舶裝備遠程維修技術(shù)支援知識庫系統(tǒng)研究

王俊龍 袁偉 管旭軍

摘 要：為了改善目前船舶裝備遠程維修技術(shù)支援系統(tǒng)缺乏知識查詢、相似案例檢索、案例推理等知識管理缺陷，提出基于本體構(gòu)建的遠程維修技術(shù)支援知識庫系統(tǒng)。通過對故障案例進行分析，提取案例特征，并運用屬性相似度計算，進行案例檢索匹配；若檢索到的故障案例不適用，則運用模糊C均值法對故障案例庫進行處理并得到精簡案例庫，同時運用神經(jīng)網(wǎng)絡(luò)對其進行訓(xùn)練，使系統(tǒng)形成案例推理能力，再結(jié)合專家經(jīng)驗，形成實用的故障解決方案。研究結(jié)果表明，該方法解決了目前船舶裝備遠程維修技術(shù)支援系統(tǒng)缺乏知識查詢、相似案例檢索、案例推理等問題，提高了船舶裝備遠程維修技術(shù)支援的知識管理能力和效率。

關(guān)鍵詞：遠程支援；本體知識庫；模糊C均值；神經(jīng)網(wǎng)絡(luò)

DOIDOI：10.11907/rjdk.182262

中圖分類號：TP319

文獻標識碼：A 文章編號：1672-7800（2018）010-0137-04

英文摘要Abstract：In order to solve the disadvantage in current ship equipment remote maintenance technical support system which is lack of knowledge query， similar case retrieval， case reasoning and other knowledge management issues， we propose the remote maintenance technology support knowledge base system based on ontology. Through the analysis of the fault case and extraction of the case characteristics， the attribute similarity calculation to carry out the case search matching is then conducted. If the retrieved fault cases are not applicable， the fuzzy C-means is applied. The method processes the fault case library and obtains a streamlined case library. At the same time， it uses neural network for training so that the system forms case reasoning ability， and then combines expert experience to form a practical fault solution. The research results show that the method solves the problems of lack of knowledge inquiry， similar case retrieval and case reasoning in the current ship equipment remote maintenance technical support system， and improves the capability and efficiency of remote maintenance technical support for ship equipment.

英文關(guān)鍵詞Key Words：remote support； ontology knowledge base；fuzzy C-means； neural network

0 引言

隨著船舶遠海航行不斷增多，其裝備使用頻率不斷提升，工作強度不斷加大，對船舶裝備遠程維修技術(shù)支援[1]的維修保障能力也提出了更高要求。遠程維修技術(shù)支援知識庫系統(tǒng)不僅可為船員提供遠程知識查詢，還可以為船員、專家提供相似案例匹配、案例推理等知識服務(wù)功能，為遠海船舶裝備故障問題提供實時、有效的故障解決方案。因此遠程維修技術(shù)支援的知識管理功能顯得尤為重要，已成為遠程維修技術(shù)支援系統(tǒng)需要解決的重要問題之一。

近年來，眾多學(xué)者和研究人員針對船舶遠程支援業(yè)務(wù)流程、呼叫中心及系統(tǒng)設(shè)計[2-4]進行了相應(yīng)研究，為遠程維修技術(shù)支援體系的建立及系統(tǒng)設(shè)計奠定了良好的基礎(chǔ)。目前，在本體知識庫系統(tǒng)研究方面，史江萍、佟偉光、王大玲等[5]提出一種基于描述框架的故障知識表示方法，使知識能進行推理。王珉、胡蔦慶、楊思峰等[6]運用產(chǎn)生式規(guī)則表示知識，對故障知識庫的更新方法進行研究并仿真，實現(xiàn)了故障知識的積累。前述研究成果實現(xiàn)了知識管理功能，但其知識共享與案例推理能力較弱，效率較低。王志、夏士雄、牛強等[7]通過引入本體，對故障知識推理方法進行研究，使故障知識共享、知識復(fù)用能力得到提高，但缺乏對知識庫構(gòu)建過程的詳細說明?？祫ι?、姚路、曾斌等[8]采用CBR與RBR混合專家系統(tǒng)，實現(xiàn)了故障案例的推理，但其推理能力依然較弱。

