孫文舟 岳冬梅 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)

?

基于本體論與貝葉斯式網(wǎng)絡(luò)的艦炮武器系統(tǒng)故障診斷方法研究

孫文舟1岳冬梅2彭 亮1

(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)

針對艦炮武器系統(tǒng)在故障診斷過程中存在不確定性以及新故障知識不易添加的問題,提出了一種將本體論與貝葉斯網(wǎng)絡(luò)相結(jié)合故障診斷方法。利用本體的知識表示方法建立關(guān)于艦炮武器系統(tǒng)的本體模型,然后將此模型轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)模型,最后利用貝葉斯網(wǎng)絡(luò)進(jìn)行艦炮武器系統(tǒng)故障方面的不確定性推理。利用此方法可以有效解決艦炮武器系統(tǒng)復(fù)雜故障現(xiàn)象問題。

本體; 貝葉斯網(wǎng)絡(luò); 故障診斷

Class Number E920

1 引言

隨著我國海軍裝備的不斷發(fā)展,艦船武器裝備的科技含量和性能不斷地提高,由此而產(chǎn)生武器裝備故障的復(fù)雜程度也不斷增大,不確定性因素不斷增多。主要表現(xiàn)在: 1) 對于現(xiàn)在已有的故障診斷方法,存在新的故障知識不易添加的問題; 2) 故障現(xiàn)象與故障原因之間的對應(yīng)關(guān)系,存在一對多、多對一、甚至多對多的現(xiàn)象; 3) 故障現(xiàn)象之間存在相互耦合性,一些故障發(fā)生會引起其他多種故障現(xiàn)象; 4) 多數(shù)故障無明顯故障參數(shù),艦炮裝備的診斷既依賴工作顯示器的數(shù)據(jù),又依賴于維修人員對直觀感覺以及對裝備異常狀態(tài)的判斷,而這種診斷模式往往效率低下。

本體是共享概念模型明確的形式化規(guī)范說明,其主要思想是將知識以網(wǎng)絡(luò)的形式實(shí)現(xiàn)相互關(guān)聯(lián)。目前在故障診斷方面應(yīng)用的例子有柴油機(jī)綜合故障診斷[1]、汽車綜合故障診斷[2]以及機(jī)載機(jī)電系統(tǒng)故障診斷[3]等。貝葉斯網(wǎng)絡(luò)作為一種不確定性建模與推理工具,可以實(shí)現(xiàn)在艦炮故障診斷過程中的復(fù)雜推理部分,目前在故障診斷方面應(yīng)用的實(shí)例有海洋裝備工程故障診斷[4]、列控系統(tǒng)故障診斷[5]以及電力系統(tǒng)故障診斷[6]等。

為了減少上述所提高的不確定性因素在艦炮故障診斷中所帶來的影響,本文將根據(jù)艦炮特有的故障機(jī)理以及目前已存在的診斷經(jīng)驗(yàn)嘗試?yán)帽倔w來進(jìn)行建模,并將此模型通過合理的方法轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)模型,最后利用貝葉斯網(wǎng)絡(luò)模型來完成艦炮故障診斷的不確定性推理部分。

2 艦炮武器系統(tǒng)本體建模

2.1 艦炮武器系統(tǒng)故障知識結(jié)構(gòu)分析

艦炮武器系統(tǒng)故障診斷的實(shí)際過程往往是根據(jù)已經(jīng)發(fā)生故障現(xiàn)象來尋找可能的故障原因,定位故障源以及給出相應(yīng)的維修建議。而通過對整個排故過程的分析可以得到艦炮武器系統(tǒng)的知識主要涉及五個要素:故障源、故障原因、故障現(xiàn)象、參數(shù)指標(biāo)以及維修建議。

故障知識是故障事實(shí)、診斷規(guī)則、相關(guān)概念的集合,一般以描述型方法存儲和管理知識,形成一個故障知識域。

圖1 艦炮武器系統(tǒng)故障診斷知識結(jié)構(gòu)圖

2.2 艦炮武器系統(tǒng)故障知識本體模型建立

艦炮武器系統(tǒng)本體可表示為四元組O=〈C,R,P,I〉。其中:C為本體中的類集,R為類的層次關(guān)系集合,P為屬性(Properties),I是實(shí)例(Instances)。這里使用軟件Protégé,根據(jù)艦炮故障維修手冊以及專家經(jīng)驗(yàn),通過將艦炮武器系統(tǒng)故障現(xiàn)象以及故障原因進(jìn)行分類,并分析其中的關(guān)聯(lián),以此來建立艦炮武器系統(tǒng)本體模型。

