基于灰色理論的故障診斷本體建模與推理*

孫文舟 岳冬梅 石晨光 彭 亮

(1.海軍大連艦艇學(xué)院研究生管理大隊(duì) 大連 116018) (2.海軍大連艦艇學(xué)院艦炮系 大連 116018)(3.92132部隊(duì) 青島 266000)

?

基于灰色理論的故障診斷本體建模與推理*

孫文舟1岳冬梅2石晨光2彭 亮3

(1.海軍大連艦艇學(xué)院研究生管理大隊(duì) 大連 116018) (2.海軍大連艦艇學(xué)院艦炮系 大連 116018)(3.92132部隊(duì) 青島 266000)

針對故障診斷領(lǐng)域知識異構(gòu)和故障機(jī)理復(fù)雜的問題,提出基于灰色理論的本體模型。利用SWRL規(guī)則和推理引擎在本體模型中實(shí)現(xiàn)灰色關(guān)聯(lián)度的表達(dá)及其聯(lián)接故障現(xiàn)象和故障原因的作用。在基于灰色理論的故障診斷本體推理機(jī)制框架下,建立了液壓系統(tǒng)的故障診斷灰色本體模型。實(shí)例驗(yàn)證,該方法診斷效果良好。

本體; 灰色關(guān)聯(lián)度; 故障診斷; SWRL

Class Number E92

1 引言

故障機(jī)理、故障模式和故障特性參數(shù)的表達(dá)是故障診斷研究的重難點(diǎn)。本體語言O(shè)WL能夠較完美地定義和抽象出現(xiàn)實(shí)世界中的概念以及概念間的各種關(guān)系,并實(shí)現(xiàn)以此為基礎(chǔ)的本體知識庫的可滿足性推理[1]。隨著本體建模理論的成熟,基于本體的故障診斷技術(shù)被廣泛應(yīng)用于各類設(shè)備[2～3]。在應(yīng)用本體的過程中,本體故障診斷技術(shù)在異構(gòu)系統(tǒng)的兼容上表現(xiàn)出了優(yōu)勢,但同時也存在著不確定性知識表達(dá)的困境。OWL并不能完善地表達(dá)出現(xiàn)實(shí)世界中各種事物間普遍存在的因果關(guān)系,如故障的判定與推理規(guī)則。

故障診斷領(lǐng)域的故障現(xiàn)象、參數(shù)指標(biāo)、故障原因之間并不是孤立的,它們之間是存在聯(lián)系的,灰色系統(tǒng)理論中的灰色關(guān)聯(lián)度來可以作為這種聯(lián)系的度量。其基本思想是從隨機(jī)性的時間序列中找到關(guān)聯(lián)性和關(guān)聯(lián)性的參數(shù)度量,以便為故障參數(shù)分析,故障原因的確定提供依據(jù)[4～5]。而灰色理論有其應(yīng)用的范疇,即要求目標(biāo)系統(tǒng)部分信息已知,同時部分信息未知。大型機(jī)電系統(tǒng)都一定程度上地體現(xiàn)著灰色的特質(zhì),所以灰色關(guān)聯(lián)度分析可以用來對設(shè)備的故障診斷。

2 灰色關(guān)聯(lián)度相關(guān)理論

2.1 灰色關(guān)聯(lián)度分析法[6]

灰色關(guān)聯(lián)度是表征兩個灰色系統(tǒng)之間相似性的一種指標(biāo)。設(shè)有兩個數(shù){Xi(t)},{Xj(t)},在t=k時刻,則其間的灰色關(guān)聯(lián)度定義為

(1)

其中εij為灰色關(guān)聯(lián)系數(shù),可用式(2)計(jì)算:

(2)

Δij(k)表示k時刻兩個數(shù)列的絕對差,即:

Δij(k)=|Xi(k)-Xj(k)|

(3)

Δmax,Δmin分別為各個時刻的絕對差中的最大值與最小值,ρ為分辨系數(shù)。

2.2 故障模式識別中的灰色分析法原理

設(shè)有L個典型故障,每種典型故障可以由幾個特征參數(shù)構(gòu)成一個特征向量。由這L個特征向量而構(gòu)成一個典型故障的特征矩陣:

(4)

同理可構(gòu)成待檢數(shù)據(jù)特征矩X(P):

(5)

每一個特征向量都代表一種故障模式代故障診斷可歸結(jié)為對待檢模式進(jìn)行故障模式識別的問題。在灰色診斷中可利用關(guān)聯(lián)度分析來進(jìn)行故障模式識別,稱之為灰色故障模式識別。其基本原理如圖1所示。

圖1 灰色關(guān)聯(lián)度識別故障模式原理圖

3 基于灰色理論的故障診斷本體建模

3.1 故障診斷本體建模分析[7]

