基于自主運(yùn)行體系結(jié)構(gòu)的通用推理引擎設(shè)計

劉 博，嚴(yán)云紅，程云龍，彭立章，陳 元

(上海宇航系統(tǒng)工程研究所,上海 201109)

基于自主運(yùn)行體系結(jié)構(gòu)的通用推理引擎設(shè)計

劉 博，嚴(yán)云紅，程云龍，彭立章，陳 元

(上海宇航系統(tǒng)工程研究所,上海 201109)

為實(shí)現(xiàn)基于規(guī)則的決策推理，根據(jù)自主運(yùn)行技術(shù)的特點(diǎn)對一種基于航天器自主運(yùn)行體系結(jié)構(gòu)的通用推理引擎設(shè)計進(jìn)行了研究。該體系結(jié)構(gòu)以策略與機(jī)制分離為目標(biāo)，對系統(tǒng)策略、資源和數(shù)據(jù)進(jìn)行統(tǒng)籌管理，自主運(yùn)行系統(tǒng)包括決策系統(tǒng)、系統(tǒng)策略、系統(tǒng)輸入和系統(tǒng)輸出四部分。在自主運(yùn)行體系結(jié)構(gòu)的基礎(chǔ)上，對傳統(tǒng)Rete算法進(jìn)行改進(jìn)，優(yōu)化傳統(tǒng)Rete網(wǎng)絡(luò)結(jié)構(gòu)，取消了Not節(jié)點(diǎn)，改變了原Rete算法中的是非邏輯判斷，合并了Entry節(jié)點(diǎn)、Token節(jié)點(diǎn)和適配節(jié)點(diǎn)功能。給出了通用推理引擎的推理網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)計了推理算法以實(shí)現(xiàn)事實(shí)序列的快速推理。某航天器數(shù)管分系統(tǒng)的程控功能樣例顯示：根據(jù)飛行過程中產(chǎn)生的事實(shí)序列，用設(shè)計的推理引擎推理出級箭分離、中繼加電、開發(fā)動機(jī)、關(guān)發(fā)動機(jī)等事件的發(fā)生，由此驗證了通用推理引擎的有效性。

自主運(yùn)行； 推理引擎； Rete算法； 推理網(wǎng)絡(luò)； 模式匹配； 通用化； 規(guī)則庫； 體系結(jié)構(gòu)

0 引言

自主運(yùn)行技術(shù)是美國等在20世紀(jì)80年代發(fā)展的一種航天器智能技術(shù)[1-2]。該技術(shù)通過利用人工智能等現(xiàn)代控制方法實(shí)現(xiàn)航天器的自我管理并完成既定任務(wù)，進(jìn)而解決航天器傳統(tǒng)控制方法中對地面遙控依賴過強(qiáng)的問題[3-4]。航天器自主運(yùn)行技術(shù)可通過故障診斷、自主決策等加快對突發(fā)事件的響應(yīng)速度、減少地面干預(yù)而降低運(yùn)行成本。航天器自主運(yùn)行的目標(biāo)是在盡量少依賴地面干預(yù)的前提下，根據(jù)自身狀態(tài)、外部環(huán)境等數(shù)據(jù)進(jìn)行決策，控制航天器完成各種任務(wù)[5]。規(guī)則推理技術(shù)是人工智能領(lǐng)域的重要分支，已被廣泛用于專家系統(tǒng)、模式識別和系統(tǒng)決策等智能領(lǐng)域，為實(shí)現(xiàn)高智能、全自動自主運(yùn)行的目標(biāo)，需有強(qiáng)大的推理能力作為支撐。規(guī)則推理技術(shù)已在國外航天器上得到了驗證，深空探測1號(DS-1)、太空技術(shù)7號(ST-7)等探測器都采用規(guī)則推理技術(shù)實(shí)現(xiàn)了航天器的自主運(yùn)行控制[5-6]。未來，航天器自主運(yùn)行將會成為一種發(fā)展趨勢，可用于程控、健康管理、任務(wù)管理，以及制導(dǎo)、導(dǎo)航與控制(GNC)等領(lǐng)域。

