基于AI-ESTATE 的診斷技術(shù)研究進(jìn)展

楊 起，王竹林?，侯占恒

（1.陸軍工程大學(xué)石家莊校區(qū)導(dǎo)彈工程系，石家莊 050003；2.陸軍裝備部裝備采購(gòu)管理辦公室，北京 100000）

0 引言

隨著武器裝備性能以及復(fù)雜程度的提升，傳統(tǒng)的測(cè)試診斷技術(shù)、思想暴露出大量問(wèn)題?，F(xiàn)階段，武器裝備測(cè)試診斷系統(tǒng)大多是針對(duì)特定某一種或某一類(lèi)裝備，普遍存在著缺乏通用性、擴(kuò)展性以及可移植能力差、難以實(shí)現(xiàn)診斷知識(shí)與數(shù)據(jù)的共享和重用等缺陷，這不僅造成了資源的大量浪費(fèi)，同時(shí)也阻礙了故障診斷技術(shù)的發(fā)展。IEEE Std 1232 標(biāo)準(zhǔn)，又稱(chēng)AI-ESTATE（Artificial Intelligence Exchange and Service Tie to All Test Environments，全測(cè)試環(huán)境人工智能交換與服務(wù)）定義了診斷知識(shí)、數(shù)據(jù)以及推理機(jī)服務(wù)的標(biāo)準(zhǔn)化描述，支持基于組件診斷結(jié)構(gòu)與其他測(cè)試信息集之間的互操作，為上述問(wèn)題提供了解決方案。AI-ESTATE 從制定至今，經(jīng)歷了多次修正，包 括IEEE Std 1232-1990、IEEE Std 1232-1995、IEEE Std 1232.1-1997、IEEE Std 1232.2-1998、IEEE Std 1232-2002 以及IEEE Std 1232-2010。

1 AI-ESTATE 的產(chǎn)生

20 世紀(jì)80 年代，以專(zhuān)家系統(tǒng)為主的人工智能方法逐步應(yīng)用于測(cè)試和診斷領(lǐng)域，這些人工智能方法雖然改善了美軍裝備的保障水平，但也帶來(lái)由于缺乏通用的接口標(biāo)準(zhǔn)而難以實(shí)現(xiàn)診斷知識(shí)與數(shù)據(jù)的共享和重用的問(wèn)題。于是1990 年，電氣電子工程師協(xié)會(huì)（IEEE）同意授權(quán)電子系統(tǒng)測(cè)試與診斷標(biāo)準(zhǔn)化工作委員會(huì)（SCC20）和診斷與維護(hù)控制（D&MC）制定全新的測(cè)試診斷標(biāo)準(zhǔn)AI-ESTATE，但當(dāng)時(shí)的AI-ESTATE 主要是規(guī)范基于專(zhuān)家系統(tǒng)方法的故障診斷系統(tǒng)，標(biāo)準(zhǔn)并沒(méi)有正式頒布。

1995 年，IEEE 頒布了IEEE Std 1232-1995 標(biāo)準(zhǔn)人工智能——應(yīng)用于自動(dòng)測(cè)試設(shè)備的專(zhuān)家系統(tǒng)（Artificial Intelligence and Expert System Tie to Automatic Test Equipment），該標(biāo)準(zhǔn)將診斷系統(tǒng)統(tǒng)稱(chēng)為推理系統(tǒng)，推理系統(tǒng)代表了各種基于知識(shí)得出結(jié)論的診斷方法；定義了AI-ESTATE 的一致性結(jié)構(gòu)以及其中各組件之間關(guān)聯(lián)，同時(shí)要求所有的診斷信息規(guī)范和接口規(guī)范定義嚴(yán)謹(jǐn)，不可以有任何歧義，使得診斷信息、數(shù)據(jù)可移植，接口標(biāo)準(zhǔn)化、通用化，整個(gè)體系結(jié)構(gòu)可以擴(kuò)展升級(jí)。IEEE Std 1232-1995 的頒布為后續(xù)AI-ESTATE 標(biāo)準(zhǔn)的修正奠定了良好的基礎(chǔ)。

