Luận án tiến sĩ xây dựng mô hình chẩn đoán trạng thái kỹ thuật hệ thống VSC trên ô tô (tt)

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

TRẦN QUANG HÀ

XÂY DỰNG MÔ HÌNH CHẨN ĐOÁN TRẠNG THÁI KỸ
THUẬT HỆ THỐNG VSC TRÊN Ô TÔ

Chuyên ngành: Kỹ thuật Cơ khí động lực
Mã số: 62520116

TÓM TẮT LUẬN ÁN TIẾN SĨ
KỸ THUẬT CƠ KHÍ ĐỘNG LỰC

Hà Nội - 2017


Công trình được hoàn thành tại:
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Người hướng dẫn khoa học:
1. PGS.TS Phạm Hữu Nam
2. TS Chu Mạnh Hùng

Phản biện 1: PGS.TS Nguyễn Văn Tần
Phản biện 2: PGS.TS Đào Mạnh Hùng
Phản biện 3: PGS.TS Lê Văn Học

Luận án được bảo vệ trước Hội đồng đánh giá luận án tiến sĩ
cấp Trường họp tại Trường Đại học Bách khoa Hà Nội.
Vào hồi ……. giờ, ngày …….. tháng ……… năm ……..

Có thể tìm hiểu luận án tại thư viện:
1. Thư viện Tạ Quang Bửu - Trường ĐHBK Hà Nội
2. Thư viện Quốc gia Việt Nam


MỞ ĐẦU
1. Tính cấp thiết của đề tài
Số lượng và chủng loại xe ô tô hiện đại chiếm tỷ lệ lớn trong số các xe ô tô sử
dụng trong nước hiện nay.Trên ô tô hiện đại, các hệ thống có ĐKĐT lại thường là các
hệ thống chính của xe (như hệ thống cấp nhiên liệu cho động cơ, hệ thống đảm bảo an
toàn chuyển động (hệ thống phanh, hệ thống lái)…Do cấu trúc các hệ thống có
ĐKĐT phức tạp hơn nhiều so với các hệ thống thuần cơ khí trên ô tô trước đây, thêm
nữa, các lỗi xảy ra trong hệ thống lại thường tập trung vào phần “điều khiển điện tử”
nên chẩn đoán TTKT các hệ thống có ĐKĐT khác với các hệ thống thuần cơ khí (trên
các ô tô thế hệ cũ) là phải có thêm chẩn đoán TTKT của phần điều khiển điện tử.
Phần chẩn đoán này là khâu rất quan trọng và thường phải thực hiện trước tiên trong
quy trình chẩn đoán kỹ thuật, sửa chữa xe. Các phương pháp sử dụng trong chẩn đoán
các hệ điều khiển điện tử trên ô tô chưa được nghiên cứu nhiều nên việc nghiên cứu
xây dựng mô hình chẩn đoán phát hiện lỗi trong các hệ thống có ĐKĐT trên ô tô là
rất cần thiết để có thể làm cơ sở khoa học cho việc chủ động thiết kế chế tạo các hệ
thống chẩn đoán của công nghiệp ô tô trong nước thay vì bị động mua, cũng như khai
thác các thiết bị chẩn đoán nhập ngoại.
2. Nội dung nghiên cứu
Nghiên cứu lý thuyết: phân tích lựa chọn phương pháp chẩn đoán phát hiện lỗi
các hệ thống có ĐKĐT trên ô tô; nghiên cứu cơ sở khoa học của sử dụng logic mờ
Takagi-Sugeno (T-S) trong mô tả các hệ thống có ĐKĐT trên ô tô; Xây dựng mô hình
chẩn đoán phát hiện lỗi các hệ thống có điều khiển điện tử bằng mờ T-S.
Nghiên cứu thực nghiệm: tiến hành thử nghiệm đánh giá TTKT của hệ thống
VSC trên xe Toyota Camry thông qua các trị số đo của các cảm biến của hệ thống:

cảm biến góc quay vành lái, cảm biến gia tốc bên, tốc độ góc quay thân xe và tốc độ
chuyển động của ô tô trên đường vòng.
3. Ý nghĩa khoa học và thực tiễn
- 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 nghệp 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

-1-


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.
4. 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, giảm được khối lượng và thời gian tiến hành thu thập các số
liệu thống kê, kinh nghiệm về các lỗi, các TTKT khác nhau của hệ thống trong quá
trình sử dụng.
Sử dụng bộ quan sát mờ cho phép mô tả hệ thống hiệu quả hơn trong trường
hợp hệ thống phi tuyến, các dữ liệu không được đầy đủ hoặc phải quan sát từ thực
nghiệm. Đặc biệt trong luận án sử dụng công cụ hệ mờ T-S. Công cụ này cho phép kết
hợp sử dụng các quan hệ vật lý đã biết về hệ thống VSC (biểu diễn quan hệ toán học
giữa các thông số) 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.
5. Cấu trúc của luận án
Luận án bao gồm 113 trang, phần mở đầu (4 trang); chương 1. Tổng quan vấn
đề nghiên cứu (32 trang); chương 2. Cơ sở lý thuyết để xây dựng mô hình chẩn đoán
phát hiện lỗi bằng mờ Takagi-Sugeno (21 trang); chương 3. Xây dựng mô hình để
chẩn đoán phát hiện trạng thái làm việc có lỗi của hệ thống VSC trên xe TOYOTA
Camry (29 trang); Chương 4. Nghiên cứu thực nghiệm (26 trang); Kết luận chung và
các kiến nghị (1 trang).
Các tài liệu tham khảo được sử dụng trong luận án (53 tài liệu). Danh mục các
công trình NCKH và bài báo liên quan đến nội dung luận án đã công bố (5 công trình);
Phần các phụ lục (4 phụ lục) Các bảng biểu (13) và đồ thị hình vẽ (115).
CHƯƠNG 1. TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
1.1. Đặc điểm chẩn đoán TTKT các hệ thống có ĐKĐT trên ô tô
Chẩn đoán TTKT là phương pháp sử dụng các cảm biến, trang thiết bị đo các
thông số làm việc của hệ thống để đánh giá TTKT mà không làm gián đoạn sự làm
việc. Nhiệm vụ đầu tiên của chẩn đoán là xác định thống làm việc bình thường hay có
xuất hiện lỗi. Phát hiện hệ thống có lỗi là bước đầu tiên của chẩn đoán, bước tiếp theo
là xác định vị trí, nguyên nhân gây ra lỗi.

Để đánh giá TTKT của ô tô có trang bị ĐKĐT thì phương pháp tối ưu là sử
dụng ngay các cảm biến có sẵn của hệ thống trên xe 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 mà không
làm gián đoạn sự làm việc của hệ thống. Tính ưu việt của phương pháp này là 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 là khách quan.
1.2. Phân tích các phương pháp phát hiện lỗi trong hệ thống có ĐKĐT
- 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

-2-


thường hay có lỗi.
- Công việc 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.
+ 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.
- Phân tích chọn phương pháp phát hiện lỗi trong hệ thống có ĐKĐT
Để phát hiện lỗi, cần tính toán và đánh giá lượng sai lệch r giữa trị số của các
thông số làm việc hiện thời của hệ thống so với các thông 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].