近年來，智能推理技術(shù)發(fā)展迅速，Jess，JBoss Rules等商用推理引擎不斷推出，但國內(nèi)并沒有成熟推理引擎的案例。航天領(lǐng)域中的故障診斷、規(guī)劃決策等傳統(tǒng)推理系統(tǒng)的功能單一，針對特定任務(wù)和功能設(shè)計，且多使用基于符號系統(tǒng)的規(guī)則模型，需設(shè)計專門的解釋器配合符號系統(tǒng)使用，無法實(shí)現(xiàn)通用化推理[7-8]。從通用化、組件化的角度出發(fā)，基于自主運(yùn)行體系結(jié)構(gòu)，采用一種通用化推理引擎，能實(shí)現(xiàn)自主運(yùn)行系統(tǒng)的決策推理功能，通用推理引擎根據(jù)知識庫編譯推理網(wǎng)絡(luò)，從事實(shí)序列中挖掘已知事件的匹配情況，整個推理過程與業(yè)務(wù)邏輯無關(guān)，可有極高的適用性和靈活性，能用于數(shù)管程控、流程控制、系統(tǒng)故障診斷等領(lǐng)域。本文對一種基于自主運(yùn)行體系結(jié)構(gòu)的通用推理引擎設(shè)計進(jìn)行了研究，介紹了自主運(yùn)行體系結(jié)構(gòu)和自主運(yùn)行流程，給出了基于改進(jìn)型Rete算法的推理引擎設(shè)計方法，用仿真演示平臺和模擬應(yīng)用案例驗證該推理引擎的有效性，并對通用推理引擎在工程中的應(yīng)用及未來發(fā)展進(jìn)行了討論。

1 自主運(yùn)行體系結(jié)構(gòu)

我國現(xiàn)有航天器多由多個相對獨(dú)立的分系統(tǒng)組成，每個分系統(tǒng)負(fù)責(zé)實(shí)現(xiàn)系統(tǒng)的一部分功能，通過分系統(tǒng)間的協(xié)作實(shí)現(xiàn)航天任務(wù)[5]。該結(jié)構(gòu)因其界面清晰、可靠性高等優(yōu)點(diǎn)一直被廣泛應(yīng)用。傳統(tǒng)的總體+分系統(tǒng)結(jié)構(gòu)中各分系統(tǒng)的數(shù)據(jù)和資源相對獨(dú)立，每個分系統(tǒng)獨(dú)自管理內(nèi)部的數(shù)據(jù)和資源。隨著綜合電子技術(shù)的發(fā)展，整器的數(shù)據(jù)和資源逐步由分布式管理轉(zhuǎn)變?yōu)榻y(tǒng)籌式管理，自主運(yùn)行體系結(jié)構(gòu)是在總體+分系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上，以策略與機(jī)制分離為目標(biāo)，對系統(tǒng)策略、資源和數(shù)據(jù)進(jìn)行統(tǒng)籌管理后形成的一種體系結(jié)構(gòu)。其中：策略是按規(guī)則的格式要求對實(shí)際系統(tǒng)應(yīng)用的業(yè)務(wù)邏輯進(jìn)行抽象，形成規(guī)則庫；機(jī)制是通用化、模塊化的組件集合，用于管理規(guī)則庫、數(shù)據(jù)流處理、推理引擎等核心組件。自主運(yùn)行體系結(jié)構(gòu)由決策系統(tǒng)、系統(tǒng)策略、系統(tǒng)輸入和系統(tǒng)輸出四部分組成，如圖1所示。

圖1 自主運(yùn)行體系結(jié)構(gòu)Fig.1 Autonomous architecture

在自主運(yùn)行體系結(jié)構(gòu)中，根據(jù)工程實(shí)際任務(wù)中的業(yè)務(wù)邏輯制定系統(tǒng)策略，并基于系統(tǒng)策略維護(hù)決策系統(tǒng)。在系統(tǒng)運(yùn)行過程中，實(shí)時對來自系統(tǒng)輸入的外圍設(shè)備和系統(tǒng)內(nèi)部的狀態(tài)數(shù)據(jù)進(jìn)行預(yù)處理，送決策系統(tǒng)決策，并將決策系統(tǒng)生成的指令或動作通過系統(tǒng)輸出發(fā)送或執(zhí)行。