IEEE Std 1232-1997，也稱(chēng)作IEEE 1232.1-適用于所有測(cè)試環(huán)境的人工智能交換和服務(wù)：數(shù)據(jù)和知識(shí)規(guī)范適用標(biāo)準(zhǔn)。在IEEE Std 1232-1997 中，使用建模語(yǔ)言EXPRESS 對(duì)測(cè)試診斷中的數(shù)據(jù)以及知識(shí)信息的表述方式進(jìn)行了規(guī)范，使得實(shí)現(xiàn)診斷知識(shí)信息共享、一致性交互成為可能。該標(biāo)準(zhǔn)建立了公共元素模型（Common Element Model，CEM）。它對(duì)測(cè)試診斷領(lǐng)域中常見(jiàn)的元素進(jìn)行了規(guī)范的定義。而其他模型都是在公共元素模型基礎(chǔ)上，按照一定規(guī)則擴(kuò)充而建立起來(lái)的。IEEE Std 1232-1997 中提供了故障樹(shù)模型（Fault Tree Model，F(xiàn)TM）、增強(qiáng)診斷推理模型（Enhanced Diagnostic Inference Model，EDIM）。

IEEE Std 1232.2-1998 也稱(chēng)作IEEE 1232.2 標(biāo)準(zhǔn)，對(duì)診斷推理機(jī)所提供的服務(wù)進(jìn)行了統(tǒng)一規(guī)范，以實(shí)現(xiàn)系統(tǒng)對(duì)診斷功能的驅(qū)動(dòng)，并應(yīng)用已封裝的服務(wù)建立了故障樹(shù)的診斷服務(wù)實(shí)例。另外，該版本提供了一個(gè)新的信息模型，即動(dòng)態(tài)上下文模型（Dynamic Context Model，DCM），此模型的作用是對(duì)診斷過(guò)程的記錄進(jìn)行規(guī)范。

IEEE Std 1232-2002 在前幾個(gè)版本的基礎(chǔ)上，擴(kuò)充并刪除了公共元素模型中的一些實(shí)體以及數(shù)據(jù)類(lèi)型；采用居于組建的思想，擴(kuò)展并且規(guī)范了推理機(jī)的診斷推理服務(wù)，以滿(mǎn)足不同的診斷需求。并且進(jìn)一步規(guī)范了DCM 記錄診斷過(guò)程方式，使得診斷推理機(jī)對(duì)可診斷性分析、診斷推理、結(jié)論生成等診斷過(guò)程進(jìn)行更有效的控制。

目前，IEEE 頒布的最新版本是IEEE Std 1232-2010。IEEE Std 1232-2010 繼續(xù)對(duì)公共元素模型下的一些實(shí)體、數(shù)據(jù)類(lèi)型進(jìn)行增添和刪減。并且為了描述診斷對(duì)象的概率模型，對(duì)診斷中失效分布的描述進(jìn)行了進(jìn)一步的規(guī)范，使得診斷模型的創(chuàng)建、診斷過(guò)程等都得到標(biāo)準(zhǔn)化的描述。在推理機(jī)服務(wù)方面，2010 版本定義了推理機(jī)的5 個(gè)狀態(tài)包括模型已加載（Models Loaded）、無(wú)模型加載（No Models Loaded）、無(wú)診斷會(huì)話(huà)（No session）、有效會(huì)話(huà)（Valid Session）以及掛起診斷（Pending Assertions），并規(guī)定了在每種狀態(tài)下可以調(diào)用的診斷推理服務(wù)；進(jìn)一步對(duì)診斷過(guò)程中的各種服務(wù)和服務(wù)函數(shù)中應(yīng)用的數(shù)據(jù)類(lèi)型進(jìn)行規(guī)范，使得推理機(jī)診斷過(guò)程每一個(gè)步驟更加清晰、明確。

IEEE Std 1232-2010 在之前多個(gè)版本的基礎(chǔ)上，完善了信息模型，對(duì)診斷過(guò)程中診斷知識(shí)的共享具有推進(jìn)作用；明確規(guī)范了推理機(jī)服務(wù)的各種功能以及推理機(jī)的狀態(tài)，使診斷操作可以明確地按照規(guī)范實(shí)施，便于用戶(hù)對(duì)于客戶(hù)程序的開(kāi)發(fā)，進(jìn)而實(shí)現(xiàn)推理機(jī)可移植。