艦炮武器系統(tǒng)故障模型建立過程如下:

1) 首先建立艦炮武器系統(tǒng)故障本體的類及類層次:將艦炮武器劃分為發(fā)射系統(tǒng)、瞄準(zhǔn)系統(tǒng)、供彈系統(tǒng)、輔助系統(tǒng)、電氣控制系統(tǒng)等并建立其類,然后在類的下一層次繼續(xù)建立其子類,比如供彈系統(tǒng)可以分為上揚(yáng)彈機(jī)、下?lián)P彈機(jī)以及彈鼓。在建立好這一層次的子類之后,繼續(xù)建立下一層次的子類,比如上揚(yáng)彈機(jī)可以繼續(xù)劃分為各個機(jī)構(gòu)。依次類推,一直建立到子類不能繼續(xù)劃分為止。

2) 建立艦炮故障系統(tǒng)類的屬性:類的屬性主要包括對象屬性以及數(shù)據(jù)屬性,在本模型中,主要應(yīng)用的是艦炮對象的屬性,這些屬性主要為“故障原因?yàn)椤焙汀肮收犀F(xiàn)象是”,其所對應(yīng)的逆關(guān)系屬性為“引起現(xiàn)象”以及“有原因?yàn)椤薄?/p>

3) 建立艦炮故障系統(tǒng)的關(guān)系和實(shí)例,關(guān)系包括等價(jià)、繼承、互斥等。比如is-a代表繼承關(guān)系,表示某些子類只能從屬于特定的上一層次的類?；コ獾年P(guān)系(disjoints),比如電源故障類中分為艦電源故障和設(shè)備電源故障兩類,這兩類的關(guān)系為互斥。

3 貝葉斯網(wǎng)路模型

3.1 貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)(Bayesian Network)又稱為信度網(wǎng)絡(luò)(Belief Networks)[7～8],是目前不確定性知識表達(dá)和推理領(lǐng)域最有效的理論模型之一[9],適用于不確定性和概率推理的知識表達(dá)和推理。

貝葉斯網(wǎng)絡(luò)由兩部分構(gòu)成,一是貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖,另一部分是條件概率表(Conditional Probability,CPT)。

3.1.1 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖是一種有向無環(huán)圖(Directed Acylic Graph,DAG),圖中的節(jié)點(diǎn)表示事件中的變量,節(jié)點(diǎn)之間用有向弧線連接,弧線指向的是子節(jié)點(diǎn),弧線的另一端是父節(jié)點(diǎn),表示的是兩個事件的因果關(guān)系。沒有任何弧線指向的節(jié)點(diǎn)是根節(jié)點(diǎn)。

3.1.2 條件概率表

條件概率表是貝葉斯網(wǎng)絡(luò)的定性表達(dá),反映了網(wǎng)絡(luò)節(jié)點(diǎn)中各個節(jié)點(diǎn)之間的影響程度,由一系列的概率值組成。

3.1.3 貝葉斯網(wǎng)絡(luò)常用概念

貝葉斯網(wǎng)絡(luò)常用的概念包括:先驗(yàn)概率,后驗(yàn)概率,條件概率,條件獨(dú)立性假設(shè)。

先驗(yàn)概率:先驗(yàn)概率是人們事先對事件發(fā)生的概率大小的估計(jì),沒有經(jīng)過驗(yàn)證,是檢驗(yàn)前的概率,通常由領(lǐng)域內(nèi)的專家或根據(jù)設(shè)備的歷史資料來確定。

后驗(yàn)概率:后驗(yàn)概率是人們在經(jīng)過調(diào)查等方式取得了新的證據(jù),再利用貝葉斯公式,計(jì)算出的更接近于實(shí)際情況的概率。

條件概率:設(shè)A、B是兩個事件且P(A)>0,則稱概率

P(B/A)=P(AB)/P(B)

為事件B在事件A發(fā)生下的條件概率。

條件獨(dú)立性假設(shè):設(shè)有隨機(jī)事件A、B、C,如果A、B關(guān)于C條件獨(dú)立,則有

P(B/A,C)=P(A/C)

這說明,在事件C發(fā)生的條件下,事件A的發(fā)生與否與B無關(guān)。條件獨(dú)立性假設(shè)能簡化網(wǎng)絡(luò)推理的過程,還能大大減少網(wǎng)絡(luò)推理所需要的先驗(yàn)概率的數(shù)量。