系統(tǒng)策略是對各分系統(tǒng)實(shí)際任務(wù)的抽象和梳理形成的規(guī)則集合。在系統(tǒng)設(shè)計時，按決策系統(tǒng)中定義的數(shù)據(jù)類型，將各分系統(tǒng)的實(shí)際功能分解成若干條規(guī)則，并將這些規(guī)則注冊到策略庫。

系統(tǒng)輸入是所有待處理數(shù)據(jù)的集合，包括表征當(dāng)前軟件運(yùn)行情況的狀態(tài)數(shù)據(jù)、來自各傳感器或外部設(shè)備的遙測數(shù)據(jù)、接收到的遙控指令，以及系統(tǒng)時間等輸入數(shù)據(jù)。

系統(tǒng)輸出是所有外部操作的集合，包括總線通信、閥門、火工品、伺服機(jī)構(gòu)控制、加熱器等，與傳統(tǒng)航天器中的執(zhí)行部件集合對應(yīng)。

決策系統(tǒng)是自主運(yùn)行體系的關(guān)鍵，為系統(tǒng)自主運(yùn)行提供了一套通用化推理機(jī)制，可適于不同航天器。決策系統(tǒng)包括策略庫、事件庫、事實(shí)庫、事實(shí)隊列、推理引擎、事件發(fā)生器和執(zhí)行器。在決策系統(tǒng)中，數(shù)據(jù)以規(guī)則、事件和事實(shí)的形式在各組件間流動。

定義1事實(shí)，用于表示系統(tǒng)某個屬性的當(dāng)前狀態(tài)?？捎萌M表示為

Fact=〈F_Type，Property，F(xiàn)_Value〉

式中：F_Type為事實(shí)類型；Property為該事實(shí)表征的系統(tǒng)屬性，規(guī)定了該事實(shí)類型的數(shù)據(jù)源；F_Value為該事實(shí)的數(shù)值，代表屬性當(dāng)前的狀態(tài)。

定義2事件，代表系統(tǒng)當(dāng)前的情況，是一個復(fù)合型的狀態(tài)?？捎萌M表示為

Event=〈E_Type，Process，E_Value〉

式中：E_Type為事件類型，用于區(qū)分系統(tǒng)中發(fā)生的不同事件；Process為當(dāng)系統(tǒng)中發(fā)生該事件時的處理方法；E_Value為該事件發(fā)生的程度。

定義3表達(dá)式，是規(guī)則中的一個條件?？捎萌M表示為

Exp=〈F_Type，Compare，Value〉

式中：F_type為事實(shí)類型；Compare為判斷內(nèi)容，包括大于、等于和小于；Value為Compare的參考值。

定義4規(guī)則，是一組條件的集合，是對系統(tǒng)策略的抽象表示方法?？捎萌M表示為

Rule=〈R_ID，E_Type，{Exp}〉

式中：R_ID為系統(tǒng)中該條規(guī)則的唯一標(biāo)識；E_Type為事件類型，表示當(dāng){Exp}全部滿足條件時系統(tǒng)發(fā)生的事件；{Exp}為表達(dá)式集合，規(guī)定了構(gòu)成事件的事實(shí)類型和邏輯關(guān)系。規(guī)則定義了事件與事實(shí)間的某種邏輯或條件關(guān)系，具復(fù)合性[9]。