IEEE Std 1232-2010 對(duì)之前版本進(jìn)行全面補(bǔ)充，細(xì)化且明確診斷系統(tǒng)開(kāi)發(fā)以及應(yīng)用過(guò)程中每一個(gè)環(huán)節(jié)，對(duì)于診斷技術(shù)的發(fā)展具有深遠(yuǎn)的影響。

2 AI-ESTATE 體系結(jié)構(gòu)

AI-ESTATE 標(biāo)準(zhǔn)提供如下內(nèi)容［1］：

1）AI-ESTATE 整個(gè)體系結(jié)構(gòu)的概述；

2）診斷信息模型的正規(guī)定義；

3）診斷模型之間交互格式的標(biāo)準(zhǔn)定義；

4）診斷推理機(jī)的軟件服務(wù)定義。

為了實(shí)現(xiàn)診斷系統(tǒng)中推理機(jī)組件與其他組件之間的交互，診斷知識(shí)的規(guī)范定義和可移植性以及可重用性等性能，AI-ESTATE 采用了定義服務(wù)的方式，如圖1 所示。

圖1 AI-ESTATE 體系結(jié)構(gòu)

由圖1 可見(jiàn)，在AI-ESTATE 概念體系中，整個(gè)系統(tǒng)中各個(gè)部分通過(guò)信息傳遞服務(wù)來(lái)實(shí)現(xiàn)信息的交換。因此，診斷推理機(jī)可以通過(guò)已經(jīng)實(shí)現(xiàn)的服務(wù)與其他部件進(jìn)行交互。

圖2 AI-ESTATE 模型層次關(guān)系圖

在IEEE Std 1232-2010 中，為了實(shí)現(xiàn)診斷知識(shí)信息的共享，AI-ESTATE 又搭建了如圖2 所示的層次結(jié)構(gòu)。在此結(jié)構(gòu)中，處于最頂層的是CEM（公共元素模型），公共元素模型對(duì)測(cè)試診斷領(lǐng)域中用到的常用信息進(jìn)行了規(guī)范化的標(biāo)準(zhǔn)描述。比較典型的有Diagnosis（診斷）、Failure（失效）、Repair（維修）和Resource（資源）等實(shí)體，這些實(shí)體由屬性構(gòu)成，主要有costs（代價(jià)）、failure rates（失效率）等屬性。而位于下層的FTM（故障樹(shù)模型）、BNM（貝葉斯網(wǎng)絡(luò)模型）、DIM（D-矩陣推理模型）、DLM（診斷邏輯模型），都是以CEM 中元素為基礎(chǔ)，進(jìn)行一定的擴(kuò)展或刪減而形成的，進(jìn)而可以滿(mǎn)足多種診斷推理需求。也可以根據(jù)實(shí)際需要，以CEM 為基礎(chǔ)，建立擴(kuò)充更多方法的診斷模型。DCM（動(dòng)態(tài)上下文模型）的作用就是記錄診斷過(guò)程中的歷史信息以及上下文環(huán)境，它是動(dòng)態(tài)的，會(huì)伴隨著診斷過(guò)程的進(jìn)行而發(fā)展。

3 國(guó)外研究情況

對(duì)于AI-ESTATE 標(biāo)準(zhǔn)，國(guó)外一些公司、科研機(jī)構(gòu)已經(jīng)對(duì)其進(jìn)行深入研究探討，不僅對(duì)AI-ESTATE的制定做出了貢獻(xiàn)，在應(yīng)用、發(fā)展方面也取得了不錯(cuò)的成果。