Trong các hệ thống kỹ thuật hiện đại (như trên
ô tô), các hệ thống điều khiển điện tử được sử
dụng phổ biến, trên cơ sở phân tích vai trò các
tín hiệu của cảm biến và cơ cấu chấp hành
trong hệ thống ĐKĐT, chọn phương pháp chẩn
đoán phát hiện lỗi trên cơ sở mô hình là hợp lý,
hiệu quả và tiết kiệm. Mô hình lý thuyết mô tả
hệ thống thực sử dụng trong hệ thống chẩn
đoán 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).
Sử dụng mô hình toán học mô tả hệ
thống có các ưu điểm cơ bản là biểu diễn các thành phần của hệ thống một cách rõ
ràng, tường minh. Tuy nhiên, trong thực tế, có nhiều yếu tố ảnh hưởng khiến cho 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, các sai số chế tạo cho phép...
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. Sơ đồ cấu trúc của mờ trình bày trên
Hình 1.13.
Có hai hệ suy diễn tiêu biểu là hệ suy diễn Mamdani và hệ suy diễn TakagiSugeno (T-S). Trong đó hệ suy diễn TS được sử dụng rộng rãi trong kỹ thuật
nhận dạng, điều khiển và chẩn đoán do
đặc điểm <mệnh đề kết quả> của luật
IF.. THEN được biểu diễn dưới dạng
hàm số bậc nhất của các biến đầu vào
và ra:

-3-


Luật i : IF x=A và y=B THEN z=f(x,y)
(1.7)
A v B l cỏc tp m trong mnh iu kin, f(x,y) l hm ca cỏc bin vo
x v y. Vi phng phỏp chn oỏn trờn c s mụ hỡnh, vic ỏnh giỏ TTKT mt h
thng l bỡnh thng hay cú li c cn c vo tr s lng sai lch r (hỡnh 1.13)
c biu din di dng toỏn hc nh sau:
=
r 0 hoặc (r J th ) thì hệ thống không lỗi
r= y y *
(1.8)

r >0 hoặc (r > J th ) thì hệ thống có lỗi

Cỏc giỏ tr sai lch r > 0 (hoc r >J th ) gia tớn hiu ra o c (y) ca h thng
thc t v tớn hiu ra tớnh toỏn y* s ch th v xut hin trng thỏi li.
hiu chnh cỏc thụng s ca mụ hỡnh, b sung cỏc thnh phn phn ỏnh
nh hng cỏc nhiu, cỏc yu t khụng o c ngi ta ó s dng nhiu phng
phỏp (cụng c toỏn hc) nh phng phỏp c lng tham s (Parameter Estimation),
phng phỏp quan sỏt v c lng trng thỏi
(State Observers) hoc cỏc quan h tng ng
(Parity Relations). Trong lun ỏn ny, NCS ó s
dng phng phỏp quan sỏt v c lng trng
thỏi phỏt hin li khi ó bit cu trỳc ca h
thng thc.
H thng ng hc tuyn tớnh c mụ t di dng khụng gian trng thỏi:
x (t ) Ax (t ) + Bu(t )

=

y(t ) = Cx (t )

õy x l bin trng thỏi, vi cỏc cu trỳc v tham s A, B, C ca mụ hỡnh h
thng l ó bit, (trong cụng thc (1.9), thnh phn D c b qua nhm phõn tớch cu
trỳc chung ca b quan sỏt m khụng lm nh hng n tớnh tng quỏt chung). Cu
trỳc b quan sỏt trng thỏi trờn Hỡnh 1.16 trờn c s cỏc bin vo, bin ra o c cú
dng:
x = Ax + L( y Cx ) + Bu
Trong ú x Rn l vộc t trng thỏi c c lng, LR l h s ca b
quan sỏt (observer gain). Kt hp 2 phng trỡnh (1.9 v 1.10) tớnh c sai s c
lng e= x x v thu c phng trỡnh vi phõn ca sai s e:
=
e ( A LC )e
Theo lý thuyt ma trn [49,
25] nu tt c cỏc giỏ tr riờng ca ma
trn [A-LC] l xỏc nh thỡ sai s e s
tim cn ti 0 v x x . Nh vy, vic
tớnh toỏn thit k b quan sỏt a v
vic xỏc nh h s L. Cú nhiu
phng phỏp xỏc nh L, thng s
dng l phng phỏp i cc (pole
placement) hoc phng phỏp LQR
(Linear Quadratic Regulator) [25].
Hỡnh 1.17 trỡnh by s ghộp ni song song gia b quan sỏt vi h thng
thc.Nu mụ hỡnh mụ t h thng l chớnh xỏc, giỏ tr tớnh toỏn ca bin x s bng giỏ

-4-

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- xˆ ) 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: r= y − yˆ
Bộ quan sát trạng thái là công cụ toán học được ứng dụng nhằm xấp xỉ tốt nhất
giá trị đầu ra từ bộ quan sát với giá trị đầu ra đo được từ hệ thống thực. Bộ quan sát
được thiết kế để mô tả hệ thống thực trong trường hợp có xét đến ảnh hưởng các nhiễu
cũng như các thông tin đầu vào bị thiếu. 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 (mô hình con)
trong hệ suy diễn T-S chung.
1.3. Hệ thống VSC trên ô tô
- 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, trường hợp 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.

- 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 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.
1.4. Một số công trình nghiên cứu trong lĩnh vực chẩn đoán
* Một số công trình ở nước ngoài nghiên cứu chẩn đoán bằng logic mờ
- Các nghiên cứu của J. Gertler [19], R. J. Patton, P. M. Frank, R. N. Clark [39]
đã đặt nền móng, trình bày các khái niệm cơ bản của lý thuyết chẩn đoán kỹ thuật

-5-


(phân loại các lỗi, khái niệm lượng sai lệch - Residual).
- Các nghiên cứu của Ding SX. [12], Isermann R. [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.
Về ứng dụng lý thuyết mờ trong điều khiển và chẩn đoán TTKT ô tô: Các tác
giả D. Ichalal, Benoit M. Isemann [16] công bố công trình nghiên cứu về sử dụng mô
hình TS để chẩn đoán lỗi các cảm biến. Trong các nghiên cứu này đã đưa ra phương
pháp xây dựng mô hình toán học biểu diễn các lỗi của cảm biến và cơ cấu chấp hành

trong HT có ĐKĐT; Các công trình nghiên cứu chẩn đoán lỗi các hệ thống ĐKĐT
trên động cơ bằng các mô hình khác nhau: mô hình Mamdani, hệ suy diễn kết hợp
mạng nơ ron. ; Các tác giả Zahedi E., Gahraveis A.A. trong công trình [51] công bố
các kết quả ứng dụng mô hình chẩn đoán mờ TS để chẩn đoán lỗi hệ thống phanh
ABS. Trong đó tác giả chưa xét được ảnh hưởng của điều kiện chuyển động, các nhiễu
từ mặt đường ảnh hưởng đến quá trình phanh.
Về chẩn đoán lỗi trong hộp số tự động: các tác giả M.Shahab, M. Moavenian
dùng hệ suy diễn T-S xây dựng trên các dữ liệu thống kê; các tácgiả Mo Lian Guang,
Xie Zheng nghiên cứu chẩn doán lỗi hộp số tự động bằng mô hình mạng nơ ron.
* Các công trình nghiên cứu ứng dụng lý thuyết mờ ở Việt Nam
Sử dụng hệ thống logic mờ để giải quyết các bài toán điều khiển, dự báo và
chẩn đoán trong lĩnh vực y tế, thủy lợi, truyền tải điện [1, 8]. Các công trình nghiên
cứu ứng dụng logic mờ Mamdani trong chẩn đoán TTKT động cơ, hệ thống phanh ô
tô, hệ thống treo. Trong lĩnh vực nông lâm nghiệp, tác giả Phạm Văn Lang và cộng sự
đã "Nghiên cứu phương pháp tập mờ đánh giá chất lượng thiết kế - chế tạo nhà lưới
trồng rau, hoa, cây giống" bằng mô hình suy diễn mờ Mamdani; tác giả Đào Chí
Cường trong công trình "Nghiên cứu xây dựng CSDL cho hệ thống chẩn đoán động cơ
diesel dùng trong nông nghiệp, nông thôn Việt Nam" (Luận án TSKT 2011) đã sử
dụng mờ Mamdani để chẩn đoán lỗi phát hiện hư hỏng cho động cơ; tác giả Lê Hùng
Lân và cộng sự nghiên cứu "Tổng hợp điều khiển thích nghi cho hệ thống chống bó
cứng bánh xe ô tô khi phanh trên cơ sở hệ suy diễn" (Tạp chí KH GTVT số 21, trang
72-80). Một số đề tài nghiên cứu chẩn đoán hư hỏng trong hệ thống phanh khí nén trên
ô tô tải dùng logic mờ Mamdani đã được ứng dụng trong công tác sửa chữa trong
nước...Trong khi đó, trên các ô tô hiện đại, theo các thông tin giới thiệu của các hãng
sản xuất, rất nhiều hệ thống như phanh ABS, hệ thống treo điện tử, hệ thống phun
xăng và đánh lửa trên động cơ, điều khiển hộp số tự động đều sử dụng bộ điều khiển
mờ (Fuzzy controller) [10,11]. Trong các hệ thống đó, ngoài chức năng điều khiển còn
tích hợp cả chức năng tự chẩn đoán TTKT và phát hiện hư hỏng.
1.5. Lựa chọn đề tài và mục tiêu nghiên cứu của luận án
Từ các phân tích trên, xuất phát từ nhu cầu xây dựng phương pháp luận cho

chẩn đoán TTKT các hệ thống có ĐKĐT trên ô tô hiện đại làm cơ sở ứng dụng, khai
thác, thiết kế các hệ thống chẩn đoán các hệ thống của ô tô trong nước, NCS đã chọn
đề tài nghiên cứu của luận văn là:
“Xây dựng mô hình chẩn đoán trạng thái kỹ thuật hệ thống VSCtrên ô tô”
Các mục tiêu nghiên cứu cụ thể của luận án gồm có:
1. Nghiên cứu phương pháp chẩn đoán TTKT phát hiện trạng thái làm việc có