故障診斷本體一般包含系統(tǒng)組件、故障現(xiàn)象、特征參數(shù)、故障原因及排故措施五大基本要素。故障診斷本體主要建模步驟: 1) 確定模型目標(biāo)和范疇; 2) 分析故障類型的故障特征、敏感參數(shù)、故障原因、排故措施,列出所有的故障知識,以其構(gòu)建故障知識本體的類; 3) 確定所需建立的故障本體中的類和關(guān)系; 4) 利用相關(guān)本體開發(fā)工具建立系統(tǒng)故障診斷本體,獲得系統(tǒng)故障知識的形式化表示與編碼。

3.2 基于灰色理論的故障診斷本體建模分析

故障診斷就是利用已知的有限信息去揭示未知信息系統(tǒng)的特性、狀態(tài)和發(fā)展趨勢,并對未來做出預(yù)測、決策與控制。因此灰色故障診斷從灰色系統(tǒng)理論來看,實(shí)質(zhì)上是對一個灰色系統(tǒng)白化的過程。系統(tǒng)的白化就是找出與反映系統(tǒng)內(nèi)部聯(lián)系的現(xiàn)象和因素等對應(yīng)的某種特征量,并將其量化:然后通過信息處理、分析和系統(tǒng)建模,尋找其量化關(guān)系和規(guī)律;進(jìn)而對未來的發(fā)展做出定量的預(yù)測、決策與控制[8]。

基于灰色理論的故障診斷本體建模需要利用本體的概念對輸入的系統(tǒng)狀態(tài)參數(shù)進(jìn)行分類,區(qū)分功能參數(shù)、結(jié)構(gòu)參數(shù)、響應(yīng)參數(shù)三個大類,并為每個實(shí)例建立數(shù)據(jù)屬性(Data Properties)。為保證故障診斷本體的準(zhǔn)確性,選擇的系統(tǒng)狀態(tài)參數(shù)要滿足具有敏感性、有效性、規(guī)律性、易測性和穩(wěn)定性的要求。利用優(yōu)化方法提取每種故障模式下的系統(tǒng)特征參數(shù),并建立每種故障狀態(tài)下的系統(tǒng)標(biāo)準(zhǔn)故障序列,作為本體中的標(biāo)準(zhǔn)故障實(shí)例R。

故障診斷本體要明確故障現(xiàn)象類,在對某類故障現(xiàn)象所對應(yīng)的全部參數(shù)進(jìn)行實(shí)時測量后,將實(shí)測參數(shù)序列P與各標(biāo)準(zhǔn)故障序列實(shí)例分別進(jìn)行計(jì)算灰色關(guān)聯(lián)度rij,并依各故障模式的關(guān)聯(lián)度大小進(jìn)行排序。由rij組成的關(guān)聯(lián)度矩陣為

(6)

4 基于灰色理論的SWRL本體推理

SWRL彌補(bǔ)了OWL語言在推理上的不足,實(shí)現(xiàn)了規(guī)則與OWL本體知識庫相互結(jié)合[9]。SWRL規(guī)則由head和body組成,以head表示推理結(jié)果,以body表示推理前提。在head和body中允許出現(xiàn)的基本成分是Atom,即其架構(gòu)中所使用的Horn子句都是Atom所組成的。在head部分只允許出現(xiàn)一個Atom,而body部分允許出現(xiàn)若干個Atom。SWRL的一種表達(dá)形式為C(x),C是OWL的描述或者data range;另一種為P(x,y),P是OWL的屬性而x、y可以是變量、OWL實(shí)例或OWL數(shù)據(jù)值。

計(jì)算灰色關(guān)聯(lián)度需要大量計(jì)算模型的支持,僅僅具有單一的描述能力的語言是無法滿足需求的。Built-in作為SWRL的模塊化組件,具有強(qiáng)大的邏輯表達(dá)能力。用戶可以在Java環(huán)境中對Built-in進(jìn)行擴(kuò)展,創(chuàng)建用戶所需的邏輯公理(Axioms),在將自定義的OWL文件嵌入Built-in程序庫后即可進(jìn)行調(diào)用。SWRLBuiltInLibraryImpl的支持下建立故障診斷中所需的規(guī)則,其中將灰色關(guān)聯(lián)度表達(dá)為Greycorrelation。HasGreycorrelation(?x,?y)表示故障x的灰色關(guān)聯(lián)度為y。

表1 基于灰色理論的故障診斷領(lǐng)域Atom表

SWRL的本體推理需要借助SWRL規(guī)則編輯器(SWRL Editor),SWRL Editor可以讓用戶以Horn子句邏輯公式形式的方式來編輯SWRL規(guī)則并集成Jess規(guī)則引擎。用戶可控制何時將OWL知識和SWRL規(guī)則傳給Jess,何時用這些知識和規(guī)則進(jìn)行推理,何時將推理的結(jié)果作為OWL知識傳遞會OWL Plugin。在基于灰色理論的故障診斷領(lǐng)域Atom(如表1所示)的支撐下,基于灰色理論的SWRL推理規(guī)則可一般性地表示為:Faults(?x)∧HasGreycorrelation(?x,?r)∧r0(?x,z)∧swrlb:greaterThanorEqual(?r,z)→Faults1(?x)?；诨疑碚摰墓收显\斷本體推理機(jī)制框架如圖2所示。