在AI-ESTATE 標(biāo)準(zhǔn)制定發(fā)展過(guò)程中，美國(guó)科學(xué)專(zhuān)家John W.Sheppard、Amanda、W.R.Simpson 等人居功至偉。IEEE Std 1232-1995 頒布后，John W.Sheppard 指出標(biāo)準(zhǔn)中存在知識(shí)約束關(guān)系沒(méi)有定義，不便于診斷過(guò)程實(shí)施的問(wèn)題［2］。W.R.Simpson 在文中討論是否能將AI-ESTATE 應(yīng)用于廣域測(cè)試環(huán)境（A Broad Based Environment for test，ABBET），推動(dòng)了AI-ESTATE 在手動(dòng)測(cè)試、半自動(dòng)測(cè)試領(lǐng)域應(yīng)用的發(fā)展［3］。John W.Sheppard 又對(duì)公共元素模型進(jìn)行修訂，強(qiáng)調(diào)其他信息模型必須在公共元素模型基礎(chǔ)之上進(jìn)行擴(kuò)展，確立了公共元素模型的基礎(chǔ)地位［4］。Amanda Jane Giarla 在文中對(duì)符合AI-ESTATE 規(guī)范的信息模型的構(gòu)建方式進(jìn)行了概述［5］。Anthony L.Alwardt 在深入研究了AI-ESTATE 以及開(kāi)放式ATS相關(guān)性能后，認(rèn)為AI-ESTATE 可以應(yīng)用于開(kāi)放式診斷領(lǐng)域［6］。2005 年，John W.Sheppard 對(duì)貝葉斯網(wǎng)絡(luò)診斷方法進(jìn)行分析后，建立了貝葉斯診斷模型并通過(guò)XML（eXtensible Markup Language，可擴(kuò)展標(biāo)記語(yǔ)言）進(jìn)行描述，確保診斷信息完整性，可移植性［7］。Michcllc Harris 等人在文中闡釋了如何建立符合AI-ESTATE 標(biāo)準(zhǔn)的故障樹(shù)模型，以及它在多種推理機(jī)之間傳遞信息的方式，并對(duì)多種模型進(jìn)行介紹分析［8］。John W.Sheppard 等人重點(diǎn)介紹了診斷推理中模型的語(yǔ)義互操作性問(wèn)題，并通過(guò)故障樹(shù)模型和貝葉斯模型對(duì)其進(jìn)行驗(yàn)證，結(jié)果充分體現(xiàn)了語(yǔ)義建模在信息交流中的有效性［9］。Liessman Sturlaugson 等人在文中首先描述了一個(gè)叫SAPPHURE 工具，它包括AI-ESTATE 在Java 下的實(shí)現(xiàn)和一個(gè)相應(yīng)的GUI（Graphical User Interface，圖形用戶(hù)界面）工具，這個(gè)GUI 工具支持貝葉斯網(wǎng)絡(luò)模型的模型建立以及診斷推理。其次，對(duì)貝葉斯模型推理機(jī)服務(wù)進(jìn)行擴(kuò)展，使其可以表示一階的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)［10］。Logan Perreault 等人為AI-ESTATE 標(biāo)準(zhǔn)的下一個(gè)版本提供了一個(gè)新的預(yù)測(cè)模型。另外，他們提出用連續(xù)時(shí)間貝葉斯網(wǎng)絡(luò)（Continuous-Time Bayesian Networks，CTBN）代替之前提出的貝葉斯網(wǎng)絡(luò)模型來(lái)為預(yù)測(cè)推理提供一個(gè)額外的模型，并且指定了一個(gè)語(yǔ)義模型用來(lái)表示動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，最后，證實(shí)了其有效性和必要性［11］。John W.Sheppard 等人論證了AI-ESTATE 中提出的服務(wù)規(guī)范對(duì)于實(shí)現(xiàn)ATS 的互操作性和可移植性的必要性，并通過(guò)故障樹(shù)診斷系統(tǒng)在診斷過(guò)程中分析了如何應(yīng)用AI-ESTATE 服務(wù)規(guī)范［16］。