-6-


lỗi của các hệ thống có ĐKĐT trên ô tô.
2. Nghiên cứu cơ sở lý thuyết của việc chẩn đoán phát hiện trạng thái lỗi của
các hệ thống có ĐKĐT trên ô tô bằng hệ suy diễn mờ Takagi-Sugeno, bao gồm việc
thiết kế bộ quan sát mờ đối với hệ thống được chẩn đoán và phát hiện trạng thái làm
việc có lỗi của hệ thống thông qua lượng sai lệch giữa trị số đầu ra của bộ quan sát với
trị số đầu ra đo từ hệ thống thực.
3. Xây dựng mô hình chẩn đoán trạng thái làm việc có lỗi của hệ thống VSC
xe Toyota Camry trên cơ sở hệ suy diễn mờ Takagi-Sugeno.
4. Thử nghiệm đánh giá hiệu quả của hệ thống chẩn đoán mờ. Thiết kế chế
tạo bộ thu thập dữ liệu từ ECU trên ô tô để phục vụ cho chẩn đoán phát hiện lỗi hệ
thống VSC trên xe Toyota Camry.
1.6. Kết luận chương 1
Từ các kết quả nghiên cứu và phân tích trong Chương 1, có thể rút ra một số
kết luận sau:
- Đối với các hệ thống có ĐKĐT, NCS định hướng sử dụng phương pháp
chẩn đoán trên cơ sở mô hình. Phương pháp chẩn đoán này hiệu quả và tiết kiệm vì
các lý do:
+ Sử dụng các thông số chẩn đoán trực tiếp trạng thái làm việc của hệ thống
vì vậy đánh giá TTKT hệ thống chính xác, hiệu quả.
+ Để đo đạc các thông số chẩn đoán, không cần bố trí lắp đặt các thiết bi, cảm

biến đo lường mới mà có thể sử dụng ngay tín hiệu ra của các cảm biến trong mạch
ĐKĐT của hệ thống nên vừa tiết kiệm chi phí, thời gian thao tác chẩn đoán.
- NCS chọn phương pháp sử dụng mờ Takagi Sugeno để mô tả hệ thống.
Phương pháp này đã kết hợp được ưu điểm của mô hình toán học (sử dụng các hàm
biểu diễn quan hệ vật lý giữa các yếu tố trong hệ thống, giảm bớt khối lượng thống kê
dữ liệu) với các ưu điểm của mờ T-S (mô tả hệ phi tuyến bằng tập hợp các mô hình
tuyến tính địa phương).
- Quá trình chẩn đoán TTKT gồm hai giai đoạn: phát hiện trạng thái làm việc
có lỗi của hệ thống và xác định vị trí, nguyên nhân gây ra lỗi để khắc phục. Với khuôn
khổ luận án, NCS tập trung nghiên cứu vào phương pháp phát hiện trạng thái làm việc
có lỗi và xây dựng mô hình phát hiện lỗi của hệ thống VSC trên xe Toyota Camry.
- Trên các ô tô hiện đại, khi tiến hành chẩn đoán TTKT, việc đầu tiên phải
làm là chẩn đoán phần ĐKĐT. Mô hình chẩn đoán phát hiện lỗi mà NCS nghiên cứu
được sử dụng trong công việc này. Tuy nhiên, mô hình chẩn đoán phát hiện lỗi này
không có ý nghĩa hoàn toàn thay thế cho các phần chẩn đoán cơ khí thông thường mà
có ý nghĩa bổ sung, hỗ trợ thêm cho công tác chẩn đoán các hệ thống trên ô tô nói
chung.
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT ĐỂ XÂY DỰNG CHẨN ĐOÁN PHÁT
HIỆN LỐI BẰNG HỆ SUY DIỄN MỜ TAKAGI-SUGENO
Lý thuyết mờ nhằm kết hợp hai loại thông tin (các tín hiệu từ các cảm biến và
các kiến thức chuyên môn về hệ thống) vào trong thiết kế, điều khiển hệ thống kỹ
thuật. Nghiên cứu ứng dụng hệ suy diễn mờ để xây dựng mô hình chẩn đoán lỗi là một
trong số mục tiêu chính của luận án, vì vậy cần phải tìm hiểu các đặc điểm, phương
pháp xây dựng và cơ chế vận hành của hệ suy diễn mờ đặc biệt là hệ mờ TakagiSugeno được dùng để xây dựng mô hình chẩn đoán các hệ thống có ĐKĐT trên ô tô
2.1. Hệ suy diễn mờ

-7-


Hình 2.1 trình bày sơ đồ khối hệ suy diễn mờ bao gồm bốn khối chức năng: khối mờ

hóa đầu vào, khối cơ sở tri thức, khối suy diễn logic và khối giải mờ đầu ra.
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); khối giải mờ đầu ra làm nhiệm vụ
chuyển đổi các tín hiệu ra từ IE (có giá trị mờ) sang miền giá trị rõ.
2.2. Hệ suy diễn mờ T-S
Trong quá trình ứng dụng các
hệ suy diễn mờ vào trong lĩnh vực điều
khiển các hệ thống kỹ thuật công
nghiệp, tác giả Takagi và Sugeno
(1975) đề xuất cấu trúc luật mờ cơ sở
có dạng đầu ra không phải là biến mờ
mà thay bằng hàm số bậc nhất của các
biến đầu vào. Đặc điểm của hệ thống
suy diễn này là kết quả đầu ra của các
luật cơ sở có giá trị rõ dưới dạng hàm số của các biến đầu vào và đầu ra. Ví dụ với hai
biến mờ đầu vào x và y; biến mờ đầu ra z với hai luật cơ sở có dạng tổng quát là:
: IF x A=
(2.5)
Luật ℜ i=
Bi THEN

zi f ( x , y )
=
i và y
Trong đó: A i và B i là các tập mờ trong mệnh đề điều kiện; f(x,y) là hàm của
các biến vào x và y. Kết quả đầu ra là hàm rõ z = px + qy + r với p, q, r là các hằng số
xác định. Khi f là hằng, mô hình FIS T-S gọi là mô hình bậc 0; trị số của biến z ở đầu
ra của mô hình được tính trên cơ sở phương pháp giải mờ điểm trọng tâm:
w z + w2 z2
z= 1 1
w1 + w2
Trong đó w i là các trọng số, được xác định:
w1 = min( µ A1 ( x ).µ B1 ( y))

w2 = min( µ A2 ( x ).µ B2 ( y))
Ưu điểm cơ bản của hệ suy diễn mờ T-S là ở chỗ: kết quả đầu ra của mỗi luật
là hàm bậc nhất nên mô hình T-S thực chất là tổ hợp của các mô hình tuyến tính địa
phương. Với tính chất đó, ứng dụng của mô hình T-S vào lĩnh vực có sử dụng các kỹ
thuật tuyến tính như nhận dạng, mô tả các hệ thống kỹ thuật phức tạp với mục đích
điều khiển và chẩn đoán lỗi, điều khiển hệ thống kỹ thuật (ví dụ điều khiển PID, bộ
quan sát trạng thái, tính ước lượng tham số) là rất thuận lợi.
2.3. Xây dựng hệ suy diễn mờ T-S để mô tả hệ thống kỹ thuật

-8-


Để xây dựng hệ suy diễn T-S, trong trường hợp này thì việc biểu diễn hệ thống
bằng không gian trạng thái là hợp lý do có các ưu điểm: (1) Phương trình biểu diễn là
bậc nhất, phù hợp với cấu trúc đầu ra của luật mờ T-S; (2) việc lựa chọn các biến vào,
biến ra, biến trạng thái phù hợp với khả năng đo được (quan sát được) của các biến
trong các mô hình chẩn đoán.

