基于CBR 的艦船液壓故障診斷專家系統(tǒng)*

秦 楠 薛 鵬

（1.92199部隊 青島 266000）（2.91184部隊 青島 266000）

1 引言

液壓系統(tǒng)是艦船的重要組成部分，其故障主要來源于油污染、泄漏、磨損等，具有多發(fā)性、不確定性和隱蔽性的特點［1～3］。多種類型的故障交叉出現(xiàn)，要求維修人員必須具有豐富的專業(yè)知識和維修經(jīng)驗，給某型艦船液壓系統(tǒng)的故障診斷帶來很大難度。專家系統(tǒng)將大量專業(yè)知識與歷史維修案例有機融合，指導(dǎo)維修人員快速處理故障，可以很好地解決這一問題。目前，針對艦船液壓故障診斷問題而開發(fā)的專家系統(tǒng)多采用基于規(guī)則的推理方法，其診斷的智能化水平有了很大的提高，但仍存在著知識獲取困難、專家知識表述規(guī)則化困難、推理過程不易理解、在復(fù)雜系統(tǒng)中可能出現(xiàn)組合爆炸等問題。近年來，隨著人工智能技術(shù)的發(fā)展，出現(xiàn)了基于案例推理（case-based reasoning，CBR）的方法，文獻(xiàn)［4］將其應(yīng)用于裝填車的液壓系統(tǒng)故障診斷，文獻(xiàn)［5］將其應(yīng)用于防空火炮的故障診斷，文獻(xiàn)［6］將其應(yīng)用于飛機電子設(shè)備的故障診斷?，F(xiàn)有研究表明，CBR 方法具有知識獲取簡單、知識積累方便等優(yōu)點，但也依然面臨著求解質(zhì)量受專家主觀經(jīng)驗影響、求解效率有待進(jìn)一步提高等問題。本文在現(xiàn)有方法的基礎(chǔ)上進(jìn)行改進(jìn)，將基于案例推理方法引入某型艦船液壓故障診斷系統(tǒng)的設(shè)計中，進(jìn)一步提高故障診斷的準(zhǔn)確性和效率。

2 基于CBR 的艦船液壓系統(tǒng)故障診斷機理

某型艦船液壓系統(tǒng)故障診斷機理可以概括為R5：案例表示（Represent）、案例檢索（Retrieve）、案例重用（Reuse）、案例修訂（Revise）和案例保留（Retain），如圖1所示。

圖1 艦船液壓故障診斷系統(tǒng)的案例推理工作流程

在某型艦船液壓故障診斷專家系統(tǒng)中，用戶首先用系統(tǒng)可以識別的語言在人機界面中輸入故障征兆及關(guān)鍵詞等信息，系統(tǒng)根據(jù)用戶描述生成結(jié)構(gòu)化的查詢案例。系統(tǒng)根據(jù)檢索策略計算故障特征屬性和相似度，從案例庫里檢索出與查詢案例相似度最高的案例進(jìn)行匹配，并根據(jù)新案例的屬性進(jìn)行修正，得到適合當(dāng)前故障的處理方法。用戶根據(jù)實際情況，對故障診斷效果進(jìn)行評估，若未能對當(dāng)前問題形成指導(dǎo)，則將該故障作為新案例加入案例庫，以實現(xiàn)案例庫的完善。

3 基于CBR 的某型艦船液壓故障診斷方法設(shè)計

根據(jù)某型艦船液壓系統(tǒng)故障診斷的特點，將基于案例推理的技術(shù)應(yīng)用于其故障診斷專家系統(tǒng)的設(shè)計中，完成故障案例的表示方法設(shè)計、故障案例的檢索策略設(shè)計、系統(tǒng)結(jié)構(gòu)和工作流程設(shè)計。

3.1 故障案例的表示方法設(shè)計

故障案例的表示方法是案例屬性、故障特征、領(lǐng)域知識、數(shù)據(jù)處理方法等相關(guān)知識的集合，也是后續(xù)案例檢索、重用等步驟的基礎(chǔ)，其結(jié)構(gòu)及內(nèi)容直接影響著案例檢索及故障診斷的效能。針對某型艦船液壓系統(tǒng)的故障特點，本文采用基于屬性的故障案例表示方法，即每個案例可以用兩種屬性表示：故障基本屬性和故障特征屬性。

