra các sai khác giữa kết quả tính theo mô hình lý thuyết và số đo

từ hệ thống làm việc thực tế

Các phân tích trên cho thấy, sử dụng một mô hình toán học thông thường (với các

HÖ thèng

NhiÔu chång chÊt NhiÔu g©ybiÕn d¹ng

C¸c nhiÔu lo¹n bªn trong

C¶m biÕn Gi¸ trÞ thùc

§Çu ra ®o ®­îc

cảm biến mới vào hệ thống điều khiển sẽ quá lớn

1.2.2.4.2 Các mô hình tri th ức

Khác với mô hình toán học trong đó sử dụng các biểu thức, phương trình, các mô hình tri thức (mạng Nơ-ron, logic mờ, genetic) sử dụng các quan hệ suy luận logic “phi toán học“ Từ thập niên 90 của thế kỷ trước, trong lĩnh vực mô hình hóa hệ thống đã sử dụng các phương pháp mô tả tri thức hay còn được gọi dưới tên "Trí tuệ nhân tạo" [28, 39, 40, 41] Nhiều kết quả nghiên cứu chứng tỏ khả năng ứng dụng rộng rãi, hiệu quả của trí tuệ nhân

tạo trong các lĩnh vực kỹ thuật, y tế, kinh tế và xã hội, đặc biệt với các mục đích điều khiển, giám sát và chẩn đoán [25, 28, 31, 35]

Tính chất quan trọng của các phương pháp trí tuệ nhân tạo là có khả năng học từ các

ví dụ mẫu, khả năng thích ứng với môi trường thay đổi, thực hiện các phép ánh xạ phi tuyến,

khả năng chọn lọc kiến thức thu được qua quá trình huấn luyện Trên cơ sở của phương pháp trí tuệ nhân tạo, các mô hình phát hiện lỗi trên cơ sở tri thức như mô hình logic mờ, mạng Nơ-ron, giải thuật di truyền, hệ chuyên gia… đã được sử dụng trong chẩn đoán ở các lĩnh vực khác nhau: kỹ thuật, kinh tế, y tế

a) Mô hình mạng nơ ron nhân tạo (Artificial Neural Network - ANN)

ANN là mô hình xử lý thông tin có cấu trúc phỏng theo cấu trúc mạng nơ ron sinh

học Mạng được cấu trúc từ nối ghép một số lượng lớn các phần tử xử lý Hình 1.11 trình bày cấu trúc của phần tử xử lý Phân tử xử lý gồm hai phần: phần lấy tổng có trọng số của

các thông tin đưa vào đồng thời và phần hàm xử lý Mỗi thông tin đầu vào x i có tr ọng số w i, sau khi kết hợp với nhau (bằng hàm “Sum”) kết quả sẽ được xử lý bằng hàm “Transfer” để chuyển tới đầu ra Một phần tử xử lý có thể có một hoặc nhiều đầu vào và có một đầu ra

Phụ thuộc vào cách nối ghép và số lượng phần tử xử lý trong nối ghép sẽ thu được các mạng ANN khác nhau (Hình 1.12) Một mạng ANN thường bao gồm một lớp đầu vào, một lớp đầu ra và có thể có một hoặc nhiều lớp trung gian (gọi là các lớp ẩn)

Một mạng Nơ-ron nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân loại dữ liệu ) thông qua một quá trình học từ tập các mẫu huấn luyện Về bản chất, học chính là quá trình hiệu chỉnh trọng số liên kết giữa các Nơ-ron Sau khi cấu trúc, mạng Nơ-ron được tiến hành huấn luyện (gọi là quá trình học) qua các tập dữ liệu mẫu Nhờ cơ

chế chọn lọc và ghi nhớ các “kiến thức” qua quá trình huấn luyện

21

-Hình 1.12: Cấu trúc mạng Nơ-ron nhiều lớp

Các ưu điểm chính của mô hình ANN là khả năng học theo mẫu do đó sau quá trình

huấn luyện, ANN có thể tích lũy các tri thức về hệ thống kết hợp với cơ chế nội suy để mô

tả hệ thống với độ chính xác cao Tuy nhiên, nhược điểm chính của ANN là cần tập dữ liệu

cơ sở lớn cũng như việc thiết kế các lớp ẩn thường phải dùng cách thực nghiệm cho từng

mạng cụ thể mà không có phương pháp tính chung

b) Mô hình logic m ờ (fuzzy logic)