3.2 貝葉斯網(wǎng)絡(luò)故障診斷原理

通過針對艦炮武器系統(tǒng)故障機(jī)理的分析,可以得出武器系統(tǒng)故障的原理通常為“執(zhí)果尋因”,這也正好與貝葉斯網(wǎng)絡(luò)故障診斷原理相符合,所以可以利用貝葉斯的方法來解決艦炮武器系統(tǒng)的故障不確定性推理問題[10]。

首先來分析根據(jù)艦炮武器系統(tǒng)的診斷方式所對應(yīng)的貝葉斯網(wǎng)絡(luò)的計(jì)算方法:假設(shè)有事件A、B為事件C發(fā)生的兩個原因,假設(shè)事件A發(fā)生的概率為0.1;事件B發(fā)生的概率為0.2,事件A發(fā)生,事件B不發(fā)生時(shí),事件C發(fā)生的概率為0.6;事件A不發(fā)生,事件B發(fā)生時(shí),事件C發(fā)生的概率為0.8;事件A發(fā)生,事件也B發(fā)生時(shí),事件C發(fā)生的概率為0.9;事件A、B都不發(fā)生時(shí),事件C發(fā)生的概率為0.1,事件C的條件概率表如表1所示。

P(A)=0.1,P(B)=0.2,

表1 事件C的條件概率表

事件CB發(fā)生不發(fā)生A發(fā)生不發(fā)生發(fā)生不發(fā)生發(fā)生0．90．80．60．1不發(fā)生0．10．20．40．9

根據(jù)貝葉斯定理以及事件C的條件概率表,計(jì)算在事件C發(fā)生的條件下,事件A、B發(fā)生的概率。P(C/A)為已知事件A發(fā)生的條件下,事件C發(fā)生的概率。P(C)為不考慮事件A、B發(fā)生的條件下,事件C發(fā)生的概率,可以使用全概率公式計(jì)算。

(1)

計(jì)算P(C):

=0.9×0.1×0.2+0.6×0.1×0.8

+0.8×0.9×0.2+0.1×0.9×0.8=0.282

計(jì)算:P(C/A)

=0.9×0.2+0.6×0.8=0.66

將上式帶入到式(1)中得:

P(A/C)=0.234

同理可以得出:

P(B/C)=0.574

通過以上的分析可以得出,如果C表示故障現(xiàn)象,A、B代表故障原因,可以根據(jù)上述方法推導(dǎo)出在已知故障現(xiàn)象C發(fā)生的情況下,故障為原因A或者原因B發(fā)生的概率,由計(jì)算得知,B發(fā)生的概率大于A發(fā)生的概率,由此可知,在故障現(xiàn)象C發(fā)生時(shí),首先應(yīng)該檢查故障原因B,其次檢查故障原因A。將這種方法應(yīng)用到艦炮故障診斷領(lǐng)域,可以有效地指導(dǎo)維修人員進(jìn)行下一步的維修。

3.3 本體模型與貝葉斯模型相互轉(zhuǎn)化

當(dāng)建立好艦炮故障本體模型后,在軟件Protégé中可以自動生成一個相關(guān)本體的網(wǎng)絡(luò),對比此本體網(wǎng)絡(luò)與貝葉斯網(wǎng)絡(luò)發(fā)現(xiàn)兩者有很大的相似之處,兩者都可以表示因果聯(lián)系,本體網(wǎng)絡(luò)中的類及其各級子類真是對應(yīng)于貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn),本體網(wǎng)絡(luò)中的屬性對應(yīng)于貝葉斯網(wǎng)絡(luò)中的弧線,可以用來表示各類層次或節(jié)點(diǎn)之間的聯(lián)系。

4 實(shí)例分析

以下?lián)P彈機(jī)提退工況時(shí)彈托不到位(sabot_not_in_place)為例,導(dǎo)致此現(xiàn)象的故障原因可能為電磁離合器損壞(electromagnetic_clutch_damage)或者是電磁離合器打滑(electromagnetic_clutch_trackslip)。首先引Protégé軟件進(jìn)行建模建立好此故障的類、屬性和實(shí)例后,本體的網(wǎng)絡(luò)呈現(xiàn)如圖2所示。