策略庫存儲和維護(hù)了系統(tǒng)根據(jù)實(shí)際任務(wù)定義的全部規(guī)則。事件庫存儲和維護(hù)系統(tǒng)中的全部事件類型，并對發(fā)生事件后的處理方法進(jìn)行管理，建立事件類型與處理方法間的映射關(guān)系。事實(shí)庫存儲和維護(hù)系統(tǒng)中的全部事實(shí)類型，建立系統(tǒng)輸入與事實(shí)類型間的映射關(guān)系。事實(shí)發(fā)生器對系統(tǒng)輸入數(shù)據(jù)進(jìn)行融合，根據(jù)系統(tǒng)輸入的不同類型數(shù)據(jù)，事件發(fā)生器查詢事實(shí)庫中的事實(shí)類型，將系統(tǒng)輸入數(shù)據(jù)抽象成一個事實(shí)，加入事實(shí)隊列。事實(shí)隊列為推理引擎提供事實(shí)數(shù)據(jù)緩存的服務(wù)。推理引擎是決策系統(tǒng)的核心組件，根據(jù)策略庫中的規(guī)則集合編譯出推理網(wǎng)絡(luò)，并不斷從事實(shí)隊列中讀取最新的事實(shí)，根據(jù)事實(shí)在推理網(wǎng)絡(luò)中的流動情況判斷是否發(fā)生某一事件。執(zhí)行器是決策系統(tǒng)向外輸出的接口，當(dāng)推理引擎推理出某事件發(fā)生后，執(zhí)行器會根據(jù)事件類型查詢事件庫，獲得該種事件類型對應(yīng)的處理方法，處理方法包括發(fā)送相關(guān)指令或?qū)⑹录俅纬橄蟪墒聦?shí)加入事實(shí)隊列繼續(xù)推理。

2 通用推理引擎設(shè)計

推理引擎是決策系統(tǒng)中最核心的組件，也是實(shí)現(xiàn)系統(tǒng)自主運(yùn)行的關(guān)鍵部分。基于自主運(yùn)行體系結(jié)構(gòu)的推理引擎應(yīng)具備以下特點(diǎn)：實(shí)時性強(qiáng)，可快速推理；對系統(tǒng)資源消耗不宜過大；策略庫中規(guī)則數(shù)量適中；具備通用化的特點(diǎn)，通過配置不同的策略庫可實(shí)現(xiàn)不同的任務(wù)和功能。

Rete算法是FORGY提出的一種基于規(guī)則的快速推理算法[10]。Rete算法的優(yōu)點(diǎn)是結(jié)構(gòu)靈活、準(zhǔn)確高效等，被廣泛用于CLIPS等專家系統(tǒng)中[11]。因航天器系統(tǒng)與其他規(guī)則系統(tǒng)存在差異，導(dǎo)致傳統(tǒng)Rete算法在用于航天器系統(tǒng)時存在不足：傳統(tǒng)Rete算法中的Alpha節(jié)點(diǎn)智能進(jìn)行“等值”判斷，而航天器系統(tǒng)中需要對“多值”狀態(tài)進(jìn)行判斷和處理；傳統(tǒng)Rete算法不支持“或運(yùn)算”，不能覆蓋所有邏輯運(yùn)算。因此，本文對傳統(tǒng)Rete算法進(jìn)行了改進(jìn)：簡化Alpha網(wǎng)絡(luò)，取消Not節(jié)點(diǎn)，將原算法中“非”運(yùn)算的規(guī)則改為“大于或小于”運(yùn)算；允許Alpha節(jié)點(diǎn)對數(shù)值型數(shù)據(jù)進(jìn)行算術(shù)邏輯運(yùn)算，改變了傳統(tǒng)Rete算法中的“是、非”邏輯判斷；簡化Beta網(wǎng)絡(luò)的復(fù)雜度，合并了原Entry，Beta，Token節(jié)點(diǎn)的功能。

2.1推理網(wǎng)絡(luò)結(jié)構(gòu)