4 國(guó)內(nèi)研究情況

自從AI-ESTATE 頒布之后，國(guó)內(nèi)多家院校科研機(jī)構(gòu)的專(zhuān)家學(xué)者也對(duì)其進(jìn)行了相應(yīng)的探索與研究，但主要以跟蹤美軍的研究動(dòng)態(tài)為主，與以美軍為首的西方國(guó)家還存在一定差距。蔡亮在其論文中首先介紹了AI-ESTATE 體系結(jié)構(gòu)，完成了3 種信息模型（公共元素模型、診斷推理模型、故障樹(shù)模型）的接口設(shè)計(jì)，并采用COM 組件技術(shù)建立了符合AI-ESTATE 標(biāo)準(zhǔn)的診斷模塊和數(shù)據(jù)挖掘模塊［14］。李慧在其論文中首先對(duì)AI-ESTATE 的層次結(jié)構(gòu)進(jìn)行了分析，提出了用XML Schema 來(lái)實(shí)現(xiàn)診斷模型的標(biāo)準(zhǔn)化信息描述，并對(duì)公共元素模型以及故障樹(shù)模型進(jìn)行標(biāo)準(zhǔn)化描述［12］。楊占才等人在對(duì)AI-ESTATE 標(biāo)準(zhǔn)進(jìn)行深入分析后，提出了用XML 語(yǔ)言來(lái)實(shí)現(xiàn)符合AI-ESTATE 標(biāo)準(zhǔn)的診斷推理機(jī)，并將其應(yīng)用于圖形化測(cè)試軟件GTest，實(shí)現(xiàn)了飛機(jī)系統(tǒng)壽命期內(nèi)診斷信息模型的共享［13］。趙鞭等人在文章中采用XML 語(yǔ)言描述診斷信息，DCOM 組件實(shí)現(xiàn)推理機(jī)，實(shí)現(xiàn)了診斷知識(shí)信息的共享以及推理機(jī)的可移植，并在此基礎(chǔ)上，建立了一個(gè)符合AI-ESTATE 標(biāo)準(zhǔn)的遠(yuǎn)程故障診斷系統(tǒng)［15］。王雪錦在其論文中首先應(yīng)用Visio 控件實(shí)現(xiàn)了故障樹(shù)圖繪制功能，依據(jù)AI-ESTATE 標(biāo)準(zhǔn)建立了故障樹(shù)模型轉(zhuǎn)換模塊并生成了可交互的故障樹(shù)模型文件，在此基礎(chǔ)上，開(kāi)發(fā)了基于IEEE1232 協(xié)議的電路診斷軟件［17］。孫小進(jìn)等人在分析了AI-ESTATE 標(biāo)準(zhǔn)后，結(jié)合貝葉斯網(wǎng)絡(luò)技術(shù)，建立了貝葉斯網(wǎng)絡(luò)診斷信息模型，設(shè)計(jì)了基于貝葉斯網(wǎng)絡(luò)故障診斷的軟件架構(gòu)，并給出相應(yīng)的驗(yàn)證［18］。劉春霞等人對(duì)AI-ESTATE 標(biāo)準(zhǔn)所采用的EXPRESS 語(yǔ)言中的各種數(shù)據(jù)類(lèi)型到XML 語(yǔ)言中的映射機(jī)制進(jìn)行深入研究，并用XML Schema 來(lái)描述診斷信息［19］。劉春霞等人在對(duì)公共元素模型研究的基礎(chǔ)上，簡(jiǎn)要介紹了故障字典診斷方法以及貝葉斯網(wǎng)絡(luò)技術(shù)，并在AI-ESTATE 標(biāo)準(zhǔn)基礎(chǔ)上分別建立了故障字典診斷模型和貝葉斯網(wǎng)絡(luò)診斷模型［20-21］。姜會(huì)霞等人在其文中對(duì)ATS 中診斷知識(shí)的標(biāo)準(zhǔn)化問(wèn)題簡(jiǎn)要進(jìn)行了分析，將CEM 中的所有實(shí)體劃分為5 個(gè)族，再依據(jù)STEP28 對(duì)實(shí)體進(jìn)行標(biāo)準(zhǔn)化描述，簡(jiǎn)化了由EXPRESS 到XML 的轉(zhuǎn)換過(guò)程［22］。姜會(huì)霞等人針對(duì)診斷信息描述的一致性問(wèn)題，研究了Schematron 的約束表示原理，提出了基于Schematron 的AI-ESTATE 約束描述方法并完成標(biāo)準(zhǔn)化描述［23］。2013 年，姜會(huì)霞等人又借鑒Kruchten 提出的“4+1”視角模型方法，并結(jié)合AI-ESTATE，建立了診斷系統(tǒng)組織、功能、信息和過(guò)程4 個(gè)視圖的結(jié)構(gòu)圖，研究其構(gòu)成和運(yùn)行方式，搭建了可重用、可交換的故障診斷系統(tǒng)體系結(jié)構(gòu)［24］。在2017 年，姜會(huì)霞等人對(duì)面向服務(wù)的AI-ESTATE 故障診斷系統(tǒng)的構(gòu)架以及信息傳遞模式進(jìn)行探索研究，采用靜態(tài)診斷模型服務(wù)關(guān)系圖以及UML 時(shí)序圖分析了互操作服務(wù)在推理機(jī)與其他組件進(jìn)行交互的過(guò)程和模型管理服務(wù)在模型索引、編輯時(shí)的交換流程，為診斷系統(tǒng)的開(kāi)發(fā)奠定了良好的基礎(chǔ)［25］。王月海等人對(duì)AI-ESTATE 中診斷模型進(jìn)行擴(kuò)充，提出一種包含多種人工智能診斷方法的知識(shí)庫(kù)生成協(xié)議，設(shè)計(jì)TPS（Test Program Set）自動(dòng)生成系統(tǒng)，并通過(guò)仿真驗(yàn)證了其有效性［26］。徐夢(mèng)寒在實(shí)現(xiàn)了TPS 自動(dòng)生成的基礎(chǔ)上，通過(guò)對(duì)標(biāo)準(zhǔn)的大量研究，對(duì)診斷信息模型進(jìn)行擴(kuò)充，增加了神經(jīng)網(wǎng)絡(luò)模型，支持向量機(jī)模型和人工免疫系統(tǒng)模型，并將支持向量機(jī)算法與AI-ESTATE給出的標(biāo)準(zhǔn)故障樹(shù)進(jìn)行融合，實(shí)現(xiàn)了故障樹(shù)的自動(dòng)生成，通過(guò)實(shí)驗(yàn)證明，該方法具有很強(qiáng)的通用性，提高了故障樹(shù)自動(dòng)生成的準(zhǔn)確性［27］。李嬌嬌在研究了AI-ESTATE 標(biāo)準(zhǔn)和BP 神經(jīng)網(wǎng)絡(luò)算法后，建立了BP神經(jīng)網(wǎng)絡(luò)診斷模型和BP 模型文件轉(zhuǎn)換模塊和相應(yīng)的診斷推理機(jī)，在此基礎(chǔ)上實(shí)現(xiàn)了模擬電路仿真和數(shù)據(jù)管理軟件的原型系統(tǒng)，并通過(guò)實(shí)測(cè)電路板進(jìn)行故障診斷實(shí)驗(yàn)，驗(yàn)證了該系統(tǒng)的可行性［28］。