故障基本屬性可以用一個5D 向量表示：Case={N，I，S，C，M} ，式中N(NO.) 代表編號，N(NO.)={No，Ns，Nc} ，No是案例編號，Ns是子系統(tǒng)案例庫編號，Nc是子系統(tǒng)案例集編號，I(Information) 是故障發(fā)生時間、位置等信息；S(Symptom)是故障征兆；C(Causation)是產(chǎn)生故障模式的原因；M(Measure)是故障的維修措施。

故障特征屬性主要包括故障特征向量和故障特征權(quán)重向量，具體表示為一個2D 向量：Fault=｛Ti，Wi｝，其中，Ti是故障特征向量，可以表示為

式中：Ti為第i個案例的故障特征向量；Ti(n)為第i個案例中的第n個指標(biāo)參數(shù)化處理后得到的特征值。Wi是故障特征權(quán)重向量，即采用粗糙集理論進(jìn)行故障特征權(quán)重計算后得到的向量。

3.2 故障案例的檢索算法設(shè)計

將基于案例推理的方法應(yīng)用于艦船液壓系統(tǒng)的故障診斷中，核心問題是如何向用戶提供最具參考價值的歷史案例及其解決方案，為當(dāng)前故障維修提供指導(dǎo)，即故障案例的檢索算法設(shè)計。當(dāng)前，在案例檢索中廣泛采用的使用k-NN 最近鄰法計算故障案例的相似度［7～8］，在相似度計算中，權(quán)重會對求解質(zhì)量產(chǎn)生較為顯著的影響。在傳統(tǒng)方法中通常由領(lǐng)域?qū)＜医o出，考慮到專家經(jīng)驗的主觀性影響，以及專業(yè)領(lǐng)域知識有時獲取困難，本文在原有方法的基礎(chǔ)上進(jìn)行改進(jìn)，引入粗糙集理論用于計算特征屬性的權(quán)重［9～10］。

設(shè)有n個源案例，當(dāng)前案例X與第k個源案例Yk(1 ≤k≤n)的相似度S(X，Yk)可以用下式計算：

式中：X={}x1，x2，...，xi，...，xj為當(dāng)前案例；xi(1 ≤i≤j)為第i個特征屬性值；Wi表示第i個特征屬性的權(quán)值；d(xi，yki)為xi、yki在m維特征空間D=(D1，D2，...，Dm)上的距離：

Wi表示第i個特征屬性的權(quán)值，首先做如下定義［11～12］：對于近似空間V=(U，R)，且P?R，Q?R：當(dāng)IND(P)?IND(Q)，知識Q依賴于知識P。知識Q對知識P的依賴可以用下式表示：

其中，CARD（）表示集合的基數(shù)。

設(shè)案例庫C={c1，c2，...，ci，...cn}為一個由n個案例組成的非空有限集合，?ci(0 ≤i≤n)，ci∈C?？稍O(shè)案例ci=(T，D)，其中T為特征屬性，D為決策屬性。特征屬性T=(t1，t2，...，tj...tm)為一個非空有限集合，其中tj(1 ≤j≤m) 為案例ci的一個特征項，對應(yīng)的特征項權(quán)重為wj(1 ≤j≤m)。下式可用于計算tj的權(quán)重：

使用上述方法可以在一定程度上減少專家主觀性影響，提高相似度的求解質(zhì)量，為系統(tǒng)檢索匹配案例提供較好的計算依據(jù)。

3.3 系統(tǒng)結(jié)構(gòu)和工作流程設(shè)計

某型艦船液壓故障診斷專家系統(tǒng)由人機界面、推理機、解釋機、診斷報告、診斷信息獲取、綜合數(shù)據(jù)庫、數(shù)據(jù)庫管理和案例學(xué)習(xí)8個模塊組成，如圖2所示。