Một hệ thống động lực tổng quát biểu diễn trong không gian trạng thái có dạng:
x(t) Ax(t) + Bu(t)
=

=
 y(t) Cx(t) + Du(t)

Trong đó, x(t) ∈Rn là véc tơ các biến trạng thái; u(t) ∈ Rm là véc tơ các biến vào;
y(t)∈Rm là véc tơ các biến đầu ra, A∈Rn×n, B, D∈Rnxm và C∈Rmxn là ma trận các hệ số.
Nguyên lý chung để xây dựng hệ suy diễn T-S là phân chia hệ thống thực thành
tập hợp các mô hình tuyến tính địa phương bằng cách chọn biến mờ cơ sở (tên biến và
khoảng biến thiên của biến) và các hàm liên thuộc tương ứng với mỗi biến mờ cơ sở;
sau đó tiến hành xây dựng tập các luật mờ T-S để mô tả mỗi mô hình địa phương.
Luật mờ cơ sở thứ i có dạng:
ℜi : IF z1 (t ) is Mi1 and...and zθ (t ) is Miθ THEN x (t ) =
Ai x (t ) + Bi u(t )
Trong đó: z j (t) là các biến mờ cơ sở, M ij là các tập mờ với i = 1,.., p; j = 1,.., θ ;
x(t), u(t) lần lượt là véc tơ của các biến quan sát và véc tơ các biến vào; A i và B i là ma
trận các hệ số của mô hình thứ i. Biến mờ cơ sở z j (t) có thể là hàm của các biến trạng
thái đo được, các nhiễu ngoài hoặc là biến thời gian.
Ứng với mỗi cặp giá trị [x(t),u(t),z(t)], giá trị rõ ở kết quả đầu ra của hệ suy diễn
được tính toán thông qua việc giải mờ đầu ra bằng phương pháp điểm trọng tâm:
p

=
 x(t ) ∑ µi ( z (t )) [ Ai x(t ) + Bi u (t ) ]
i =1


θ

hi ( z (t ))

=
, hi ( z (t )) ∏ M ij ( z (t ))
p
 µi ( z (t )) =
j =1

hi ( z (t ))
∑

i =1


Viết lại phương trình (2.10) dưới dạng:
θ

ku

xi ( t ) =
1,...,n
∑ fij (zi (t))x j ( t ) + ∑ gik (zi (t))uk ( t )? for i =

=j 1 =
k 1

Trong đó, n và k u tương ứng là số lượng biến trạng thái và biến đầu vào; x i (t),
u k (t) là các biến trạng thái và biến đầu vào; f ij (z(t)) và g ik (z(t)) là các hàm của z(t), với
z(t) = [z j (t)...z θ (t)] là các biến mờ cơ sở.
Đặt các ký hiệu:

{

}

{

}

aij1 ≡ max f ij (z(t)) , aij 2 ≡ min f ij (z(t))

z(t)
z(t)

g ik (z(t))} , bik 2 ≡ min { g ik (z(t))}
{
bik1 ≡ max
z(t)
z(t)


Tiếp tục biến đổi để viết lại (2.15) dưới dạng ma trận:
n

θ

n

2

xi ( t )
=

∑∑ ∑ h

=

∑∑ ∑ h

a
ijl(i,
j)

ku

2

(z(t))aijl a U ijA x( t ) + ∑∑ ∑ vikl b (z(t))bikl b U ikB u( t )

(i, j)
a
b
k 1 l(i,k)
=i 1 =j 1 l(i,
=i 1 =
=
1
j) 1 =

n

θ

=i 1 =j 1

2

a
l(i,
j)=1

a
ijl(i,
j)

n

ku

(i,k)

(i,k)

2

(z(t))Aijl a x( t ) + ∑∑ ∑ vikl b (z(t))Bikl l u( t )
(i, j)

k 1
=i 1 =

b
l(i,k
)=1

-9-

(i,k)

(i,k)


Với:

Aijl a

(i, j)

0


0

= 0

0


0

 0


0


 0
0
 0 aijl a

(i, j)

 0

 0

0

0

0  0



0  0

0  0

0  0




0  0 

;

Biklb

(i,k)

0


0

= 0

0


0

 0


0


 0
0

 0 biklb

(i,k)

 0

 0

0

0

0  0



0  0

0  0

0  0



0  0 

Các phương trình 2.18 đến 2.20 để xây dựng các mô hình tuyến tính địa phương
thành phần của hệ mờ T-S mô tả hệ thống được chẩn đoán.
Hệ phương trình trạng thái (2.13) mô tả hệ thống trong trường hợp biết các thông
số cấu trúc, các biến đầu vào, ra của hệ thống là đo được đầy đủ. Tuy nhiên, trong

thực tế, các biến đầu vào của hệ thống thực có nhiều trường hợp không đo được hoặc
đo không chính xác. Để giảm bớt sai lệch do thiếu thông tin của các biến đầu vào,
trong phương trình (2.13) cần được bổ sung thành phần đại diện cho các đại lượng đầu
vào không đo được:
 x (t ) = Ax(t ) + Bu (t ) + Eu du (t )

 y (t ) = Cx(t ) + Du (t ) + Fu du (t )

Với d u (t) là hàm biến đổi theo thời gian bổ sung cho lượng biến đầu vào không
đo được và E u là ma trận phân phối. Như vậy, trong thành phần của hàm du(t) cần chú
ý đến các thành phần đầu vào không đo được, các nhiễu và sai số cho phép lớn nhất
của các tín hiệu đầu vào.
2.4. Xây dựng bộ quan sát
Với mục đích làm cho sai lệch giữa các trị số
đo ở đầu ra của hệ thống thực và trị số tính toán từ đầu
ra của mô hình mô tả hệ thống là bằng không (hoặc
không vượt quá giá trị ngưỡng J th ) trong trường hợp
hệ thống không lỗi, NCS đã sử dụng công cụ bộ quan
sát UIO trên cơ sở tham khảo phương pháp thiết kế bộ
quan sát UIO cho hệ thống tuyến tính.
Với mô hình đầu vào không rõ (2.21), cấu
trúc của bộ quan sát UIO có dạng:
 z (t ) =Fz (t ) + TBu (t ) + Ky (t )

t ) z (t ) + Hy (t )
 xˆ(=

Trong đó xˆ ∈Rn×1 là véc tơ trạng thái của bộ quan sát UIO, T, K, H là các ma
trận của UIO với kích thước Rn×n.
Ký hiệu e là véc tơ sai số giữa biến trạng thái của hệ thống và biến ra của bộ

quan sát:

e(t ) = x(t ) − xˆ (t ) = x(t ) − z (t ) − Hy (t )
=x(t ) − z (t ) − HCx(t ) =( I − HC ) x(t ) − z (t )

Lấy đạo hàm của phương trình 2.26:
e(t ) =
( A − HCA − K1C )e(t ) + [F − ( A − HCA − K1C )]z (t )
+ [K 2 − ( A − HCA − K1C )]y (t )
+ [T − I + HC ]Bu (t ) + ( H − CI ) Eu du (t )

Từ phương trình 2.27 cho thấy, nếu các điều kiện sau được thỏa mãn:

-10-

(2.26)


=
0 ( HC − I ) Eu

T= I − HC

A HCA − K1C
 F =−
 K 2 = FH

(2.28)

Thì phương trình vi phân của sai số sẽ có dạng:

e(t ) = F .e(t )

Nếu chọn ma trận F có dạng ma trận Hurwitz
(các giá trị riêng của ma trận F là ổn định [49]) thì
phương trình sai số sẽ tiệm cận tới 0 và biến xˆ của bộ
quan sát sẽ có giá trị bằng biến trạng thái x của hệ
thống thực. Trị số biến đầu ra của bộ quan sát sẽ tiệm
cận tới giá trị biến ra đo được của hệ thống thực.
Trong phương trình sai số (2.27) ta thấy
không có mặt của thành phần đầu vào không rõ
E u d u (t). Như vậy, trong trường hợp này, sử dụng công
cụ bộ quan sát đã được loại bỏ được ảnh hưởng của
yếu tố đầu vào không rõ.
Thuật toán để xác định các hệ số của bộ quan
sát trình bày trên Hình 2.12.
Các hệ số A, B, C, E u , D, của phương trình
không gian trạng thái (2.24) là các thông số đầu vào
của chương trình tính (Bước 1).
Bước 2 nhằm kiểm tra tính phù hợp về hạng của
các ma trận phân phối E u và ma trận tích C*E u . Nếu
kết quả là không phù hợp, bộ quan sát UIO không thể
xây dựng được. Trong MatLab, sử dụng lệnh “rank“ để tính hạng của ma trận.
Bước 3 là thủ tục tính các ma trận hệ số H, T và ma trận A* theo các công thức:
 H = E  CE T CE  −1 CE T
u (
u)
u (
u)