Mô hình logic mờ (FL) là mô hình xử lý thông tin phỏng theo cách tư duy của con người Mô hình là tập hợp các lập luận dạng ngôn ngữ của con người để xử lý thông tin, mô

tả các trạng thái của hệ thống trên cơ sở các dữ liệu quan sát kết hợp với các kiến thức hiểu biết về hệ thống cần mô tả Với cơ chế ánh xạ một - một giữa các tín hiệu vào và ra của hệ thống, có thể mô tả hệ thống thực (cả trong trường hợp hệ thống là tuyến tính hoặc là hệ phi

22

-tuyến) với độ xấp xỉ không hạn chế Nếu mô hình mạng Nơ-ron là mô phỏng cấu trúc hoạt động của bộ não con người thì mô hình logic mờ lại hoạt động phỏng theo cách thức suy

luận, xử lý thông tin của bộ não con người

Hệ suy diễn mờ là công cụ để ứng dụng các phương pháp của lý thuyết mờ trong việc

giải quyết các bài toán cụ thể Hình 1.13 trình bày sơ đồ cấu trúc của hệ suy diễn mờ

Hình 1.13: C ấu trúc hệ suy diễn mờ

Hệ thống gồm bốn thành phần: khối mờ hóa đầu vào làm nhiệm vụ chuyển đổi các tín hiệu vào của hệ thống thực từ miền vật lý (miền giá trị rõ) sang miền ngôn ngữ (miền giá trị mờ); khối tri thức bao gồm hai phần, một là các dữ liệu thu thập về các thông số trạng thái, môi trường làm việc của hệ thống, hai là các kiến thức chuyên môn về hệ thống (các quan hệ vật lý toán học, cấu trúc, kinh nghiệm chuyên gia); khối cơ chế suy diễn (IE) là phần lõi của FIS, tại đây thực hiện các tính toán và lập luận xử lý các tín hiệu đầu vào trên cơ sở các tri thức về hệ thống và đưa ra kết quả hoặc quyết định cuối cùng (dưới dạng kết quả mờ)

và khối giải mờ đầu ra làm nhiệm vụ chuyển đổi các tín hiệu ra từ IE (có giá trị mờ) sang

LuËt : IF x=A vµ y=B THEN z=f(x,y)ℜ (1.7)

A và B là các t ập mờ trong mệnh đề điều kiện, f(x,y) là hàm của các biến vào x và y

Về ý nghĩa toán học, hệ suy diễn T-S biểu diễn hệ thống thực bằng cách phân chia toàn bộ không gian hoạt động của hệ thống thực thành các vùng nhỏ (địa phương) Trong các vùng địa phương này sử dụng mô hình toán học tuyến tính để biểu diễn chúng Liên kết giữa các mô hình địa phương bằng các hàm liên thuộc của tập mờ

Với các đặc điểm cơ bản này, việc sử dụng hệ suy diễn T-S vào trong lĩnh vực điều khiển, nhận dạng, chẩn đoán để mô tả hệ thống thực là hợp lý và hiệu quả Bởi vì, với đa số các hệ thống có ĐKĐT trên ô tô, người ta đã có các hiểu biết về thông số kết cấu, các mối

C¬ chÕ suy diÔn

Khèi mê hãa

Khèi gi¶i mê

d÷ liÖu

23

-liên hệ vật lý cơ bản giữa các đại lượng đầu vào và đầu ra

Để xây dựng mô hình lý thuyết mô tả hệ thống thực, so sánh với mô hình toán học,

mô hình mờ T-S có những ưu điểm cơ bản sau:

- Mô hình mờ T-S là công cụ biểu diễn đa năng hơn mô hình toán thông thường Với

cơ chế ánh xạ giữa các biến đầu vào và biến đầu ra, mô hình mờ T-S có thể mô tả hệ thống thông qua tập cơ sở dữ liệu thống kê (phi công thức); với đặc điểm là <mệnh đề kết quả>

của luật mờ T-S là hàm rõ, bậc nhất nên mô hình mờ T-S có thể mô tả hệ thống thông qua các quan hệ vật lý, công thức quan hệ giữa thông số cấu trúc và các biến vào, ra của hệ thống

- Mô hình mờ T-S biểu diễn hệ thống thực bằng cách phân chia toàn bộ không gian hoạt động của hệ thống thực (phi tuyến) thành các vùng nhỏ (địa phương) Trong các vùng địa phương này sử dụng hàm bậc nhất (tuyến tính) để biểu diễn chúng Liên kết giữa các mô hình địa phương bằng các hàm liên thuộc của tập mờ Cách phân chia ra các phần tuyến tính này ưu điểm hơn cách tuyến tính hóa “từng mẩu“ thông thường ở chỗ, các vùng nối ghép không bị biến đổi đột ngột (minh họa trên Hình 1.14)

a) Phương pháp tuyến tính hóa thông thường

b) Phương pháp tuyến tính hóa trong mô hình mờ Hình 1.14 : So sánh hai phương pháp tuyến tính hóa

Từ những ưu điểm cơ bản nêu trên, ta hoàn toàn có thể sử dụng các công cụ tính toán dùng cho các mô hình tuyến tính đối với mô hình địa phương trong mô hình mờ T-S Trong

luận án, NCS đã xây dựng bộ quan sát mờ trên cơ sở sử dụng công cụ bộ quan sát dùng cho

hệ thống tuyến tính

H ạn chế của mô hình Fuzzy là không có quy tắc quy định cụ thể cho việc chọn các

hàm liên thuộc (số lượng, dạng hàm liên thuộc), các công việc này phụ thuộc vào chủ quan

của người xây dựng Hạn chế của mô hình mạng nơ ron lại ở chỗ cơ chế hoạt động trong các

Các phương pháp tính toán xác định lượng sai lệch r

Với phương pháp chẩn đoán trên cơ sở mô hình, việc đánh giá TTKT một hệ thống là

bình thường hay có lỗi được căn cứ vào trị số lượng sai lệch r giữa kết quả tính ở đầu ra của

mô hình lý thuyết (mô tả hệ thống thực khi không có lỗi) và đầu ra đo được từ hệ thống khi làm việc thực tế (Hình 1.15) được biểu diễn dưới dạng toán học như sau:

Các giá trị sai lệch r > 0 (hoặc r >J th) giữa tín hiệu ra đo được (y) của hệ thống thực tế

và tín hiệu ra tính toán y* từ mô hình lý thuyết sẽ chỉ thị về xuất hiện trạng thái lỗi

Mô hình lý thuyết

mô tả hệ thống thựckhi không có lỗi

Hình 1.15: Nguyên lý phát hiện lỗi trên cơ sở mô hình

Việc phát hiện trạng thái lỗi của hệ thống một cách chính xác trong điều kiện sự không chắc chắn của mô hình là yêu cầu chính đối với các hệ thống chẩn đoán hiện đại Từ phân tích ở trên cho thấy mô hình toán học được xây dựng theo các quan hệ vật lý, với điều kiện thiếu các thông tin đầy đủ về hệ thống sẽ không mô tả chính xác được hệ thống thực tế Điều này có nghĩa, khi cho chạy song song mô hình lý thuyết và hệ thống thực (với cùng thông số

đầu vào) kết quả đầu ra y và y* là luôn khác nhau, ngay cả khi hệ thống thực không có lỗi

Để hiệu chỉnh các thông số của mô hình, bổ sung các thành phần phản ánh ảnh hưởng các nhiễu, các yếu tố không đo được người ta đã sử dụng nhiều phương pháp (công cụ toán

học) như phương pháp ước lượng tham số (Parameter Estimation), phương pháp quan sát và ước lượng trạng thái (State Observers) hoặc các quan hệ tương đương (Parity Relations)