圖2 本體網(wǎng)絡(luò)圖

為了方便與貝葉斯之間的比較以及具體實(shí)例的推理,隱藏各類層次之后的本體網(wǎng)狀圖如3所示,其中虛線代表屬性“有原因”。

圖3 隱藏各類層次后的本體網(wǎng)狀圖

根據(jù)已經(jīng)構(gòu)建好的本體網(wǎng)狀模型,利用軟件GeNIe構(gòu)建此貝葉斯網(wǎng)絡(luò)如圖4所示。

圖4 構(gòu)建好的本體貝葉斯網(wǎng)絡(luò)模型

對應(yīng)此故障網(wǎng)絡(luò)模型的條件概率表為:如圖5所示。

圖5 條件概率表

經(jīng)軟件計(jì)算,原因?yàn)殡姶烹x合器損壞所導(dǎo)致此故障現(xiàn)象的概率為0.119,原因?yàn)殡姶烹x合器打滑所導(dǎo)致此故障現(xiàn)象的概率為0.265。所以給出相應(yīng)的維修建議為先檢查電磁離合器是否打滑,如果無法排除故障,再檢查電磁離合器是否損壞。

5 結(jié)語

隨著艦炮武器的不斷發(fā)展,艦炮武器系統(tǒng)所出現(xiàn)的故障情況也越來越復(fù)雜,在故障診斷過程中不確定性因素以及故障現(xiàn)象之間的相互耦合性也成為診斷過程中的一個難點(diǎn),而且如果有新的故障現(xiàn)象的出現(xiàn),新故障知識難以添加也成為一項(xiàng)新的問題。

在本問題中,本體是一種強(qiáng)有力的知識表示形式,而且易于添加新知識,在建立起類與屬性關(guān)系之后又可自動形成網(wǎng)絡(luò),方便與貝葉斯網(wǎng)絡(luò)結(jié)合使用。貝葉斯網(wǎng)絡(luò)是目前一種較為成熟的不確定性推理方法,可以有效解決故障診斷過程中的不確定性問題。把這兩種方法結(jié)合起來,利用其各自的優(yōu)勢,將使得艦炮故障診斷的過程更加快速和有效。

[1] 周密.基于本體論的柴油機(jī)綜合故障診斷研究[D].長沙:國防科技大學(xué)碩士學(xué)位論文,2007,11.

[2] 趙少華.基于本體論的汽車故障診斷知識建模及知識系統(tǒng)的研究[D].上海:華東理工大學(xué)碩士學(xué)位論文,2011,1.

[3] 畢魯雁,焦宗夏,范圣韜,等.基于本體的機(jī)載機(jī)電系統(tǒng)故障診斷研究[C]//中國機(jī)械工程學(xué)會流體傳動與控制分會,2008:510-512.

[4] 趙金樓,成俊會,岳曉東.基于貝葉斯網(wǎng)絡(luò)的海洋工程裝備故障診斷模型[J].哈爾濱工程大學(xué)學(xué)報(bào),2014,35(10):1-5.

[5] 程雨.基于貝葉斯網(wǎng)絡(luò)的列控系統(tǒng)故障診斷研究[D].北京:北京交通大學(xué)碩士學(xué)位論文,2014,4.

[6] 吳欣,郭創(chuàng)新.基于貝葉斯網(wǎng)絡(luò)的電力系統(tǒng)故障診斷方法[J].電力系統(tǒng)及其自動化學(xué)報(bào),2005,17(4):11-15.

[7] Charniak E. Bayesian Networks without Tears[J]. AI Magazine,1991,12(4):50-63.

[8] Pearl J Graphical Models for Probailistic and Causal Reasoning In: The Computer Science and Engineering Handbook Kluwer Academic Publishers,1997:697-714.

[9] 張兵利,裴亞輝.貝葉斯網(wǎng)路故障概述[J].電腦與信息技術(shù),2008,16(5):41-42.

[10] 郝曉亮.貝葉斯網(wǎng)絡(luò)在半導(dǎo)體設(shè)備故障診斷中的應(yīng)用[J].設(shè)備維護(hù)與維修,2013,16(5):62-66.

Naval Gun Weapon System Fault Diagnosis Based on Ontologies and Bayesian Network

SUN Wenzhou1YUE Dongmei2PENG Liang1

(1. Department of Graduate Management, Dalian Naval Academy, Dalian 116018) (2. Department of Naval Gun, Dalian Naval Academy, Dalian 116018)

Against the problem of nodeterminacy and new fault knowledge is not easy to add in the process of fault diagnosis, a new method is put forward by combining ontologies and bayesian network. The representation of ontology knowledge is used to built the ontology model about the naval gun weapon system. Then this model is converted into a bayesian network model. Finally the bayesian network is used for naval gun weapon system failure of uncertainty reasoning. This method can effectively solve the problem of complex naval gun weapon system fault phenomenon.

ontology, Bayesian network, fault diagnosis

2015年1月17日,

2015年3月6日 作者簡介: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。

E920

10.3969/j.issn1672-9730.2015.07.042