本系統(tǒng)通過引入本體，構(gòu)建本體模型基礎(chǔ)平臺，提供本體查詢、本體可視化、本體存儲等管理功能；然后對故障案例信息進行描述并形式化，通過提取故障案例特征，進行相似度計算，實現(xiàn)案例檢索匹配；同時，結(jié)合模糊C均值法對故障案例庫進行處理，去除故障案例庫中的冗余故障案例，得到精簡案例庫，和其它故障案例庫相比，既節(jié)省了部分存儲空間，又提高了案例檢索精度；再運用神經(jīng)網(wǎng)絡(luò)在案例預(yù)測及屬性權(quán)重方面的優(yōu)勢，對其進行充分訓(xùn)練，使系統(tǒng)形成案例推理能力；最后結(jié)合保障領(lǐng)域?qū)＜医?jīng)驗，形成實用的故障解決方案，并及時提供給船員、維修人員和專家，實施遠程故障維修。

1 系統(tǒng)設(shè)計

船舶裝備遠程維修技術(shù)支援知識庫系統(tǒng)主要分為知識獲取和知識運用兩個環(huán)節(jié)。在知識獲取環(huán)節(jié)，以裝備對象為中心，依據(jù)相關(guān)技術(shù)資料、維修保障記錄共同構(gòu)建裝備故障與維修知識模型，并對其進行形式化處理，構(gòu)建信息庫、術(shù)語字典、案例庫；在知識運用環(huán)節(jié)，通過向用戶提供信息查詢、IETM數(shù)據(jù)包、案例推理庫等功能，最終給用戶提供良好的知識學(xué)習(xí)、推理和檢索功能，其軟件體系結(jié)構(gòu)如圖1所示。

遠程知識庫系統(tǒng)主要分為本體模型基礎(chǔ)平臺和知識庫管理業(yè)務(wù)模塊兩個層次，前者為基礎(chǔ)。

本體模型[9-12]基礎(chǔ)平臺主要用于本體模型的構(gòu)建和管理[13-15]，主要包括通用本體管理平臺和船舶維修保障本體定制模塊兩部分，前者是定義本體的工具，后者是面向船舶維修保障領(lǐng)域的本體定制。

知識庫管理業(yè)務(wù)模塊按照功能劃分為基本信息管理模塊、技術(shù)資料管理模塊、維修保障記錄管理模塊、技術(shù)力量管理模塊、案例管理模塊和IETM數(shù)據(jù)包管理模塊。其中基本信息管理模塊、技術(shù)資料管理模塊、維修保障記錄管理模塊支撐案例管理模塊，基本信息管理模塊支撐技術(shù)力量管理模塊，前5個模塊支撐IETM數(shù)據(jù)包管理模塊。

2 系統(tǒng)實現(xiàn)

2.1 故障案例表示

船舶裝備故障案例是遠程支援知識庫系統(tǒng)的數(shù)據(jù)核心，而基于案例推理[16-18]生成的維修方案，則是船舶裝備故障案例的主要數(shù)據(jù)來源。故障案例表示是知識獲取的第一階段，直接關(guān)系到知識檢索的精度和速度，因此，需要對其進行形式化處理。故障案例主要包括故障裝備、故障部位、故障現(xiàn)象、故障原因、修復(fù)方案等，表示為一組屬性的集合，如表1所示。

2.2 故障案例生成方法

基于故障案例推理的維修方案生成方法如圖2所示，主要分為以下幾步：

（1）故障問題描述。當(dāng)發(fā)生故障問題時，用戶首先對該故障問題進行理解，并用可識別的語言進行解釋，系統(tǒng)在上述基礎(chǔ)上形成一個結(jié)構(gòu)化并可查詢的故障案例，為下一步故障案例檢索提供依據(jù)。本系統(tǒng)采用XML-Schema對故障案例信息進行描述，具體故障案例信息的XML-Schema如下：

解決方案1. 損傷曲軸曲柄銷軸頸修復(fù)、拋光及檢測

2. 裝配新配軸瓦

3. 制定滑油系統(tǒng)清潔方案，將故障導(dǎo)致的滑油系統(tǒng)污染徹底清除

經(jīng)驗總結(jié)柴油機連桿摩擦，使脫落的軸瓦合金層進入滑油過濾器，導(dǎo)致堵塞，壓力下降

Default=”unqualified”>

利用DOM解析技術(shù)對XML-Schema進行解析，提取文檔結(jié)構(gòu)，載入其數(shù)據(jù)，以上述故障案例信息為例，其結(jié)構(gòu)如下所示：