1.2.2.5.1 Phương pháp ước lượng tham số

Phương pháp ước lượng tham số được sử dụng để phát hiện lỗi xảy ra trong quá trình hoạt động của hệ thống do nguyên nhân sai lệch của các tham số cấu trúc hệ thống so với

cách đo các tín hiệu đầu vào và đầu ra, u(t) và y(t), có thể xác định được các tham số cấu

trúc trong mô hình toán học của hệ thống bằng công cụ toán học “cực tiểu của tổng bình phương sai lệch“ (LS – Method of Least squares) [16, 19]

Cơ sở toán học của phương pháp ước lượng tham số như sau:

Giả sử mô hình toán học mô tả một hệ thống động lực tuyến tính có dạng:

( )( ) ( ) ; ( ) [ ( ) ( )] ; ( ) [ ( ) ( )]

Trong đó u và y tương ứng là các tín hiệu vào, ra đo được; A p và B p là các phân thức

mẫu và tử của hàm truyền của mô hình Biểu diễn toán học quan hệ giữa đầu vào u(t) và đầu

n

y

e

+ -

u

A(s) B(s)

(a)

HÖ thèng thùc

M« h×nh

hÖ thèng

n

y u

θ

+ -

(b)

e'

§¸nh gi¸ c¸c thèng sè

26

-Các ma trận ψ và véc tơy bao gồm những trị số đo và đạo hàm của chúng tại thời điểm khảo sát

Sử dụng mô hình tính toán theo sơ đồ Hình 1.16a sẽ trực tiếp tác động tới các tham

số và cho phép ước lượng trực tiếp các tham số (bằng phương pháp bình phương cực tiểu) dưới dạng thức đệ quy hoặc không đệ quy

Trên Hình 1.16b, sau khi xác định phương trình lỗi đầu ra e’(t) các tham số của mô

hình thay đổi là nguyên nhân gây ra lỗi e’(t) ở đầu ra, có thể cực tiểu hóa nó để ước lượng

các giá trị tham số cấu trúc của hệ thống Tuy nhiên, do các lỗi tham số là loại lỗi nhân bội

nên e’(t) là hàm phi tuyến cần sử dụng phương pháp tối ưu hóa số, các thủ tục tính lặp phức

tạp hơn trường hợp trên

Phương pháp ước lượng tham số được sử dụng phát hiện lỗi sinh ra bởi sự thay đổi các tham số cấu trúc của hệ thống

1.2.2.5.2 Phương pháp quan sát trạng thái

Xét hệ thống động học tuyến tính được mô tả dưới dạng không gian trạng thái đơn giản:

Ở đây x là biến trạng thái, với các cấu trúc và tham số A, B, C Bộ quan sát trạng thái

trên cơ sở các biến vào, biến ra đo được trình bày ở Hình 1.17 có dạng:

Trong đóˆx ∈R n là véc tơ trạng thái được ước lượng, L∈R là hệ số của bộ quan sát

(observer gain) Kết hợp 2 phương trình (1.12 và 1.13) tính sai số ước lượng e= −x xˆvà thu

được phương trình vi phân của sai số e:

Theo lý thuyết ma trận [49, 25] nếu tất cả các giá trị riêng của ma trận [A-LC] là xác

định thì sai số e sẽ tiệm cận tới 0 và x→ ˆx Như vậy, việc tính toán thiết kế bộ quan sát đưa

về việc xác định hệ số L Có nhiều phương pháp xác định L, thường sử dụng là phương pháp đổi cực (pole placement) hoặc phương pháp LQR (Linear Quadratic Regulator)[25] Hình 1.17 trình bày sơ đồ ghép nối song song giữa bộ quan sát với hệ thống thực

Trong đó, u là véc tơ các biến vào tương ứng với các biến đầu của hệ thống thực; ŷ là giá trị

tính toán của véc tơ biến đầu ra của bộ quan sát; y là giá trị đo của biến ra từ hệ thống thực;

x là véc tơ biến quan sát từ mô hình hệ thống; ˆx là véc tơ biến trạng thái của bộ quan sát