本文的推理引擎中，推理網(wǎng)絡(luò)分為Alpha網(wǎng)絡(luò)、Beta網(wǎng)絡(luò)和P網(wǎng)絡(luò)三部分。其中：Alpha網(wǎng)絡(luò)包含根節(jié)點(diǎn)(R)、類型節(jié)點(diǎn)(T)和Alpha節(jié)點(diǎn)(A)；Beta網(wǎng)絡(luò)由Beta節(jié)點(diǎn)(B)組成；P網(wǎng)絡(luò)由終結(jié)節(jié)點(diǎn)(P)組成。此處：

a)根節(jié)點(diǎn)是推理網(wǎng)絡(luò)的唯一入口，事實(shí)數(shù)據(jù)從根節(jié)點(diǎn)流入推理網(wǎng)絡(luò)進(jìn)行推理；

b)類型節(jié)點(diǎn)對流入推理網(wǎng)絡(luò)的事實(shí)數(shù)據(jù)進(jìn)行第一次篩選，允許類型相符的事實(shí)流入類型節(jié)點(diǎn)對應(yīng)的Alpha節(jié)點(diǎn)集合；

c)Alpha節(jié)點(diǎn)實(shí)現(xiàn)了規(guī)則定義中的條件判斷部分，與傳統(tǒng)Rete算法只能進(jìn)行“是、非”條件判斷相比，推理引擎中的Alpha節(jié)點(diǎn)支持“大于、等于、小于”三種判斷，可覆蓋更多的條件判斷情況；

d)Beta節(jié)點(diǎn)用于保存推理過程的臨時結(jié)果，在簡化推理網(wǎng)絡(luò)復(fù)雜程度的同時提高了推理效率；

e)終結(jié)節(jié)點(diǎn)是推理網(wǎng)絡(luò)的出口，每個終結(jié)節(jié)點(diǎn)與規(guī)則中的事件類型一一對應(yīng)，經(jīng)過Beta網(wǎng)絡(luò)推理形成的數(shù)據(jù)組合流入終結(jié)節(jié)點(diǎn)，意味著系統(tǒng)當(dāng)前發(fā)生終結(jié)節(jié)點(diǎn)對應(yīng)類型的事件，可根據(jù)策略進(jìn)行相應(yīng)的處理。

本文設(shè)計的推理網(wǎng)絡(luò)與傳統(tǒng)Rete算法的區(qū)別有兩點(diǎn)。首先，傳統(tǒng)Rete的Alpha節(jié)點(diǎn)僅能進(jìn)行“是、非”的判斷，即布爾型數(shù)據(jù)的判斷，而本文的Alpha節(jié)點(diǎn)可判斷“大于、小于、等于”的關(guān)系，即整數(shù)型數(shù)據(jù)的判斷，覆蓋條件更廣；其次，本文的Beta節(jié)點(diǎn)合并了傳統(tǒng)Rete中的Beta，Token和適配節(jié)點(diǎn)功能，降低了推理網(wǎng)絡(luò)的復(fù)雜度，提高推理效率。推理網(wǎng)絡(luò)如圖2所示。

圖2 推理網(wǎng)絡(luò)Fig.2 Reasoning network

2.2推理算法設(shè)計

推理引擎包含編譯推理網(wǎng)絡(luò)和執(zhí)行推理兩個過程。推理網(wǎng)絡(luò)的編譯算法見表1。推理引擎執(zhí)行推理的算法見表2。

表1 編譯算法

表2 推理算法

3 應(yīng)用

通用推理引擎有很強(qiáng)的適用性，可在數(shù)管、熱控、故障診斷等中使用。本文對某航天器飛行程序進(jìn)行簡化，通過數(shù)管分系統(tǒng)中的程控功能驗證通用推理引擎的有效性。設(shè)該航天器飛行程序(不考慮飛行程序的合理性)見表3。

表3 飛行程序

航天器與運(yùn)載火箭在起飛后與約606 s級箭分離；判斷到級箭分離信號有效2 s后，若中繼單元電壓正常，則執(zhí)行中繼加電；當(dāng)航天器在級箭分離的2 400 s內(nèi)運(yùn)行到緯度幅角大于100°時起動發(fā)動機(jī)；開機(jī)運(yùn)行100 s、系統(tǒng)運(yùn)行3 000 s后，若緯度幅角大于200°并完成了衛(wèi)星釋放，則關(guān)閉發(fā)動機(jī)。按決策系統(tǒng)中定義的數(shù)據(jù)類型，對表3的飛行程序進(jìn)行抽象。