5 結(jié)論

AI-ESTATE 標(biāo)準(zhǔn)是新一代診斷系統(tǒng)平臺(tái)的重要組成部分，它能夠?qū)崿F(xiàn)診斷系統(tǒng)中數(shù)據(jù)和信息的共享，診斷模型、診斷推理機(jī)的可移植性，可以有效利用測(cè)試診斷資源、節(jié)約故障診斷成本。隨著AI-ESTATE 標(biāo)準(zhǔn)不斷地更新升級(jí)，它的研究方向也越來(lái)越廣泛，不僅僅局限于靜態(tài)診斷模型的構(gòu)建，而是更注重于對(duì)整個(gè)測(cè)試診斷過(guò)程的管理以及對(duì)各種資源的評(píng)估，這為構(gòu)建開(kāi)放式、互操作、標(biāo)準(zhǔn)化的遠(yuǎn)程故障診斷系統(tǒng)奠定了基礎(chǔ)。而基于此標(biāo)準(zhǔn)提高設(shè)備故障覆蓋率、檢測(cè)率、隔離率以及進(jìn)一步優(yōu)化推理過(guò)程是目前的盲區(qū)，也是未來(lái)研究的重點(diǎn)，是整個(gè)測(cè)試診斷領(lǐng)域發(fā)展的一個(gè)重要方向。