27

-Hình 1.17: Bộ quan sát ghép song song với hệ thống thực

Nếu mô hình lý thuyết mô tả chính xác hệ thống thì giá trị tính toán của biến ˆx sẽ

bằng giá trị của biến trạng thái trong hệ thống thực Tuy nhiên, do mô hình có sai khác so

với hệ thống thực nên hiệu (x- ˆx ) sẽ khác 0 và do đó trị số ŷ tính toán từ bộ quan sát sẽ khác

với giá trị y đo được ở đầu ra của hệ thống Ký hiệu e là sai số giữa y và ŷ: e = y- ŷ Bằng cách điều chỉnh (tính toán) trị số của hệ số L của bộ quan sát có thể làm cực tiểu giá trị của

sai số e Khi đó bộ quan sát sẽ trở thành mô hình biểu diễn tốt nhất hệ thống thực

Khi đó, lượng sai lệch tính toán r được tính theo công thức:

ˆ

Nếu r = 0 (hoặc r ≤ J th) thì hệ thống không lỗi, nếu r > 0 (r > J th) thì hệ thống có lỗi Khi hệ thống thực hoạt động, ở đầu vào của hệ thống, ngoài các biến đo được u còn

có tác động của các nhiễu loạn đầu vào hoặc môi trường (ký hiệu d(t)), các yếu tố này thường

là không đo được Để phát huy hiệu quả của bộ quan sát, cần cách ly ảnh hưởng của các nhiễu loạn này Thiết kế bộ quan sát với đầu vào không rõ (UIO) là một chủ đề được nhiều nhà nghiên cứu trong các lĩnh vực điều khiển, giám sát theo dõi hệ thống quan tâm trong

thập kỷ qua [13, 22, 32, 46]

Các công trình nghiên cứu về lý thuyết, thiết kế bộ quan sát được công bố đầu tiên bởi tác giả D Luenberger (1966) [25] và được phát triển bởi nhiều nhà nghiên cứu ứng dụng rộng rãi trong các lĩnh vực quan sát, điều khiển các hệ thống kỹ thuật Tuy nhiên, các lý thuyết tính toán thiết kế bộ quan sát Luenberger được áp dụng cho hệ thống là tuyến tính Nếu hệ thống là phi tuyến thì cần phép biến đổi trung gian để xấp xỉ hệ thống phi tuyến thành tuyến tính Tuy nhiên, các phép biến đổi trung gian này khá phức tạp và làm tăng sai số của

bộ quan sát

Bộ quan sát trạng thái là công cụ toán học được ứng dụng nhằm xấp xỉ tốt nhất giá

trị đầu ra của nó với giá trị đầu ra đo được từ hệ thống thực trong trường hợp hệ thống không

có lỗi Trong lĩnh vực lý thuyết điều khiển cũng như chẩn đoán, bộ quan sát được sử dụng

rộng rãi để mô tả hệ thống thực trong trường hợp có xét đến ảnh hưởng các nhiễu cũng như các thông tin đầu vào của hệ thống không đo được đầy đủ

Như vậy, bộ quan sát đối với hệ thống được chẩn đoán trong trường hợp hệ thống

28

-không có lỗi (nhưng có thể có ảnh hưởng của nhiễu cũng như biến đầu vào không đo được đầy đủ) sẽ là mô hình lý thuyết mô tả tốt nhất hệ thống thực (hệ thống được chẩn đoán) Giá

trị đầu ra của bộ quan sát lúc này chính là giá trị y* trong Hình 1.15

Tuy nhiên, điều kiện cần để có thể thiết kế bộ quan sát là tính tuyến tính của hệ thống được mô tả Trong khi đó, nói chung các hệ thống có ĐKĐT trên ô tô là các hệ thống phi tuyến Để giải quyết vấn đề này, trong luận án, NCS đã sử dụng mô hình T-S để mô tả hệ

thống thực nhờ đó hoàn toàn có thể sử dụng công cụ bộ quan sát cho mỗi mô hình tuyến tính địa phương (là các mô hình con) trong mô hình mờ T-S chung

