1. 研究目的与意义（文献综述）

1.1背景：

汽车制动系统很大程度决定汽车安全性能，对车辆的安全行驶起着至关重要的作用。随着汽车自动驾驶技术的不断发展和对制动系统线控的要求，对制动系统的安全性提出了更高的要求，保证制动系统有效可靠且能快速诊断问题显得尤为重要。

随着微电子技术和电力电子技术的发展与应用，汽车制动系统的形式也将发生变化。结合传统的液压制动器和现代电控技术的电子液压制动系统(ehb, electro hydraulic brake system)即是一种新型的制动系统，与传统液压制动系所不同的是，ehb通过高压液力储压罐提供制动压力，而所储压力由电动活塞泵产生，每个轮缸制动压力则分别通过电磁阀进行单独调节，并利用压力传感器检测出实际轮缸制动压力，实现各车轮制动力的闭环控制。汽车制动时，驾驶员的制动意图通过踏板行程传感器传给电子控制单元(ecu, electronic control unit)，ecu结合车辆行驶状态计算出每个车轮的最佳制动力，再发出指令给执行器进行各车轮的制动。可见，ehb系统可用于线控，目前能匹配于l3级的自动驾驶汽车，满足自动驾驶的线控要求。

2. 研究的基本内容与方案

2.1基本内容：

基于贝叶斯网络对ehb电子液压制动系统的故障运用genie软件进行建模，genie是由美国匹兹堡大学开发的一款贝叶斯网络分析软件，软件提供了便于操作的图形化建模界面，集成了多种网络学习算法和推理算法，目前己在很多领域得到了使用和认可。通过专家知识建立的制动系统故障诊断贝叶斯网络，虽然能够较为直观地表现出故障之间的因果关系，但是对于制动系统中作用关系不明确的零部件往往会，忽略其潜在的联系。运用算法对贝叶斯网络进行优化简约结构调整，能得到完整的ehb系统贝叶斯诊断模型。