<故障案例信息xmlns：xsi=”http：//www.w3.org/2001/XML-Schema instance” xsi：noNamespaceSchemaLocation=”F：＼＼xml＼故障案例信息.xsd>

<故障 案例編號=” CTR2016121701”>

<故障裝備>柴油機

<故障部位>活塞

<故障時間>2016年12月17日

<故障現(xiàn)象>柴油機活塞冷卻滑油壓力報警停機，啟動預(yù)供油泵后發(fā)現(xiàn)無法盤車

<故障原因>主柴油機工作時間已11 000小時，個別連桿大端軸瓦磨損超差后，滑油油膜難以充分建立，干摩擦導(dǎo)致軸瓦合金層燒熔

<解決方案>損傷曲軸曲柄銷軸頸修復(fù)、拋光及檢測；裝配新配軸瓦；制定滑油系統(tǒng)的清潔方案，將故障導(dǎo)致的滑油系統(tǒng)污染徹底清除

<經(jīng)驗總結(jié)>柴油機連桿摩擦，導(dǎo)致脫落的軸瓦合金層進入滑油過濾器，導(dǎo)致堵塞，壓力下降

故障

（2）故障案例檢索。故障案例通常包含多個不同的案例屬性，根據(jù)新的柴油機故障案例的屬性，進行屬性匹配和相似度計算，從已有的柴油機故障案例庫中檢索與新的柴油機故障案例屬性相似度最大的故障案例，根據(jù)故障案例之間可能存在的父子關(guān)系、因果關(guān)系等進行推理并整合故障案例。其檢索算法如下：設(shè)新的柴油機故障案例為故障案例A，原始故障案例為故障案例B，根據(jù)公式（1）計算兩者相似度，其取值越小，則案例A與案例B相似度越大，對故障案例的推理與整合更有效。

min（A，B）=∑ni=1Wi[xi（A）-xi（B）]2/∑ni=1Wi（1）

其中，xi（A）、xi（B）分別表示故障案例A與故障案例B的第i個屬性的置信度，[xi（A）-xi（B）]2表示故障案例A與故障案例B在屬性i上的相似度，Wi表示屬性i的權(quán)重值，該值由保障領(lǐng)域的專家給出。

（3）故障案例推理及整合。如果系統(tǒng)檢索出相似的柴油機故障案例，則根據(jù)該次故障案例屬性進行調(diào)整，并修改檢索出的相似故障案例中故障解決方案的某些參數(shù)，依據(jù)案例之間可能存在的父子關(guān)系、因果關(guān)系等進行推理并整合案例，得到適合當(dāng)前遠程維修問題的建議方案。

（4）故障案例修正。在重復(fù)使用過程中，若提供的方案完全不適用，或僅部分適用于新問題，則需依據(jù)新問題的具體條件對其相關(guān)參數(shù)進行修改，以適用該問題。

（5）故障案例存儲。把故障案例修正后提供的解決方案運用到本次柴油機故障維修中，并對其結(jié)果進行分析評估，然后對案例檢索和案例修正后的故障案例進行加工處理，將其作為新故障案例存儲于系統(tǒng)案例庫，以使系統(tǒng)案例庫規(guī)模擴大、完善。

2.3 故障案例推理流程

故障案例檢索及推理過程如圖3所示。

（1）搜集整理已有的歷史故障案例及解決方案，找出案例中包含的屬性，并建立原始案例庫。

（2）利用FCM方法（即模糊C均值法）對原始案例庫進行去噪處理，得到新的精簡案例庫，并輸入到神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本中[19]。

（3）利用距離公式[20]檢索得到最相似案例及其相應(yīng)解決方案，在分類問題中，解決方案即為案例所屬類別。

（4）將系統(tǒng)檢索得到的結(jié)果與專家自身的經(jīng)驗相結(jié)合，得出所需建議方案，然后船上維修人員根據(jù)該建議方案進行實施驗證，若實施成功，則形成最終確認方案；若實施不成功，則需重新進行案例推理及整合，給出新的建議方案，直到方案能夠成功實施。