Nhiệm vụ của hệ thống VSC và các tên gọi của hệ thống

Hệ thống VSC (Vehicle Stability Control) làm nhiệm vụ giữ ổn định quỹ đạo cho xe

ô tô khi đi trên mặt đường nghiêng ngang, đường vòng Khi xe chuyển động trên đường vòng, do tác dụng của lực ly tâm tạo các lực ngang tác dụng lên xe Ảnh hưởng các lực ngang càng lớn khi tốc độ xe đi trên đường vòng lớn, mặt đường nghiêng hoặc bán kính cong quá

nhỏ…Dưới tác dụng của lực ngang, các bánh xe cầu trước, cầu sau bị biến dạng ngang và trượt ngang cục bộ làm sai lệch quỹ đạo chuyển động trên đường vòng của xe Trường hợp các bánh xe cầu sau bị trượt ngang nhiều hơn bánh xe trước dẫn đến hiện tượng quay vòng

thừa hoặc ngược lại, xe bị quay vòng thiếu Hệ thống VSC tự động tác động các lực phanh phù hợp ở mỗi bánh xe (bên trong và bên ngoài đường vòng, bánh xe trước và bánh xe sau)

để tạo mô men ổn định duy trì quỹ đạo chuyển động đúng của xe đồng thời tự động điều chỉnh chế độ tải động cơ (giảm ga) cho phù hợp với tình trạng phanh và tốc độ ô tô

Sơ đồ hệ thống cấu trúc chung của hệ thống VSC được trình bày trên Hình 1.18 Đây

là một hệ thống có ĐKĐT, làm việc kết hợp cùng các hệ thống phanh ABS, BAS và TCS Khi xe chuyển động vào đường vòng (hoặc trên mặt đường nghiêng) các tín hiệu từ các cảm

biến góc quay vành lái, cảm biến tốc độ ô tô và cảm biến gia tốc ngang được gửi về VSC ECU Tại đây, VSC ECU đối chiếu với các số liệu trong bảng tham chiếu (do nhà chế tạo cài đặt sẵn trong bộ nhớ của ECU) để tính ra trị số tốc độ góc quay thân xe mong muốn Đồng thời tín hiệu từ cảm biến tốc độ góc quay thân xe (Yaw rate sensor, xem Hình 1.18) cũng được gửi về VSC ECU Chương trình tính toán được cài đặt sẵn trong bộ vi xử lý của VSC ECU sẽ so sánh tín hiệu từ cảm biến gửi về và trị số tốc độ góc quay thân xe mong muốn (từ bảng tham chiếu trong ECU) để xác định trạng thái quay vòng thực tế của ô tô tại thời điểm này là “quay vòng thừa“ hay “quay vòng thiếu“ rồi gửi tín hiệu điều khiển đến cơ cấu chấp hành hệ thống phanh, điều khiển áp suất dẫn động phanh ở mỗi cơ cấu phanh bánh

xe một cách độc lập nhằm tạo ra mô men ổn định có xu hướng tác động đưa xe về trạng thái quay vòng đúng, đảm bảo đúng quỹ đạo chuyển động mong muốn (Hình 1.19) Do hiệu quả tăng tính năng an toàn chuyển động của ô tô, các nước Mỹ, Canada, EU đã quy định coi đây

là một trong các hệ thống tiêu chuẩn của các xe sản xuất từ năm 2012 Tên gọi của hệ thống

29

-là không thống nhất, mỗi nhà sản xuất lại đặt tên hệ thống này theo cách riêng Ví dụ với hãng Toyota, tên hệ thống là VSC, với hãng BMW, tên gọi tắt của hệ thống là DSC, hãng Ford đặt tên ESP

Hình 1.18: Sơ đồ hệ thống VSC

Hình 1.19: Nguyên lý hoạt động của hệ thống VSC

Đặc điểm chẩn đoán phát hiện lỗi trong hệ thống VSC

Hệ thống VSC là hệ thống có ĐKĐT, các lỗi xảy ra có thể có nguyên nhân từ phần ĐKĐT như lỗi các cảm biến, mạch truyền dẫn tín hiệu, các cơ cấu chấp hành van điện

