基于規(guī)則和事例推理的電氣故障診斷方法*

王 炳 應文健

(1.海軍裝備部兵器部 北京 100841)(2.海軍工程大學兵器工程系 武漢 430033)

基于規(guī)則和事例推理的電氣故障診斷方法*

王 炳1應文健2

(1.海軍裝備部兵器部 北京 100841)(2.海軍工程大學兵器工程系 武漢 430033)

論文通過電路仿真和分析獲取艦炮運行參數(shù)信息,建立了艦炮電氣故障診斷規(guī)則庫,融合規(guī)則推理和事例推理技術,設計了具備自學習能力的故障診斷系統(tǒng)。實際應用表明,該方法可最大程度地吸收各種有效的維修經(jīng)驗,在使用過程中其故障診斷能力會越來越強。

故障診斷; 規(guī)則推理; 事例推理; 電氣系統(tǒng)

Class Number TJ760

1 引言

目前故障診斷專家系統(tǒng)廣泛采用基于規(guī)則的推理策略。基于規(guī)則的推理從規(guī)則庫選擇相應的規(guī)則并匹配規(guī)則的前提部分,根據(jù)匹配結果得出結論。這種推理策略在求解小規(guī)模問題時,效率較高,但只能對預設并與規(guī)則前提匹配的事件進行推理,這對規(guī)則庫的建設提出了很高的要求[1～3],且存在知識獲取的瓶頸、自學習能力差等問題。

由于在檢修電路時,所看到的現(xiàn)象或事實往往具有某種不確定性,這會導致證據(jù)的不確定性。而如果一個診斷系統(tǒng)不具備學習和容錯能力,它就很難實現(xiàn)自我完善,容易迷失在紛雜的不確定證據(jù)信息中,且一旦有了錯誤就會永遠重復相同的錯誤,這樣的故障診斷系統(tǒng)將會失去實際意義。為了改進這一問題,已做了大量有效的研究工作[2～5]。而結合事例推理的方法作為故障診斷的有效補充,降低了知識獲取的負擔,也改善了系統(tǒng)的擴展性,會使故障診斷系統(tǒng)往真值方向逼近,其診斷成功率越來越高[4～7],取得了較好的效果。

武器裝備的電氣系統(tǒng)較為復雜,對維修人員的專業(yè)技術水平要求比較高。為降低其電氣故障診斷工作的專業(yè)性和提高其診斷水平,本文以某型艦炮電氣系統(tǒng)為例,通過電路仿真和分析獲取了該型裝備的運行參數(shù)信息,建立了電氣故障診斷規(guī)則庫,設計了基于規(guī)則推理的專家系統(tǒng)。然后在此基礎上,通過引入成功事例(來自于實際應用事例)到該專家系統(tǒng)中,具備了自學習能力,使其診斷能力在經(jīng)過一定時間的使用后能夠得到大幅的提升。

2 電路故障知識獲取

艦炮電氣系統(tǒng)中的電路分為供電電路、隨動電路和射控電路三大部分。隨動電路是用來控制艦炮的轉動;射控電路是用來控制艦炮的供彈和發(fā)射;供電電路則是為隨動和射控機構提供工作電源。由于隨動和射控電路之間,以及射控內部各電路之間,存在著復雜的聯(lián)鎖控制關系,因此,給艦炮電氣故障的排查帶來很大困難。同時,由于診斷技術需要建立大量的規(guī)則庫,而在實際工作中要獲取電路的先驗知識很困難,因為通過在實裝里設置各種各樣的故障來提取這個先驗知識既難以做到,又具有很高成本。因此,本文通過電路的仿真軟件Multisim10在艦炮電氣電路里設置一些異?；蚬收?利用其強大的元件庫和仿真能力,提取出診斷所需的各種數(shù)據(jù),為后續(xù)快速找到故障點提供支撐。

電路仿真及故障知識獲取的步驟主要為

1) 電路仿真建模

將待分析診斷的電路在Multisim10仿真平臺上建立。該平臺提供了規(guī)模龐大的元器件庫,且允許用戶建立自己的元件庫。

2) 監(jiān)測點設置

監(jiān)測點設置需要考慮在實際使用時是可測的點,否則該監(jiān)測點是無效的。該平臺提供了強大的虛擬儀器功能,利用數(shù)字萬用表、示波器、信號發(fā)生器等艦炮檢查調試會用到的儀器對所設置的監(jiān)測點進行狀態(tài)監(jiān)控。