圖2 基于灰色理論的故障診斷本體推理機(jī)制框架

5 故障診斷灰色本體模型實(shí)例

在整合液壓系統(tǒng)常見故障機(jī)理后,用SWRL規(guī)則對故障診斷邏輯予以描述,建立液壓系統(tǒng)故障診斷規(guī)則表,如表2所示。

表2 液壓系統(tǒng)故障診斷規(guī)則

當(dāng)液壓系統(tǒng)出現(xiàn)故障時,在本體類中創(chuàng)建測試實(shí)例,將待診參數(shù)無量綱規(guī)范化處理后輸入對應(yīng)的p、t、q,運(yùn)行Jess規(guī)則引擎,得到推理結(jié)果為氣穴故障,Axioms顯示為“Cavitations(Faults1)”。

6 結(jié)語

由于設(shè)備系統(tǒng)故障的復(fù)雜性和多元性,本體可有效共享故障診斷知識的優(yōu)勢十分突出。文中將本體建模與灰色理論同時運(yùn)用于故障診斷領(lǐng)域,取得了預(yù)期的診斷效果,說明基于灰色理論的故障診斷本體建模技術(shù)切實(shí)可行。

本文沿用鄧聚龍教授的灰色關(guān)聯(lián)度算法,對灰色關(guān)聯(lián)度的算法進(jìn)行了改進(jìn)的學(xué)者,可對本文的建模方法進(jìn)行相應(yīng)的調(diào)整,以便各類設(shè)備故障診斷的需求。

[1] 黃勇奇.基于地理本體和SWRL規(guī)則的農(nóng)業(yè)地理信息時空查詢研究[M].北京:中國出版集團(tuán),2012.

[2] 張會福,狄雪蘭,文宏.基于本體的轉(zhuǎn)子故障診斷知識建模研究[J].中國機(jī)械工程,2011,22(21):2619-2623.

[3] 彭海仔.基于本體的輸送機(jī)故障診斷方法[J].南京理工大學(xué)學(xué)報,2013,37(6):850-856.

[4] 祝海林,胡愛萍.液壓系統(tǒng)故障診斷的灰色理論方法探討[J].石油化工高等學(xué)校學(xué)報,1998,11(3):55-59.

[5] 高保祿,熊詩波,段江麗.灰色關(guān)聯(lián)度在故障診斷系統(tǒng)中的應(yīng)用[J].太原理工大學(xué)學(xué)報,2010,41(4):398-401.

[6] 施國洪,姚冠新.灰色系統(tǒng)理論在故障診斷決策中的應(yīng)用[J].系統(tǒng)工程與理論實(shí)現(xiàn),2001(4):120-123.

[7] 陳國榮,鄢萍,陳燕華.高爐故障診斷本體構(gòu)建方法實(shí)證分析[J].重慶大學(xué)學(xué)報,2012,35(5):35-39.

[8] 馮輔周.軍用車輛故障診斷學(xué)[M].北京:國防工業(yè)出版社,2007.

[9] O’Connor M, Knublauch H, Tu S, et al. Supporting rule system interoperability in the semantic Web with SWRL[C]//Lecture Notes in Computer Science(including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 3729: 4th International Semantic Web Conference on The Semantic Web, ISWC 2005,2005:974-986.

[10] 楊廣,吳曉平.基于模糊灰色關(guān)聯(lián)模型的艦船液壓裝置故障診斷研究[J].武漢理工大學(xué)學(xué)報,2007,31(5):788-791.

Ontology Modeling and Reasoning for Fault Diagnosis Based on Grey Theory

SUN Wenzhou1YUE Dongmei2SHI Chenguang2PENG Liang3

(1. Department of Graduate Management, Dalian Naval Academy, Dalian 116018) (2. Department of Naval Gun, Dalian Naval Academy, Dalian 116018)(3. No. 92132 Troops of PLA, Qingdao 266000)

Against the main problem of semantic heterogeneity and complicated fault mechanism, ontology model for fault diagnosis based on grey theory is mentioned. By means of SWRL rules and inference engine, the representation of grey correlation implement the connection between fault phenomenon and fault reason in the ontology model. In the framework of ontology reasoning mechanism for fault diagnosis based on grey theory, an ontology model for hydraulic system is built. The case study shows that result is satisfied.

ontology, grey correlation, fault diagnosis, SWRL

2015年2月4日,

2015年3月16日

孫文舟,男,碩士研究生,研究方向:艦載武器系統(tǒng)分析、論證與仿真。

E92

10.3969/j.issn1672-9730.2015.08.030