2.2研究目标：

3. 研究计划与安排

2019.02：查找与阅读参考文献，确定研究方向，了解国内外关于本设计的发展现状，学习贝叶斯网络建模相关知识。

2019.02~2019.03：收集ehb系统的故障数据，进行贝叶斯网络的建模，验证模型的可靠性。

2019.04：运用算法对贝叶斯网络模型进行简约改进，获得最小诊断规则。

4. 参考文献（12篇以上）

[1] Ho L M, Satzger C, De Castro R. Fault-Tolerant control of an electrohydraulic brake using virtual pressure sensor[C]. 2017 International Conference on Robotics and Automation Sciences, ICRAS 2017, August 26, 2017 - August 29, 2017, 2017: 76-82.
[2] Huh K, Han K, Hong D, et al. A model-based fault diagnosis system for electro-hydraulic brake[C]. 2008 World Congress, 2008.
[3] Park M, Kang H, Yoon P, et al. A control and fault diagnosis method for pressure sensor based brake control system[C]. 2005 SAE World Congress, April 11, 2005 - April 14, 2005, 2005.
[4] Cheon J S, Kim J, Jeon J, et al. Brake by wire functional safety concept design for ISO/DIS 26262[C]. SAE 2011 Annual Brake Colloquium and Engineering Display, BRAKE 2011, September 18, 2011 - September 21, 2011, 2011.
[5] Petruccelli L, Velardocchia M, Sorniotti A. Electro-Hydraulic Braking System modelling and simulation[C]. 21st Annual Brake Colloquium and Exhibition, October 6, 2003 - October 8, 2003, 2003.
[6] Zhou Y, Zhang Y. Applications of Bayesian network in fault diagnosis of braking deviation system[C]. 2011 4th International Symposium on Computational Intelligence and Design, ISCID 2011, October 28, 2011 - October 30, 2011, 2011: 170-173.
[7] Liu J H, Zhang J L, Jin M D. Application of BN in the fault diagnosis of brake failure system[C]. 2nd International Conference on Precision Mechanical Instruments and Measurement Technology, ICPMIMT 2014, May 30, 2014 - May 31, 2014, 2014: 1684-1688.
[8] Li H-C, Zhou Y. Fault diagnosis by bayesian network in system of poor braking efficiency[C]. 2012 4th International Conference on Intelligent Human-Machine Systems and Cybernetics, IHMSC 2012, August 26, 2012 - August 27, 2012, 2012: 45-48.
[9] Chen Y-G. Applications of Bayesian network in fault diagnosis of braking system[C]. 3rd International Conference on Intelligent Human-Machine Systems and Cybernetics, IHMSC 2011, August 26, 2011 - August 27, 2011, 2011: 234-237.
[10] 赵阳, 徐田华, 周玉平, et al. 基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究[J]. 铁道学报, 2014, 36(11): 48-53.
[12] 梁潇. 基于贝叶斯网络的列控车载设备故障诊断方法[D]. 北京交通大学, 2016.
[13] 李玉兰. 基于贝叶斯网络的列控车载设备故障诊断研究[D]. 北京交通大学, 2016.
[14] 冯娟. 基于粗糙集理论的列控车载设备故障诊断方法[D]. 北京交通大学, 2017.
[15] 程雨. 基于贝叶斯网络的列控系统故障诊断研究[D]. 北京交通大学, 2014.
[16] 熊璐, 汪阳光, 广学令, et al. 电子液压制动系统失效保护设计和分析[J]. 机床与液压, 2015, 43(19): 140-145.
[17] 彭晓燕. 汽车线控制动系统安全控制技术研究[D]. 湖南大学, 2013.
[18] 胡东海, 何仁. 电子液压制动系统的安全设计与匹配分析[J]. 农业工程学报, 2015, 31(09): 77-84.[1] Ho L M, Satzger C, De Castro R. Fault-Tolerant control of an electrohydraulic brake using virtual pressure sensor[C]. 2017 International Conference on Robotics and Automation Sciences, ICRAS 2017, August 26, 2017 - August 29, 2017, 2017: 76-82.
[2] 熊璐, 汪阳光, 广学令, et al. 电子液压制动系统失效保护设计和分析[J]. 机床与液压, 2015, 43(19): 140-145.
[3] 胡东海, 何仁. 电子液压制动系统的安全设计与匹配分析[J]. 农业工程学报, 2015, 31(09): 77-84.
[4] 彭晓燕. 汽车线控制动系统安全控制技术研究[D]. 湖南大学, 2013.
[5] Cheon J S, Kim J, Jeon J, et al. Brake by wire functional safety concept design for ISO/DIS 26262[C]. SAE 2011 Annual Brake Colloquium and Engineering Display, BRAKE 2011, September 18, 2011 - September 21, 2011, 2011.
[6] Huh K, Han K, Hong D, et al. A model-based fault diagnosis system for electro-hydraulic brake[C]. 2008 World Congress, 2008.
[7] Park M, Kang H, Yoon P, et al. A control and fault diagnosis method for pressure sensor based brake control system[C]. 2005 SAE World Congress, April 11, 2005 - April 14, 2005, 2005.
[8] Petruccelli L, Velardocchia M, Sorniotti A. Electro-Hydraulic Braking System modelling and simulation[C]. 21st Annual Brake Colloquium and Exhibition, October 6, 2003 - October 8, 2003, 2003.
[9] 裴迪. 基于贝叶斯网络的货车空气制动系统故障诊断研究[D]. 北京交通大学, 2018.
[10] 王凯祺. 电液复合制动系统EHB控制策略开发与测试[D]. 吉林大学, 2017.
[11] 孙文龙. 基于EHB和EMB的复合制动系统特性分析及制动力控制研究[D]. 吉林大学, 2016.
[12] 马用学. 基于EHB系统的车辆稳定性控制方法研究[D]. 吉林大学, 2014.
[13] 韩风. 基于电控液压制动系统的电动汽车滑移率控制方法研究[D]. 吉林大学, 2018.
[14] 赵阳, 徐田华, 周玉平, et al. 基于贝叶斯网络的高铁信号系统车载设备故障诊断方法的研究[J]. 铁道学报, 2014, 36(11): 48-53.
[15] 梁潇. 基于贝叶斯网络的列控车载设备故障诊断方法[D]. 北京交通大学, 2016.
[16] 李玉兰. 基于贝叶斯网络的列控车载设备故障诊断研究[D]. 北京交通大学, 2016.
[17] 冯娟. 基于粗糙集理论的列控车载设备故障诊断方法[D]. 北京交通大学, 2017.
[18] 程雨. 基于贝叶斯网络的列控系统故障诊断研究[D]. 北京交通大学, 2014.
[19] 范璐洋. 基于贝叶斯网络的车辆运行风险评估[D]. 哈尔滨工业大学, 2018.
[20] 郭文强, 张玉杰, 侯勇严. 基于贝叶斯网络模型构造的汽车故障诊断研究[J]. 计算机仿真, 2011, 28(11): 315-318 353.
[21] 李相刚. 贝叶斯网络在汽车故障诊断中的应用[J]. 公路与汽运, 2006, (02): 21-24.
[22] 李瑜. 基于贝叶斯网络和CBR的汽车故障诊断系统研究[J]. 科学咨询(科技·管理), 2016, (06): 34-35.
[23] 钱娜. 贝叶斯网络在汽车发动机故障诊断中的应用研究[D]. 沈阳工业大学, 2009.
[24] 王旭景. 电控汽油喷射系统的贝叶斯故障诊断[D]. 广西大学, 2008.
[25] 魏攀, 徐红兵. 基于贝叶斯网络的故障诊断专家系统[J]. 计算机测量与控制, 2007, (07): 855-857.
[26] 豆高雅. 汽车制动系统常见故障的诊断及检修[J]. 汽车维修, 2018, (12): 19-24.
[27] Liu J H, Zhang J L, Jin M D. Application of BN in the fault diagnosis of brake failure system[C]. 2nd International Conference on Precision Mechanical Instruments and Measurement Technology, ICPMIMT 2014, May 30, 2014 - May 31, 2014, 2014: 1684-1688.
[28] Li H-C, Zhou Y. Fault diagnosis by bayesian network in system of poor braking efficiency[C]. 2012 4th International Conference on Intelligent Human-Machine Systems and Cybernetics, IHMSC 2012, August 26, 2012 - August 27, 2012, 2012: 45-48.
[29] Zhou Y, Zhang Y. Applications of Bayesian network in fault diagnosis of braking deviation system[C]. 2011 4th International Symposium on Computational Intelligence and Design, ISCID 2011, October 28, 2011 - October 30, 2011, 2011: 170-173.
[30] Chen Y-G. Applications of Bayesian network in fault diagnosis of braking system[C]. 3rd International Conference on Intelligent Human-Machine Systems and Cybernetics, IHMSC 2011, August 26, 2011 - August 27, 2011, 2011: 234-237.