3) 故障設置

故障設置的目的是建立起監(jiān)測點電壓和電路狀態(tài)的對應關系。這需要在平臺上建立的仿真電路上設置各種各樣的假想故障,可以是部件級,也可以是元器件級。重點是應突出艦炮實際使用過程中出現(xiàn)的常見故障。

通過上述步驟,即可建立監(jiān)測點電壓和電路狀態(tài)關聯(lián)數(shù)據(jù)庫[9～10]。

3 規(guī)則推理和事例推理相融合的診斷技術

1) 規(guī)則推理

系統(tǒng)將所要診斷的故障征兆信息與規(guī)則庫中的規(guī)則的前提條件進行匹配,若匹配成功,再將該知識塊的結論作為中間結果,利用這個中間結果繼續(xù)與知識庫中的規(guī)則進行匹配,直到得出診斷結果。而基于規(guī)則的正向推理是按照在已確定存在規(guī)則知識的前提下,采用事實驅動方式進行的推理。本文從給定的事實出發(fā),找到所有能夠推斷出來的結論,即可能故障原因,故采用正向推理策略[8]。

2) 與事例推理相融合

(1)事例推理的融合

在基于規(guī)則推理的診斷中,常因知識庫中知識的局限導致推理中斷而失敗。本系統(tǒng)中,倘若所得到的結果和實際情況不符合,會提醒使用人員輸入正確的結果,并將推理過程及結果保存為日志。該日志也便于收集部隊故障排查案例,以及后續(xù)故障規(guī)則庫、事例庫的升級和完善。

系統(tǒng)在基于規(guī)則推理過程中,會同步學習這些推理成功的歷史記錄,在后續(xù)遇到相似度較高的故障現(xiàn)象時(自動匹配),會將這些歷史推理結果按置信度高低排序同步呈現(xiàn)給艦員,提示可檢查這些故障點。該方法既充分利用了先驗知識,又對高概率事件給予高度重視,有效克服了既有規(guī)則的局限性,可顯著提高診斷準確度和速率[4～5]。

基于事例推理能夠有效提升診斷水平的原因,主要在于設備使用一段時間后,出現(xiàn)的故障會逐漸同質化,即出現(xiàn)曾經(jīng)出現(xiàn)過的故障的概率越來越高,則基于前述成功事例來診斷高同質化的新故障案例時,得到的結果其準確度也會更高,其診斷置信度將遞增,是對規(guī)則推理的很好補充。

(2)事例的產(chǎn)生方法

這里提出一種“自助式”診斷方式來提取事例,還可有效避開“既有”規(guī)則對操作人員自行推理的束縛。該方式下,可以自行選擇測量點,系統(tǒng)會輔助你完成測量位置的引導、火炮應達到的狀態(tài)關聯(lián)以及測量值的合理性判斷等,但推理的進行需要通過維修人員自身的知識進行。該方式的成功定位操作,將作為推理規(guī)則保存,也即吸收了有豐富維修經(jīng)驗的維修人員的推理邏輯以及他們的成功排查事例,實現(xiàn)在應用中的推理自學習和升級完善等。

(3)容錯機制

如果使用一個不成功的事例來協(xié)助診斷,如同不確定的證據(jù),將會誤導診斷,得到不正確的推理結果。因此,應具備對不成功事例或不確定性證據(jù)的判斷力,或者容錯能力。對此,使用了兩種方法。一是在診斷推理過程中的自動評估,即通過診斷人員對系統(tǒng)診斷結果給出評價,倘若診斷結果與實際不相符,則系統(tǒng)在得到人為給出的不合理評價后,及時降低診斷置信度,其中,正值表示成功事例,負值為失敗事例,將被自動刪除。二是使用事后專家修正的方法來處理,即專家對事例庫進行集中維護,發(fā)現(xiàn)不正確的事例及時刪除。

4 應用分析

利用該技術在某艦炮武器電氣系統(tǒng)檢查設備上成功實現(xiàn)了故障智能診斷的功能。下面以某故障為例對其應用情況進行說明。

該系統(tǒng)提供了基于規(guī)則推理的專家診斷系統(tǒng)。其推理規(guī)則表述如表1所示。

表1 推理規(guī)則庫示意

表1中,Y列表示結果為“是”的情況下應跳轉到的代號,N則為“否”時的,代號為在IF-THEN規(guī)則下的跳轉目標。通過該表,基本能夠將“常規(guī)”推理規(guī)則都涵蓋其中。具體使用時,通過逐步交互,自動推理,最后定位到故障點。