T= I − HC
 A = TA
 1


Bước 4 là thủ tục kiểm tra tính quan sát được của cặp C, A*. Nếu cặp này
không đảm bảo "tính quan sát được", Bộ quan sát UIO sẽ không thể xây dựng được.
Trong MatLab, sử dụng lệnh “obsv“ [7, 49].
Bước 5, 6, 7 là các thủ tục tính hệ số K 1 , K 2 và K = K 1 +K 2 .
Xây dựng bộ quan sát mờ T-S
Hệ phương trình không gian trạng thái của hệ thống trong trường hợp có các
yếu tố đầu vào không rõ được biểu diễn bằng công thức (2.24). Tương ứng, hệ suy
diễn T-S mô tả hệ thống có dạng tập hợp của p luật. Mỗi luật thứ i có dạng như sau:
Luật ℜ i :
IF z1 is M i1 and ...and zθ is M iθ THEN
x(t) = Ai x(t) + Bi u(t) + Eu ,i du (t)

 y(t) = Ci x(t) + Di u( t ) + Fu ,i du ( t )

(2.31)

Các ma trận A i , B i , C i , E u,i F u,i với các kích thước phù hợp. Tương ứng với
mỗi luật R i , ta có một mô hình tuyến tính địa phương. Do đó ta có thể xây dựng bộ

-11-


quan sát UIO cho mỗi mô hình tuyến tính địa phương này. Như vậy bộ quan sát mờ
UIO cũng là một hệ suy diễn T-S được biểu diễn dưới dạng tập của p luật mờ T-S.
2.5. Tính toán giá trị ngưỡng

(t ) y (t ) − yˆ (t ) là một véc tơ chứa các phần tử tương ứng là
Lượng sai lệch r=
lượng sai lệch của các thông số thành phần của các biến đầu ra yˆ(t ) của bộ quan sát và
đầu ra của hệ thống thực. Để phát hiện trạng thái lỗi của cần phải tiến hành so sánh trị
số của lượng sai lệch với giá trị ngưỡng J th .
r=

=
r 0 hoÆc (r ≤ Jth ) th× hÖ thèng kh«ng lçi
y − yˆ(t ) 
r >0 hoÆc (r >Jth ) th× hÖ thèng cã lçi

Trường hợp hệ thống không có lỗi: r (t )

2,τ

≤ rd (t )

(2.34)
2,τ

≤ Jth, d ( t )

Với giá trị ngưỡng Jth,d(t) tính theo công thức: Jth, d ( t ) = sup d ( t )∈L2 rd (t )

2,τ

Trong đó "sup" là ký hiệu toán học với ý nghĩa là cận trên đúng (suprenum)
của dãy số thực. Cuối cùng giá trị ngưỡng được tính theo công thức:
Jth = Jth, d ( t )

Như vây, giá trị ngưỡng được tính riêng
cho từng thông số chẩn đoán, xác định trong
trường hợp hệ thống không có lỗi và chứa các
thành phần sai số cho phép của thông số chẩn
đoán (bao gồm sai số tĩnh và sai số động), các
đặc trưng của tín hiệu đầu vào không đo được
(tính theo phương pháp xác suất thống kê chuẩn L 2.
2.6. Sử dụng bộ quan sát mờ T-S để phát hiện trạng thái
làm việc có lỗi của hệ thống
Sau khi đã xác định được các thông số cấu trúc, bộ
quan sát mờ (2.32) sẽ được sử dụng để chẩn đoán phát hiện
trạng thái lỗi cho hệ thống như sơ đồ Hình 2.13.
Đầu ra y của hệ thống thực cũng như đầu ra yˆ của bộ
quan sát là các véc tơ mà thành phần của nó là các trị số
tương ứng của các thông số chẩn đoán đo được từ hệ thống
thực và các thông số tính toán từ bộ quan sát. Vì vậy, kết quả
so sánh giữa r và J th không những đánh giá được hệ thống
làm việc bình thường hay đang làm việc với trạng thái có lỗi
mà còn khoanh vùng được lỗi đó liên quan đến thông số chẩn
đoán nào. Đây là một ưu điểm quan trọng với mục đích chẩn
đoán TTKT hệ thống.
Từ các kết quả nghiên cứu trên, NCS đề xuất xây
dựng hệ suy diễn T-S để chẩn đoán phát hiện trạng thái lỗi
các hệ thống có ĐKĐT theo sơ đồ trên Hình 2.14.
2.7. Kết luận chương 2
- Trong chương này, NCS đã nghiên cứu cơ sở lý thuyết việc ứng dụng hệ suy
diễn mờ T-S để xây dựng mô hình lý thuyết mô tả hệ thống cần chẩn đoán trong
trường hợp hệ thống không có lỗi. Hệ suy diễn mờ mô tả hệ thống là tập các luật dạng
IF...THEN (biểu thức 2.14). Các biểu thức (2.15, 2.16) trình bày cách tính toán để giải

-12-


mờ đầu ra của hệ.
- Để loại bỏ ảnh hưởng của các nhiễu và các thành phần đầu vào không đo được
đầy đủ, NCS đã xây dựng bộ quan sát mờ của hệ thống. Tính toán các thông số cấu
trúc của bộ quan sát được trình bày ở các biểu thức (2.28 và 2.30). Bộ quan sát sẽ là
mô hình lý thuyết mô tả hệ thống (khi không có lỗi) trong sơ đồ ứng dụng để chẩn
đoán phát hiện lỗi (Hình 2.13).
- NCS đã nghiên cứu cách xác định trị số ngưỡng làm cơ sở để đánh giá, phân
biệt trạng thái làm việc bình thường và trạng thái làm việc có lỗi của hệ thống. Các
công thức tính toán giá trị ngưỡng được trình bày ở (2.34, 2.39).
- Mô hình chẩn đoán phát hiện lỗi cho một hệ thống có ĐKĐT trên ô tô bao
gồm các thành phần: hệ suy diễn mờ, bộ quan sát mờ UIO và véc tơ các giá trị ngưỡng
của các tín hiệu đầu ra của hệ thống cần chẩn đoán. Cách nối ghép mô hình chẩn đoán
với hệ thống cần chẩn đoán được trình bày trên Hình 2.13.
Trên cơ sở các kết quả nghiên cứu lý thuyết ở chương này NCS sẽ tiến hành
xây dựng mô hình chẩn đoán phát hiện lỗi cho hệ thống VSC trên xe Toyota Camry.
CHƯƠNG 3. XÂY DỰNG MÔ HÌNH CHẨN ĐOÁN PHÁT HIỆN
TRẠNG THÁI LÀM VIỆC CÓ LỖI CỦA HỆ THỐNG VSC TRÊN XE
TOYOTA CAMRY
3.1. Hệ thống VSC trên xe Toyota Camry
Hệ thống VSC (Vehicle
Stability Control) làm nhiệm vụ
giữ ổn định 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. Trường hợp các bánh xe cầu sau bị trượt ngang nhiều hơn bánh xe trước dẫn đến
hiện tượng quay vòng thừa, trường hợp 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 cho phù hợp
với tình trạng phanh và tốc độ ô tô.
3.2. Hệ phương trình trạng thái mô tả động lực học bên của xe
Mô hình 3-DOF được sử dụng rộng rãi trong các thiết kế điều khiển trực
tuyến chuyển động dọc và ổn định bên của xe. Theo các số liệu nghiên cứu [12,43],
mô hình này đáp ứng được điều kiện chuyển động của ô tô trên đường vòng mặt
đường bằng phẳng có hệ số bám cao với gia tốc bên tới 0,4g. Các giả thiết sử dụng cho
mô hình gồm có:
- Ô tô có trục đối xứng dọc;
- Ô tô chuyển động ổn định trên đường vòng (𝑣𝑣𝑥𝑥̇ ≈ 0), không có trượt dọc;
- Sử dụng mô hình lốp tuyến tính:

-13-


Fy = −Cα α

(3.1)

Hình 3.5 là sơ đồ biểu diễn mô hình 3-DOF của
xe trong mặt phẳng ngang.
Từ các quan hệ vật lý, hệ phương trình vi phân
mô tả động lực học bên có dạng:




 1

1
m ( v y + ψ .vx ) = C f  δ − ( v y + a.ψ )  + Cr  − ( v y − b.ψ ) 
v
v
x



 x




 1

1
 
 I z .ψ = a.C f  δ − v ( v y + a.ψ )  − b.Cr  − v ( v y − b.ψ ) 
x


 x



(3.13)

