基于概率图模型的电动汽车系统可靠性分析关键技术研究

System reliability analysis (SRA) is a core support technique of many applications in the entire product lifecycle of electric vehicle (EV). However, the large-scale industrialization needs an accurate SRA due to the features of complexity, coupling and unknown noise of an EV. Besides component failure, the latent failure of electrical motor, electrical control and other subsystems is more originated from the uncertain dependency between components and the uncertain logical structures of failure. Therefore, this research puts forward such a new idea: in the theoretical framework of probabilistic graphical model, the logical structures of failure are constructed proactively; SRA and fault diagnosis are converted to the problems of learning and inference with uncertainty. Accordingly, this research intends to study the key technologies of the proactive SRA as follows: (1) the representation technique of SRA for EVs based on probabilistic graphical model; (2) the proactive construction of EV system failure's logical structure based on machine learning; (3) the mechanism of uncertainty propagation in an EV system and the fast inference technique in the proposed SRA representation. On this basis, an SRA platform will be developed and used to verify the proposed methods and techniques. Theoretical and technical progress is expected and will play an active role in the research on applications in the product lifecycle of EV and of other complex mechatronic systems.

系统可靠性分析是整个电动汽车产品周期中众多应用的核心支撑技术。由于复杂、耦合和未知噪声等特点，电动汽车产业化需要更精准的系统可靠性分析方法。除了组件的失效，电机、电控等系统的失效隐患更多来自于组件之间不确定的关联性和失效逻辑结构。因此本项目提出主动地构建失效逻辑结构的新思路，以概率图模型为理论框架，将系统可靠性分析与故障诊断等转换为不确定信息下学习和推理的问题。据此，本申请拟研究以下主动式系统可靠性分析的关键技术：(1)研究基于概率图模型的电动汽车系统可靠性表示技术；(2)研究基于机器学习的主动构建电动汽车系统失效逻辑结构的方法；(3)研究电动汽车系统中不确定性传递的机理以及在表示模型中快速推理的技术。在此基础上，研制一套系统可靠性分析系统，对提出的理论方法和技术方案进行验证和评估。预期在上述各方面获得理论和技术进展，对电动汽车等复杂机电产品周期中各种应用的研究起到积极的推动作用。

电动汽车企业只有从研发到消费的整个产品周期里考虑可靠性相关问题，才能凝聚我国电动汽车产品的核心竞争力，实现自主品牌战略。其中系统可靠性分析又是整个电动汽车产品周期众多应用的核心支撑技术。本项目提出解决电动汽车等复杂系统可靠性分析问题的一个新思路，即以概率图模型为理论框架统一考虑非参数可靠性表示模型和不确定结构函数，将系统可靠性分析转换为不确定信息下概率图模型的学习与推理问题。在概率图模型和贝叶斯统计等理论的指导下，项目研究了电动汽车产品周期中系统可靠性分析的三大技术。分别在以下几方面取得了预期进展。（1）提出了一种基于概率图模型的系统可靠性表示技术，该技术使用数据驱动、不受分布类型约束的组件非参数寿命模型，实现了贝叶斯网络和马尔可夫随机场等网络中节点关联函数的统一。统一的模型便于整合非同源、非同级或异类的可靠性数据，非参数寿命模型可以避免主观假设从而具有较高的鲁棒性。（2）基于机器学习的主动构建系统失效逻辑结构的方法，该方法能主动地从系统失效的历史数据中学习逻辑结构。该方法可以减少专家定义系统失效逻辑结构的工作量，减少由专家主观定义带来的片面性，且可以适应由运行模式变化等引起的结构变化，这一创新点也有助于非专家人员快速地对系统可靠性进行分析并诊断故障。（3）提出了一种适合上述表示模型的快速推理的方法，该方法有助于本研究所提出技术方案的应用和推广。（4）研制了一套基于CAN总线和蓝牙技术的移动数据采集系统，使用采集数据对提出的理论方法和技术方案进行了验证，表明了提出方法、技术的有效性。本研究所提出的方案方法是对复杂机电系统可靠性分析的探索，对于复杂机电产品的设计、生产、测试、维护等多个致力于提升产品质量的领域具有重要的理论和实际应用价值。