該定位能成功的關鍵是其預先建立的規(guī)則庫涵蓋了此次推理內容,但顯然肯定有很多種情形事先并沒有考慮到。倘若未被涵蓋,則推理到一定步驟時,出現(xiàn)的推理邏輯或者結果將與實際不符。這種情況在所有的專家診斷系統(tǒng)中都存在,因為任何一個稍微復雜點的系統(tǒng),其規(guī)則庫都會是比較龐大的,以至于用人工建立的方法不太可能覆蓋。

在此基礎上,利用前述的事例推理方法,來彌補這一知識的不足。即,當通過規(guī)則推理得不到準確結果時,轉而使用“自助”式診斷模式。在該模式下,推理不再使用既定規(guī)則,而是高級技術人員的現(xiàn)場分析邏輯,在準確定位后形成一個新的事例(屬于成功事例)。該事例的故障現(xiàn)象通過測量點結果自動分析和交互輸入綜合所得。后續(xù)再碰到類似故障時(同樣的故障現(xiàn)象),基于規(guī)則推理的模式將自動搜索匹配到該成功事例(以故障現(xiàn)象作為匹配對象),將其故障點作為優(yōu)先排查點。

經(jīng)過近三個月的診斷測試,收集了近200多個診斷案例,其診斷準確率不斷得到提升,能夠達到95%以上,剩下的5%主要是由那些沒有預先被包含的故障案例在第一次出現(xiàn)時的失敗診斷所造成的,但是隨著后續(xù)診斷次數(shù)的增加,這個比例會越來越低。

5 結語

本文通過電路仿真和分析獲取了該型裝備的運行參數(shù)信息,建立了電氣故障診斷規(guī)則庫,融合規(guī)則推理和事例推理技術,設計了具備學習能力的故障診斷系統(tǒng),可最大程度地吸收各種有效的維修經(jīng)驗,在使用過程中將逐漸增長其“智力”,使故障診斷能力越來越強。但本文對容錯機制的分析僅考慮了部分情況,以及對于規(guī)則的學習尚未涉及,后續(xù)進一步研究改進。

[1] 張登峰,等.復雜裝備早期維護中故障診斷知識獲取方法[J].中南大學學報(自然科學版),2009,40(增刊1):284-289.

[2] 陳正,李華旺,常亮.基于故障樹的專家系統(tǒng)推理機設計[J].計算機工程,2012,38(11):228-230.

[3] 李再華,白曉民,周子冠,等.基于特征挖掘的電網(wǎng)故障診斷方法[J].中國電機工程學報,2010,30(10):16-22.

[4] 段榮行,董德存,趙時旻.采用動態(tài)故障樹分析診斷系統(tǒng)故障的信息融合法[J].同濟大學學報(自然科學版),2011,39(11):1699-1704.

[5] 陶勇劍,董德存,任鵬.采用故障樹分析診斷系統(tǒng)故障的改進方法[J].哈爾濱工業(yè)大學學報,2010,42(1):143-147.

[6] 邰敬明,閆娜,白士紅.基于實例推理的發(fā)動機故障診斷[J].控制工程,2009,16(增刊):213-215.

[7] 江志農(nóng),王慧,魏中青,等.基于案例與規(guī)則推理的故障診斷專家系統(tǒng)[J].計算機工程,2011,37(1):238-243.

[8] 劉忠義.電氣設備故障診斷專家系統(tǒng)通用開發(fā)平臺研究[D].長沙:國防科學技術大學碩士學位論文,2003.

[9] 王安娜,申燕,劉澤軍等.電路仿真設計軟件Multisim在電路實驗中的應用[J].實驗技術與管理,2005,22(12):64-68.

[10] 陶貴明,張錫恩,曾興志.電路仿真與故障知識獲取研究[J].系統(tǒng)工程與電子技術,2006,28(12):1945-1947.

Electrical Fault Diagnosis Based on Rule and Case Reasoning

WANG Bing1YING Wenjian2

(1. Weapons Department, Naval Armaments Department, Beijing 100841) (2. Weapons Department, Naval Univ. of Engineering, Wuhan 430033)

This article provides the acquiring way of the work parameters of the electrical system about the navy gun by the circuit simulation, and builds the rule database of the electrical fault diagnosis. Then the fault diagnosis system with the self-study ability is designed. Application results show the diagnosis results of this system conforms with situation, and the system can absorb the experience and the diagnosis ability will be improved.

fault diagnosis, rule based reasoning, case based reasoning, electrical system

2013年7月7日,

2013年8月27日

王炳,男,工程師,研究方向:艦炮保障技術。

TJ760

10.3969/j.issn1672-9730.2014.01.037