Phương trình không gian trạng thái có bổ sung
thành phần không đo được của biến vào:

 C f + Cr
 
−
mvx
 β  
 ψ   aC − bC


r

− f
Iz



  a   − C f + Cr
 y  = 
m
 ψ  

0


bCr − aC f


 Cf
−1 

β



 mvx
ψ  +  aC
2
2

a C f + b Cr  
f


−
I z .vx
 I z

mvx2

bCr − aC f 
Cf
 β 
mvx    +  m
ψ 
    0
1



 δ * + E d (t )
u u




(3.16)


 δ * + F d (t )
u u



Trong đó: x(t) là véc tơ các biến quan sát và
y(t) đầu ra đo được của mô hình; d(t) là ma trận hàm
thời gian của các yếu tố đầu vào, ra không đo được.
T
T
x(t ) = [ β ψ ] ; y (t ) =  a y ψ  ; δ * = δ vl .il

3.3. Xây dựng hệ suy diễn mờ mô tả động lực học bên
Hệ suy diễn mờ T-S mô tả hệ thống được
được trình bày dưới dạng các luật:Luật ℜi:
If zi (t ) is MFi
 xi (t ) = Ai x(t ) + Biδ (t) + Ei du (t )
Then 

 yi (t ) = Ci x(t ) + Diδ (t) + Fi du (t )

(3.19)

Các kết quả tính toán các hệ số:
A1

-51.8400 5.0031 
-25.9200 0.5008 
-17.2800 -0.3330 
=
 29.5660
 ; A2 =
 ; A3  29.5660 -27.5734  ;
-82.7201
29.5660
-41.3600







A4

-12.9600 -0.6248 
-10.3680 -0.7599 
 -8.6400 -0.8332 
=

 ; A5 =
 ; A6  29.5660 -13.7867 
29.5660
-20.6800
29.5660
-16.5440







A5

-10.3680 -0.7599 
 -8.6400 -0.8332 
=
 ; A6  29.5660 -13.7867 
 29.5660 -16.5440 



B3

 4.3200 
 3.6000 
 7.2000 
 5.4000 
=

B5 =
 ; B6 57.8298 ;
=
 ; B4 57.8298

57.8298
57.8298









C1

 -144.0000 16.6752 
 -144.0000 8.3376 
 -144.0000 5.5584 
; C2 =
; C3 
=
0
1 
0
1 
0
1 





C4

 -144.0000 4.1688
 -144.0000 3.3350 
 -144.0000 2.7792 
=
 ; C5 =
 ; C6 
0
1
0
1
0
1 






 21.6000 
10.8000 
=
B1 =
 ; B2 57.8298
 57.8298 




-14-


 21.6000 
10.8000 
60 
Fi = D
=
i = 
 E1 =
 ; E2 57.8298 ;
0
57.8298
 




 7.2000 
 5.4000 
 4.3200 
 3.6000 
=
; E4 =
; E5 =
; E6 
E3 =




;
57.8298
57.8298
57.8298
57.8298

3.4 Thiết kế bộ quan sát mờ
Bộ quan sát mờ UIO của mô hình được biểu diễn dưới dạng 6 luật cơ sở tương
ứng như xây dựng hệ suy diễn mô tả hệ thống. Bộ quan sát mờ thứ i (i=1,..,6) được
biểu diễn dưới dạng luật như sau:
If zi (t ) is MFi Then

Luật ℜ i :

 zi (t ) =Fi zi (t ) + Ti Biu (t ) + K i y (t )

zi (t ) + H i y (t )
 xˆ=
i (t )
 yˆ (t ) = C xˆ (t )
i i
 i

(3.25)

Cấu trúc bộ quan sát mờ thứ i được mô phỏng trong chương trình Matlab
Simulink ( Phụ lục 1).

3.5. Tính giá trị ngưỡng
Lượng sai lệch r(t) được so sánh với các giá trị ngưỡng tương ứng để đưa ra
kết luận về hệ thống có lỗi hay không có lỗi. Giá trị ngưỡng được tính cho từng thông
số chẩn đoán trong trường hợp hệ thống không có lỗi. Giá trị ngưỡng được tính theo
công thức Jth = Jth ,d ( t )
Trong mô hình chẩn đoán này, lượng sai lệch r(t) là véc tơ gồm 2 thành phần:
sai lệch của trị số gia tốc ngang a y và sai lệch của trị số tốc độ góc quay thân xe ψ.
Giá trị ngưỡng sẽ được tính riêng cho từng thông số, cụ thể là:
a
- Giá trị ngưỡng đối với gia tốc ngang a y : J th = ±0.25m / s 2
- Giá trị ngưỡng đối với tốc độ góc quay thân xe ψ: J thψ = ±0.04 rad / s
3.6 Các trường hợp mô phỏng và phân tích các kết quả
Các trường hợp chạy mô phỏng trên máy
tính bao gồm:
Trường hợp 1: Kiểm tra, đánh giá mức độ
phù hợp giữa kết quả tính toán đầu ra của hệ thống
suy diễn mờ so với kết quả tính toán đầu ra của hệ
thống thực khi không lỗi (gọi tắt là hệ thống lấy
mẫu).
Trường hợp 2: Chạy chương trình tính các
ma trận hệ số của các bộ quan sát mờ địa phương
và đánh giá mức độ phù hợp giữa kết quả đầu ra
của hệ thống lấy mẫu khi không lỗi với đầu ra của bộ quan sát sau khi được thiết kế.
Trường hợp 3: Sử dụng bộ số liệu thu thập qua thí nghiệm trên xe để chẩn đoán
TTKT cho hệ thống VSC trong các trường hợp hệ thống không có lỗi và có lỗi.
Hình 3.10 trình bày quy luật đánh lái 1 sử dụng chạy mô phỏng. Các Hình
3.11,.., 3.16 trình bày các kết quả tính toán trị số gia tốc ngang, tốc độ góc quay thân
xe của hệ suy diễn mô tả hệ thống so sánh với các trị số tính toán từ hệ thống thực với
vận tốc quay vòng ổn định 20km/h.
y

-15-


3

0.4

2

1.5

1

0.5

L­îng sai lÖch gia tèc ngang aYY (m/s2)

Tèc ®é gãc quay th©n xe r1 (rad/s)

2

Gia tèc ngang ay (m/s )

0.06

0.35

2.5

0.3
0.25
0.2
0.15
0.1
0.05

0

0

5

10

15

20
25
Thêi gian (s)

35

30

0

40

0

5

10

15

20
25
Thêi gian (s)

30

35

0.05

0.04

0.03

0.02

0.01

0

40

0

5

10

15

20
25
Thêi gian (s)

30

35

40

Hình 3.11: Gia tốc ngang tính toàn Hình 3.12: Tốc độ góc quay thân xe Hình 3.15: Lượng sai lệch gia tốc
từ hệ thống lấy mẫu
tính toàn từ hệ hệ thống lấy mẫu ngang giữa hệ suy diễn mờ và hệ thống
lấy mẫu
3

Tèc ®é gãc quay th©n xe r1YY (rad/s)

0.4

Gia tèc ngang aYY (m/s2)

2.5

2

1.5

1

0.5

0

0

5

10

15

20
25
Thêi gian (s)

30

35

0.35
0.3
0.25

0.2
0.15
0.1
0.05
0

40

0

5

10

15

20
25
Thêi gian (s)

30

35

40

Hình 3.13: Gia tốc ngang tính toàn Hình 3.14: Tốc độ góc quay tính Hình 3.16: Lượng sai lệch tốc độ góc
quay thân xe giữa hệ suy diễn mờ và hệ
từ hệ suy diễn mờ
toàn từ hệ suy diễn mờ

thống lấy mẫu

0.7

0.07

5

0.6

0.06

4

3

2

1

2
L­îng sai lÖch gia tèc (m/s )

6

Tèc ®é gãc quay th©n xe r1 (rad/s)

Gia tèc ay (m/s2)

Các Hình 3.17,.., 3.22 trình bày các kết quả tính trị số gia tốc ngang, tốc độ

góc quay thân xe của hệ suy diễn mờ so sánh với các trị số thu được từ hệ thống lấy
mẫu với vận tốc ổn định 35km/h, qui luật đánh lái 1.