30

-từ cũng có thể do các nguyên nhân từ các phần cơ khí như áp suất lốp không đều, lỗi trong

hệ thống treo trước, sau Đặc biệt trạng thái lỗi của hệ thống còn liên quan đến quan hệ giữa các thông số vận tốc xe, góc quay bánh xe dẫn hướng với các thông số gia tốc ngang, tốc độ góc quay thân xe Mối liên hệ này là phi tuyến Từ các phân tích trên cho thấy việc chẩn đoán TTKT, phát hiện lỗi trong hệ thống VSC không thể thực hiện bằng các phương pháp

chẩn đoán hệ thống cơ khí thông thường

Việc xây dựng mô hình chẩn đoán lỗi cho hệ thống VSC sẽ cung cấp cho ta phương pháp chung để chẩn đoán TTKT, phát hiện lỗi trong các hệ thống có ĐKĐT khác trên ô tô

Một số công trình ở nước ngoài nghiên cứu chẩn đoán bằng logic mờ

Các công trình nghiên cứu về lý thuyết chẩn đoán các hệ thống kỹ thuật (có điều khiển điện tử) được phát triển từ những năm 90 của thế kỷ trước Chủ đề các nghiên cứu về chẩn đoán kỹ thuật rất đa dạng: về lý thuyết chẩn đoán chung, về xây dựng các mô hình chẩn đoán, các vấn đề liên quan đến lĩnh vực phi tuyến của mô hình chẩn đoán, các phương pháp

chẩn đoán với đối tượng cụ thể

Các tác giả J Gertler với công trình [19], R J Patton, P M Frank, R N Clark với công trình [39] đã đặt nền móng, trình bày các khái niệm cơ bản của lý thuyết chẩn đoán kỹ thuật (phân loại các lỗi, khái niệm lượng sai lệch - Residual)

Các tác giả Ding SX với công trình [12], Isermann R với các công trình [16,17,18]

đã nghiên cứu phân tích các phương pháp phát hiện và chẩn đoán lỗi cho các hệ thống có điều khiển điện tử Phương pháp chẩn đoán lỗi trên cơ sở mô hình toán học được nghiên cứu cùng các phương pháp ước lượng tham số và xây dựng các bộ quan sát để phát hiện lỗi cho trường hợp hệ thống tuyến tính và phi tuyến [17, 19] Trong luận án, NCS đã sử dụng các khái niệm về lỗi, nguyên lý chẩn đoán lỗi trên cơ sở mô hình từ các tài liệu kinh điển này

Các tác giả J Korbicz [21], R J Patton [39, 40] M Witczak [30] nghiên cứu về các phương pháp tính toán mềm (mô hình tri thức) ứng dụng trong lĩnh vực kỹ thuật nói chung

và riêng trong hệ thống chẩn đoán lỗi Tác giả Zadeh L.A (1965) là người đầu tiên trình bày

về khái niệm tập mờ và đặt nền móng cho lý thuyết tập mờ với các công trình "Fuzzy Sets" [50], "Fuzzy sets, Fuzzy logic, Fuzzy systems" (1996) Phát triển các ứng dụng của lý thuyết

mờ, các tác giả T Takagi, M Sugeno phát triển hệ thống logic mờ Takagi-sugeno [47] có khả năng mô tả các quá trình phi tuyến và thuận lợi cho giải quyết các bài toán điều khiển cũng như chẩn đoán Các kiến thức về tập mờ, hệ suy diễn mờ T-S của các tác giả trên được

sử dụng làm các kiến thức cơ sở cho việc nghiên cứu xây dựng mô hình chẩn đoán mờ cho

hệ thống có ĐKĐT trên ô tô của tác giả luận án

Các công cụ toán học LMI [27] sử dụng trong xây dựng bộ quan sát trạng thái cho các trường hợp đầu vào không rõ (UIO), hoặc hệ thống bị ảnh hưởng của các nhiễu ngẫu