定義事實(shí)類型7種：F1=〈級箭分離信號，遙測采集板，Null〉；F2=〈系統(tǒng)時間，軟件狀態(tài)，Null〉；F3=〈級箭分離時間，軟件狀態(tài)，Null〉；F4=〈中繼單元電壓，測控儀，Null〉；F5=〈緯度幅角，GNC，Null〉；F6=〈開機(jī)時間，軟件狀態(tài)，Null〉；F7=〈衛(wèi)星釋放信號，遙測采集板，Null〉。

定義事件4種：E1=〈級箭分離，{開始級箭分離計時}，Null〉；E2=〈中繼加電，{中繼單元供電、中繼發(fā)射機(jī)開機(jī)}，Null〉；E3=〈開發(fā)動機(jī)，{發(fā)送開機(jī)指令、開始開機(jī)計時}，Null〉；E4=〈關(guān)發(fā)動機(jī)，{發(fā)送關(guān)機(jī)指令、停止開機(jī)計時、開始關(guān)機(jī)計時}，Null〉。

定義表達(dá)式10條：Exp1=〈F1，=，1〉；Exp2=〈F2，>，600〉；Exp3=〈F3，=，2〉；Exp4=〈F4，<，1〉；Exp5=〈F5，>，100〉；Exp6=〈F3，<，2 400〉；Exp7=〈F6，>，100〉；Exp8=〈F5，>，200〉；Exp9=〈F7，=，1〉；Exp10=〈F2，>，3 000〉。

定義規(guī)則4條：R1=〈發(fā)現(xiàn)級箭分離，E1，{Exp1 & Exp2}〉；R2=〈觸發(fā)中繼加電，E2，{Exp3 & Exp4}〉；R3=〈觸發(fā)開發(fā)動機(jī)，E3，{Exp5 & Exp6}〉；R4=〈觸發(fā)關(guān)發(fā)動機(jī)，E4，{Exp7 & Exp8 & Exp9 & Exp10}〉。

由此建立了決策系統(tǒng)中策略庫、事件庫、事實(shí)庫，編譯后形成推理網(wǎng)絡(luò)如圖3所示。

圖3 飛行程序推理網(wǎng)絡(luò)Fig.3 Reasoning network of flight program

設(shè)航天器運(yùn)行過程中，推理引擎接收到的事實(shí)序列見表4(不考慮事實(shí)序列的真實(shí)性與合理性)。

分析上述事實(shí)，由事實(shí)10、11可推理出級箭分離事件(E1)；由事實(shí)14、15可推理出中繼加電事件(E2)；由事實(shí)19、20可推理出開發(fā)動機(jī)事件(E3)；由事實(shí)25～28可推理出關(guān)發(fā)動機(jī)事件(E4)。推理引擎仿真平臺推理結(jié)果如圖4～7所示。由圖4～7

表4 事實(shí)序列

推理結(jié)果可知：推理引擎實(shí)現(xiàn)了根據(jù)策略庫和事實(shí)序列完成事件推理的功能。

圖4 事件級箭分離發(fā)生Fig.4 Event of separation

圖5 事件中繼加電發(fā)生Fig.5 Event of relay power on

圖6 事件開發(fā)動機(jī)發(fā)生Fig.6 Event of engine power on

圖7 事件關(guān)發(fā)動機(jī)發(fā)生Fig.7 Event of engine power off

4 結(jié)束語

本文介紹了一種基于自主運(yùn)行體系結(jié)構(gòu)的通用推理引擎的設(shè)計方法，該推理引擎對傳統(tǒng)Rete算法進(jìn)行改進(jìn)，可根據(jù)策略庫編譯生成與航天器功能相對應(yīng)的推理網(wǎng)絡(luò)，并從大量事實(shí)數(shù)據(jù)中快速推理出某種事件的發(fā)生。通用推理引擎具強(qiáng)適用性，可針對不同航天器的實(shí)際功能需求設(shè)計各自的策略庫、事件庫和事實(shí)庫，將推理引擎用于程控、GNC、熱控、機(jī)構(gòu)控制等功能。雖然通用推理引擎滿足了推理正確性要求，但現(xiàn)有推理算法和成熟的推理系統(tǒng)均適于地面系統(tǒng)使用，推理過程消耗的時間資源和空間資源較大，無法直接用于空間數(shù)據(jù)系統(tǒng)，同時推理效率還有待提升。后續(xù)將針對推理性能優(yōu)化和推理引擎小型化進(jìn)行研究，以使其可用于工程研制中。

[1] PELL B, BERNARD D E, CHIEN S A. An autonomous spacecraft agent prototype[J]. Autonomous Robots, 1988(5): 29-52.