0.5
0.4
0.3
0.2
0.1

0

5

10

15

20
25
Thêi gian (s)

30

35

Hình 3.17: Gia tốc ngang của hệ
thống lấy mẫu

0

6

0.7

5

0.6

4

3

2

1

0

0

5

10

15

20
25
Thêi gian (s)

30

35

40

0.04
0.03
0.02
0.01

5

10

15

20
25
Thêi gian (s)

30

35

0

5

10

15

20
25
Thêi gian (s)

30

35

40

Hình 3.21: Lượng sai lệch gia tốc
ngang giữa hệ suy diễn mờ và hệ
thống lấy mẫu
0.025

0.5
0.4
0.3
0.2
0.1
0

0

40

Hình 3.18: Tốc độ góc quay thân xe

của hệ thống lấy mẫu

Tèc ®é gãc quay th©n xe r1aYY (rad/s)

Gia tèc aYY (m/s2)

0

40

L­îng sai lÖch tèc ®é gãc quay th©n xe (rad/s)

0

0.05

0.02

0.015

0.01

0.005

0

0

5

10

15

20
25
Thêi gian (s)

30

35

40

0

5

10

15

20

25

30

35

40

Thêi gian (s)

Hình 3.19: Gia tốc ngang tính toàn Hình 3.20: Tốc độ góc quay tính toàn Hình 2.22: Lượng sai lệch tốc độ góc
quay thân xe giữa hệ suy diễn mờ và
từ hệ suy diễn mờ
từ hệ suy diễn mờ
hệ thống lấy mẫu

Nhận xét: Từ các đồ thị biểu diễn trên cho thấy:

-16-


+ Ứng với vận tốc 20km/h thì lượng sai lệch gia tốc ngang giữa hệ suy diễn
mờ và hệ thống lấy mẫu lớn nhất xấp xỉ là 0.055m/s2, trong khi đó ở tốc độ 35km/h thì
sai lệch lớn nhất xấp xỉ là 0.065m/s2. Điều này chứng tỏ lượng sai lệch ở tốc độ cao
tăng hơn ở tốc độ thấp.
+ Ứng với vận tốc 20km/h lượng sai lệch tốc độ góc quay thân xe giữa hệ suy
diễn mờ và hệ thống lấy mẫu lớn nhất xấp xỉ là 1.9×10-2rad/s, trong khi đó ở tốc độ
35km/h thì sai lệch lớn nhất xấp xỉ là 2.3×10-2rad/s, chứng tỏ lượng sai lệch ở tốc độ
cao có xu hướng tăng.
+ Xu hướng sai lệch tăng khi tốc độ chuyển động của xe tăng, điều này có thể
được giải thích bởi tính phi tuyến của mô hình toán học theo thông số vận tốc v.
Các Hình 3.23,.., 3.26 trình bày các kết quả tính trị số gia tốc ngang, tốc độ
góc quay thân xe ở đầu ra bộ quan sát so sánh với các trị số tính toán từ hệ thống thực
ở tốc độ quay vòng ổn định 20km/h.
3

Gia tèc ngang aydot (m/s2)

2.5

2

1.5

1

0.5

0

0

5

10

15

25
20
Thêi gian (s)

30

35

40

Hình 3.23: Gia tốc ngang tính toán từ bộ
quan sát

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

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

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

Nhận xét: các trị số đầu ra của bộ quan sát khảo sát với đầu ra hệ thống lấy
mẫu là rất sát (sai số cỡ 10-3), cụ thể là:
+ Ứng với vận tốc 20km/h thì lượng sai lệch trị số gia tốc ngang giữa bộ quan sát và
hệ thống lấy mẫu lớn nhất xấp xỉ là 4.2×10-3m/s2, ở tốc độ 35km/h thì sai lệch lớn nhất
xấp xỉ là 8.8×10-3m/s2 và ở tốc độ 45km/h thì sai lệch lớn nhất xấp xỉ là 7.5×10-2m/s2;
+ Ứng với vận tốc 20km/h lượng sai lệch tốc độ góc quay thân xe giữa bộ quan sát
và hệ thống lấy mẫu lớn nhất xấp xỉ là 3.4×10-3rad/s, ở tốc độ 35km/h thì sai lệch lớn
nhất xấp xỉ là 1.4×10-2rad/s và ở tốc độ 45km/h thì sai lệch lớn nhất xấp xỉ là 4.6×10-2rad/s;
Như vậy, khi xây dựng hệ suy diễn mờ để khảo sát động lực học của hệ thống
có xét đến sự ảnh hưởng của yếu tố không rõ ở đầu vào thì việc sử dụng bộ quan sát là
cần thiết.

-17-


Các kết quả mô phỏng ở phần 3.5 cho thấy bộ quan sát với các thông số được

tính toán thiết kế luôn bám sát hệ thống lấy mẫu. Chạy chương trình máy tính trong
phần này nhằm mô tả cách sử dụng chương trình phần mềm Bộ quan sát trong việc
chẩn đoán TTKT hệ thống VSC thực tế.
Để đánh giá TTKT hệ thống VSC cần các dữ liệu đo thực tế trên xe: tốc độ xe,
góc quay vành lái, trị số gia tốc ngang và trị số tốc độ góc quay thân xe. Các Hình
3.36, 3.37 là các số liệu đo được trong thí nghiệm trên xe có hệ thống VSC hoạt động
bình thường, không lỗi (xem Chương 4, phần kết quả thí nghiệm) tương ứng với các trị
số góc quay vành lái, gia tốc ngang và tốc độ góc quay thân xe. Vận tốc xe khi quay
vòng là 20km/h.

3.7 Kết luận chương 3
- Trên cơ sở các kết quả nghiên cứu lý thuyết ở chương 2 về ứng dụng hệ suy
diễn mờ T-S để mô tả hệ thống trong chẩn đoán TTKT, trong chương này, NCS đã tiến
hành xây dựng mô hình chẩn đoán TTKT cho hệ thống VSC có ĐKĐT trên xe Toyota
Camry. Các thông số sử dụng để chẩn đoán TTKT của hệ thống VSC bao gồm: góc
quay vành lái, tốc độ ô tô, gia tốc ngang của xe, tốc độ góc quay thân xe.
- NCS đã xây dựng hệ suy diễn mờ T-S để mô tả hệ thống VSC (trong trường
hợp hệ thống không có lỗi) với các yếu tố đầu vào không đo được (các nhiễu, các sai
số của cảm biến đầu vào…); thiết kế bộ quan sát mờ UIO để hiệu chỉnh và loại bỏ ảnh
hưởng các nhiễu đến sai lệch giữa đầu ra của mô hình tính toán và đầu ra đo từ hệ
thống thực; Tính toán xác định giá trị ngưỡng sai lệch của các thông số chẩn đoán ở
đầu ra tương ứng là gia tốc ngang và tốc độ góc quay thân xe.
- Các kết quả chạy chương trình mô phỏng cho thấy, sai lệch giữa kết quả tính
toán đầu ra của Bộ quan sát so với các trị số tương ứng từ hệ thống mẫu (hệ thống thực
có ảnh hưởng của nhiễu nhưng không có lỗi) là nhỏ hơn 7 lần so với các sai lệch tương
ứng tính từ hệ suy diễn mờ với hệ thống mẫu. Điều này chứng tỏ Bộ quan sát mô tả hệ
thống thực (trong trường hợp các thông số đầu vào bị nhiễu hoặc đo không đầy đủ) là