圖2 艦船液壓故障診斷專家系統(tǒng)結(jié)構(gòu)圖

人機界面又稱人機接口，是用戶和專家與系統(tǒng)之間進(jìn)行信息交流的軟件界面，它將用戶輸入的故障征兆等信息轉(zhuǎn)換為系統(tǒng)可以理解的表示形式，再將系統(tǒng)處理后的信息提供給用戶，專家也可通過該界面對案例庫和知識庫的信息進(jìn)行維護(hù)、管理。推理機模塊是艦船液壓故障診斷系統(tǒng)的核心模塊之一，它根據(jù)用戶輸入的數(shù)據(jù)，在案例庫中按照設(shè)計好的檢索策略進(jìn)行檢索，并將相似度較高的參考案例提供給用戶。解釋機模塊根據(jù)知識庫中的信息，使用戶能夠掌握系統(tǒng)的推理過程和診斷步驟。診斷信息獲取模塊采用檢測設(shè)備對某型艦船液壓系統(tǒng)的相關(guān)測試節(jié)點進(jìn)行數(shù)據(jù)采集，并將結(jié)果傳送到綜合數(shù)據(jù)庫中。診斷報告模塊，將案例相似度、故障原因、維修對策等結(jié)果信息以報告的形式反饋給用戶。案例學(xué)習(xí)模塊主要通過兩種手段實現(xiàn)案例庫的豐富與更新：一是補充新案例以增大檢索范圍，二是對現(xiàn)有案例進(jìn)行修正，提高推理的準(zhǔn)確度。綜合數(shù)據(jù)庫模塊也是系統(tǒng)的核心模塊之一，主要由案例庫、知識庫和黑板三部分組成。其中案例庫主要存儲某型艦船液壓系統(tǒng)發(fā)生過的歷史故障案例信息，包含案例編號、故障時間地點、故障排除過程及結(jié)果等信息；知識庫主要存儲某型艦船液壓系統(tǒng)中的設(shè)備名稱、結(jié)構(gòu)圖、工作原理、原始數(shù)據(jù)等資料信息；黑板則用來存放系統(tǒng)推理過程中產(chǎn)生的臨時數(shù)據(jù)。數(shù)據(jù)庫管理模塊，是專家對綜合數(shù)據(jù)庫進(jìn)行維護(hù)的子系統(tǒng)，可以保證數(shù)據(jù)內(nèi)容的準(zhǔn)確性和完備性。某型艦船液壓故障診斷專家系統(tǒng)的工作流程圖如圖3所示。

圖3 艦船液壓故障診斷系統(tǒng)工作流程圖

4 系統(tǒng)實現(xiàn)及實例分析

4.1 系統(tǒng)實現(xiàn)

某型艦船液壓故障診斷專家系統(tǒng)的案例數(shù)據(jù)主要來源于某型艦船2015 年以來的歷史維修記錄，包括泵、蓄能器、管路、閥件等眾多部件，利用Access 2010 建立了較為完整的某型艦船液壓系統(tǒng)故障案例數(shù)據(jù)庫。在此基礎(chǔ)上，以Visual Basic 為開發(fā)語言，SQL Server 2008 為數(shù)據(jù)庫查詢工具，在Microsoft Visual Studio 2010 平臺中開發(fā)了基于案例推理的某型艦船液壓故障診斷專家系統(tǒng)，系統(tǒng)故障案例庫編輯界面如圖4所示。

圖4 艦船液壓故障診斷專家系統(tǒng)案例庫編輯界面

4.2 實例分析

以某型艦船發(fā)生的實際故障為例進(jìn)行案例檢索，具體故障征兆為：某空氣瓶內(nèi)出現(xiàn)大量液壓油。依據(jù)3.3 節(jié)中提到的工作流程，將故障信息輸入人機界面。系統(tǒng)在案例庫中進(jìn)行最近鄰匹配，根據(jù)3.2 節(jié)中提到的算法計算相似度，選取相似度閾值為0.8，將相似度大于0.8 的案例作為備選結(jié)果，如表1所示。

表1 案例檢索相似度分析

在相似度最大的案例中，取匹配次數(shù)最大的案例生成維修指導(dǎo)信息，如表2所示。

表2 系統(tǒng)生成的維修指導(dǎo)信息表

由于本系統(tǒng)是在收集大量艦船液壓系統(tǒng)實際故障的基礎(chǔ)上，進(jìn)行歸納整理，以案例庫和知識庫的形式存儲于數(shù)據(jù)庫中，同時根據(jù)特征屬性的權(quán)重計算相似度，對目標(biāo)案例的匹配更加科學(xué)，給出的維修指導(dǎo)信息簡介清晰，有效提高了某型艦船液壓系統(tǒng)故障診斷的準(zhǔn)確性和效率。

5 結(jié)語

將基于案例推理的方法應(yīng)用到某型艦船液壓故障診斷專家系統(tǒng)的開發(fā)設(shè)計中，具體故障案例分析結(jié)果表明：

1）引入粗糙集理論對基于案例推理的方法進(jìn)行改進(jìn)，提高了故障案例檢索的效率和準(zhǔn)確率；

2）所開發(fā)的系統(tǒng)具有較好的診斷能力和較高的診斷效率，為某型艦船液壓系統(tǒng)的故障診斷提供了保障。