[2] STOTT D. The near command and data handling system[J]. Johns Hopkins APL Technical Digest, 1998, 19(2): 220-334.

[3] 石書濟(jì). 深空探測與測控通信技術(shù)[J]. 電訊技術(shù), 2001(2): 1-4.

[4] 代樹武, 孫輝先. 衛(wèi)星運(yùn)行中的自主控制技術(shù)[J]. 空間科學(xué)學(xué)報, 2002, 22(2): 147-153.

[5] 代樹武, 孫輝先. 航天器自主運(yùn)行技術(shù)的進(jìn)展[J]. 宇航學(xué)報, 2003, 24(1): 17-22.

[6] 胡圣波, 孟新, 趙娜. 基于模型的航天器自主運(yùn)行智能執(zhí)行體[C]∥ 2007年中國智能自動化會議. 蘭州： 中國自動化學(xué)會智能自動化專業(yè)委員會, 2007: 1061-1065.

[7] 許東. 地空導(dǎo)彈混合智能故障診斷專家系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 西安: 西北工業(yè)大學(xué), 2002.

[8] 夏勇. 基于故障樹的運(yùn)載火箭故障診斷專家系統(tǒng)[D]. 重慶: 重慶大學(xué), 2007.

[9] LI Quan-long, JIN Yan. Smart home service based on event matching[C]// 10thInternational Conference on Fuzzy Systems and Knowledge Discovery. Dalian: [n. l.], 2013: 762-766.

[10] XIAO Ding, ZHONG Xiao-an, Improving Rete algorithm to enhance performance of rule engine systems[C]// Proceedings of the International Conference on Computer Design and Applications. Qinhuangdao: [n. l.], 2010: 572-575.

[11] YANG Ping-le. IRETE: an improved Rete multi-entity match algorithm[C]// Proceedings of the International Conference on Electronics, Communications and Control. Ningbo: [n. l.], 2011: 4363-4366.

DesignofGeneralReasoningEngineBasedonAutonomousArchitecture

LIUBo，YANYun-hong，CHENGYun-long，PENGLi-zhang，CHENYuan

(Aerospace System Engineering Shanghai, Shanghai201109, China)

To achieve the reasoning and decision-making based on rules, the design of general reasoning engine based on autonomous architecture was studied according to the characteristics of autonomous architecture in this paper. The target of the autonomous architecture is to separate strategy and mechanism, which manages the strategies, resources and data of the system. The architecture consists of four parts of decision-making system, system strategy, system input and system output. According to the autonomous architecture, the Rete algorithm was improved by optimizing the traditional Rete network, banning Notnode, changing logic reasoning of yes-no and combining the function of EntryNode, TokenNode and AdapterNode. The reasoning structure of general reasoning engine was presented. The reasoning algorithm was designed to achieve the fast reasoning of the fact sequence. The application sample of program controlling function of a spacecraft data management subsystem showed that the happening of events of separation, relay power on, engine power on and engine power off could be reasoned by the general reasoning engine designed according to the fact in spacecraft flight, which verified the validity of the reasoning engine.

autonomous; reasoning engine; Rete algorithm; reasoning network; pattern matching; generalization; rule library; architecture

1006-1630(2017)04-0118-07

2016-09-21；

：2016-11-11

國家自然科學(xué)基金資助(61573247)

劉 博(1988—)，男，碩士，主要研究方向為嵌入式系統(tǒng)設(shè)計、智能系統(tǒng)研究。

V423

：ADOI:10.19328/j.cnki.1006-1630.2017.04.014