-18-

tốt hơn so với dùng hệ suy diễn mờ thông thường.
CHƯƠNG 4. NGHIÊN CỨU THỰC NGHIỆM
4.1. Mục đích nghiên cứu, đối tượng và thông số thực nghiệm
* Mục đích: Các thực nghiệm nhằm mục đích đánh giá khả năng ứng dụng và hiệu
quả của mô hình do NCS nghiên cứu để chẩn đoán phát hiện lỗi trong hệ thống VSC
xe Toyota Camry.
* Đối tượng thực nghiệm
Hệ thống VSC trên xe Toyota Camry 2.4, sản xuất năm 2009 tại Việt Nam (trên
xe cụ thể là xe phục vụ giảng dạy và NCKH của Trường Cao đẳng nghề Kỹ thuật
Công nghệ Đông Anh - Bộ Lao động, Thương binh và Xã hội).
* Thông số đo trong thực nghiệm
Bảng 4-1 là các thông số đo trong quá trình
thực nghiệm được lấy ra từ ECU của hệ thống điều
khiển điện tử trên ô tô. Để chủ động đo các thông
số chẩn đoán trong thí nghiệm cũng như trong công
tác sửa chữa thực tế, NCS đã nghiên cứu chế tạo
Bộ thu thập dữ liệu, đây là thiết bị kết nối giữa
ECU của ô tô với máy tính cá nhân nhằm thu thập
thông tin từ các cảm biến gửi về ECU của xe. Thiết bị này đã giúp truy cập tức thời
các số liệu trong thí nghiệm cũng như lưu trữ các số liệu này vào máy tính, nhập dữ
liệu vào chương trình xử lý của bộ quan sát đã thiết kế để tiến hành chẩn đoán phát
hiện lỗi của hệ thống VSC trên xe thí nghiệm.
4.2. Chế tạo bộ thu thập dữ liệu
* Cơ sở thiết kế, chế tạo bộ thu thập dữ liệu
Bộ thu thập dữ liệu là thiết bị điện tử được thiết kế theo chuẩn OBD2. Đây là hệ
thống chuẩn của SAE quy định về giao tiếp thông tin giữa người, thiết bị ngoại vi với
hệ thống điều khiển điện tử (thông qua ECU) trên ô tô.
* Thiết kế các mạch của thiết bị
Về nguyên tắc, muốn giao tiếp với ECU của một xe cụ thể cần có thiết bị kết

nối với ECU qua đầu nối chuẩn DLC3 và bộ xử lý của thiết bị phải tương thích với
giao thức truyền tin mà hãng sản xuất xe đã sử dụng.
Các module chính của bộ kết nối gồm có:
- Module chuyển đổi các chuẩn giao tiếp.
- Module chuyển đổi giao tiếp UART-USB để chuyển đổi giao tiếp từ cổng
COM của máy tính PC sang máy tính Laptop.

-19-


* Kiểm tra sự làm việc của bộ thu thập dữ liệu
Để kiểm tra khả năng làm
việc và độ chính xác của các số liệu
mà Bộ thu thập dữ liệu được thiết
kế chế tạo, NCS đã tiến hành thí
nghiệm kiểm tra đối chứng các dữ
liệu kết quả thu được từ mạch đo
dùng cảm biến MPU 6050 và kết
quả mà Bộ thu thập dữ liệu nhận
được từ ECU của xe Camry. Sơ đồ
nối ghép hệ thống đo như trên Hình
4.10.
Để phục vụ việc thu thập dữ liệu đối
chứng từ 2 nguồn dữ liệu (Thiết bị thu thập
dữ liệu từ cảm biến trên xe và Mạch cảm
biến MPU 6050), NCS đã thiết kế chương
trình máy tính trên cơ sở phần mềm
LabView (Phụ lục 4) để thu thập và lưu trữ
các kết quả thí nghiệm. Giao diện màn hình
thu thập dữ liệu trong thí nghiệm kiểm

chứng giữa mạch đo dùng cảm biến MPU
6050 và bộ kết nối ELM327 được thể hiện
trên Hình 4.11.
Các đồ thị trên các Hình 4.12-4.15 trình bày
so sánh đối chiếu các trị số nhận được từ Bộ thu thập dữ liệu và từ cảm biến MPU.

-20-


4.3. Thí nghiệm phát hiện lỗi trong hệ thống VSC xe Camry
* Mục đích thí nghiệm
Các thí nghiệm được thực hiện nhằm:
- Kiểm tra khả năng sử dụng hệ thống chẩn đoán bao gồm Bộ thu thập dữ liệu
từ ECU, phần mềm hệ suy diễn mờ, bộ quan sát (mà NCS đã nghiên cứu thiết kế, chế
tạo) và các giá trị ngưỡng tính toán để chẩn đoán phát hiện lỗi trong hệ thống VSC của
xe Toyota Camry.
- Đánh giá ảnh hưởng các yếu tố mặt đường, độ cứng vững hệ dẫn động lái đến
các thông số liên quan đến sự làm việc của hệ thống VSC như gây lệch hướng của
bánh xe dẫn hướng, gây biến động của gia tốc ngang và tốc độ góc quay thân xe trong
khi xe chuyển động ổn định trên đường thẳng, mặt đường bằng phẳng.
* Điều kiện thí nghiệm: xe không tải và chuyển động với vận tốc ổn định.
* Các thông số đo và trang thiết bị đo, quan sát trong thí nghiệm

Trong thí nghiệm, thiết bị Carman Scan VG+ (Hình 4.18) được sử dụng để
thực hiện các nhiệm vụ: Kiểm tra hiệu chỉnh theo quy trình hướng dẫn của hãng xe về
đặt vị trí 0 của cảm biến góc quay vành lái, cảm biến gia tốc ngang và cảm biến tốc độ
góc quay thân xe; xóa các mã lỗi sau khi thực hiện thí nghiệm đánh lỗi các cảm biến.

Để kết nối giữa Carman VG với ECU của xe, sử dụng đầu nối tiêu chuẩn
DLC3 16 chân (Hình 4.21). Vị trí của đầu nối DLC3 cũng được chuẩn hóa (Hình 4.22).

* Sơ đồ lắp đặt bộ thu thập dữ liệu với ECU và máy tính trong thí nghiệm
Kết nối Bộ thu thập dữ liệu, thông tin của các cảm biến tốc độ ô tô, gia tốc
ngang, tốc độ góc quay thân xe và góc quay vành lái từ ECU của ô tô với máy tính
được thể hiện trên Hình 4.23. Giao diện chương trình điều khiển được trình bày trên

-21-


hình 4.24.

* Phân tích kết quả các thí nghiệm chẩn đoán phát hiện lỗi hệ thống VSC
Thí nghiệm 1 (Trường hợp hệ thống VSC hoạt động bình thường, không có lỗi)
- Các đồ thị trên Hình 4.25...4.27 là kết quả đo các thông số góc quay vành lái,
gia tốc ngang, tốc độ góc quay thân xe trong thí nghiệm với điều kiện hệ thống VSC
hoạt động bình thường (không có lỗi).

So sánh lượng sai lệch r với giá trị ngưỡng của các cảm biến tốc độ góc quay
thân xe và gia tốc ngang.(Hình 4.28 và 4.29).

Thí nghiệm 2 (Trường hợp xuất hiện lỗi trong hệ thống VSC)
Các hình 4.30..4.33 trình bày đồ thị tín hiệu nhận được từ cảm biến gia tốc
ngang và tốc độ góc quay thân xe cũng như thời điểm xuất hiện lỗi trong thí nghiệm có
xuất hiện lỗi trong hệ thống VSC.

-22-


Thí nghiệm 3 (Thí nghiệm trong chuyển động thẳng)
Kết quả thí nghiệm phát hiện sự lệch hướng của xe
khi giữ nguyên vành lái theo hướng chuyển động thẳng.

Độ lệch hướng chuyển động của xe qua 3 lần đo.
Các trị số dao động của cảm biến gia tốc ngang,
góc quay vành lái và tốc độ góc quay thân xe.

Từ các đồ thị trên cho thấy, khi xe chuyển động thẳng, tín hiệu các cảm biến
vẫn có thể có trị số khác không. Với cảm biến gia tốc ngang, giá trị max của nhiễu đạt
tới 0.27m/s2; với cảm biến đo tốc độ góc quay thân xe, tín hiệu nhiễu max có giá trị
0.8o/s; với cảm biến góc quay vành lái, trị số tương ứng là 4.8o.
Các số liệu thí nghiệm cho thấy các yếu tố ngẫu nhiên không đo được từ mặt
đường, cấu trúc hệ thống, sai lệch thông số kỹ thuật (ví dụ áp suất lốp không đúng quy
định, lốp mòn…) sẽ làm ảnh hưởng đến sai lệch giữa mô hình và hệ thống thực. Việc
sử dụng công cụ bộ quan sát UIO cho mô hình chẩn đoán là cần thiết.
4.5. Nhận xét và kết luận chương 4
Các nội dung và kết quả nghiên cứu trong chương 4 liên quan đến các thực
nghiệm mà NCS đã tiến hành nhằm đánh giá hiệu quả làm việc của mô hình chẩn đoán
phát hiện lỗi trong hệ thống VSC của xe Toyota Camry.
- NCS đã thiết kế chế tạo được Bộ thu thập dữ liệu của các cảm biến góc quay
vành lái, tốc độ ô tô, gia tốc ngang và tốc độ góc quay thân xe gửi về ECU. Các dữ
liệu này là các thông số đầu vào của chương trình tính toán đánh giá trạng thái kỹ

-23-