（5）專家對確認方案進行提煉形成新案例，并將新案例存儲到案例庫中。

3 結(jié)語

通過船舶裝備遠程維修技術(shù)支援知識庫系統(tǒng)的研究，解決了支援系統(tǒng)僅基于Wiki數(shù)據(jù)管理而無法提供知識管理功能的問題。本系統(tǒng)實現(xiàn)了船員、維修人員、保障專家之間的溝通，并提供知識查詢、相似案例檢索及案例推理等功能。目前，系統(tǒng)故障案例規(guī)模較小，隨著船舶遠海任務(wù)的常態(tài)化，后期系統(tǒng)中的案例將逐漸增多，案例庫將更完善，為系統(tǒng)知識檢索提供更加豐富的素材。后期根據(jù)積累的案例庫，將對系統(tǒng)檢索效率與精度進行更加深入的研究及驗證。

參考文獻：

[1] 朱石堅，章林柯.船舶裝備遠程維修支援體系研究[J].海軍工程大學(xué)學(xué)報，2004，16（3）：20-23.

[2] 程鵬，羅建軍，周維.遠程維修技術(shù)支援呼叫中心的設(shè)計[J].艦船電子工程，2007，27（3）：163-166.

[3] 宋蕾.海軍遠程維修支援保障系統(tǒng)的構(gòu)建方法研究[J].艦船電子工程，2015，2015（10）：9-13.

[4] 冉金志，林初善，潘青.通信裝備遠程維修支援系統(tǒng)設(shè)計[J].中國科技信息，2015（2）：71-72.

[5] SHI J P， TONG W G，WANG D L. Design of the transformer fault diagnosis expert system base on fuzzy reasoning[C]. Proceedings of the Computer Science-Technology and Applications，2009：110-114.

[6] WANG M， HU N Q， YANG S F， et al. Study on application of fault-simulation-based fault-knowledge base[J]. Journal of As-tronnautics，2010，31（4）：1253-1258.

[7] WANG Z， XIA S X， NIU Q， et al. Construction of ontology-based mine-motor fault Knowledge base[J]. Computer Engineering，2010，36（10）：270-275.

[8] 康劍山，姚路，曾斌.遠程支援系統(tǒng)中故障診斷專家系統(tǒng)研究[J].船舶電子工程，2013，33（11）：109-111.

[9] SHI C W， CHEN M Y， CHU H C， et al. Enhancement of domain ontology construction using a crystallizing approach[J]. Expert Systems with Applications，2011，38（6）：7544-7557.

[10] RUBEN C， CELSON L， JOAO S， et al. Facilitating knowledge sharing and reuse in building and construction domain： an ontology-based approach[J]. Journal of Intelligent Manufacturing，2016，27（1）：263-282.

[11] 于鑫剛，李萬龍.基于本體的知識庫模型研究[J].計算機工程與科學(xué)，2008，30（6）：134-136.

[12] 胡金強，冀亞林，劉濱.基于本體的裝備保障知識庫研究[J].中國科技資源導(dǎo)刊，2009（7）：52-56.

[13] 卞麗，薛華.一種基于本體的故障診斷知識庫系統(tǒng)的構(gòu)建研究[J].信息科學(xué)，2009（2）：69-71.

[14] 彭菲.基于本體的海軍軍械保障知識庫構(gòu)建研究[J].裝備學(xué)院學(xué)報，2012，23（5）：55-58.

[15] 周揚，李青.飛機故障知識的本體建模及語義檢索[J].計算機工程與應(yīng)用，2011，47（16）：12-15.

[16] 王慧濱.基于規(guī)則和案例推理的七輪發(fā)電機組故障診斷專家系統(tǒng)[D].蘭州：蘭州理工大學(xué)，2014.

[17] 陳桂芬，汪江，楊志剛.基于本體的規(guī)則推理和案例推理結(jié)合的糖尿病診療專家系統(tǒng)研究[J].長春大學(xué)學(xué)報，2016，26（3）：19-25.

[18] 張凱嵐.基于案例推理與神經(jīng)網(wǎng)絡(luò)的建筑成本預(yù)測研究[D].長春：吉林大學(xué)，2013.

[19] 韓敏，沈力華.基于FCM與神經(jīng)網(wǎng)絡(luò)的案例推理方法[J].控制與決策，2012，27（9）：1421-1424.

[20] 沈力華.基于智能優(yōu)化算法的案例推理方法研究[D].大連：大連理工大學(xué)，2010.

（責(zé)任編輯：江 艷）