羅冰洋，黃麗婷，周廷美，莫易敏，陳 璟，魏 貝

(武漢理工大學(xué) 自動化學(xué)院，湖北 武漢430070)

隨著我國國民經(jīng)濟的快速發(fā)展，鐵路的客、貨運輸量也在逐步增加。有效地檢測和排除機車故障，確保機車安全運行已成為鐵路部門的當(dāng)務(wù)之急。傳統(tǒng)的基于信號處理的故障診斷方法雖然避開了對象的數(shù)學(xué)模型，但其只是單獨的提取故障信息，很難單獨完成復(fù)雜的機車故障診斷任務(wù)。筆者基于案例推理的機車故障診斷系統(tǒng)，仿照人類認知的過程，通過不斷的學(xué)習(xí)修改來完善系統(tǒng)知識庫為故障診斷提供參考依據(jù)。以案例為基礎(chǔ)，大大簡化了對知識的獲取;通過對過去案例的結(jié)果進行復(fù)用，提高了求解新問題的效率，改善了求解的質(zhì)量;通過對既有案例的修正及新案例的學(xué)習(xí)不斷完善案例庫，從而可以不通過專家的干預(yù)更新案例庫，方便用戶自行維護［1-2］。因此，在機車故障的診斷系統(tǒng)中，基于案例推理技術(shù)能發(fā)揮很好的作用。

1 案例推理技術(shù)

1.1 案例推理的工作過程

案例推理是人工智能領(lǐng)域中較新崛起的一種重要的基于知識的問題求解和學(xué)習(xí)方法，利用過去經(jīng)驗中的特定知識來解決新問題，其工作過程如圖1 所示。

當(dāng)出現(xiàn)了一個需要解決的問題時，首先將其表示成某種特定的形式，然后在歷史的案例庫中進行檢索找到相似的案例建議。如果該建議無法解決當(dāng)前問題，可使用專業(yè)知識對案例進行修正后繼續(xù)檢索直至產(chǎn)生一個合適的解決方案，再對該解決方案進行評價，學(xué)習(xí)并保存在案例庫中，從而使案例庫不斷地完善，為以后輸出精確的解決方案提供經(jīng)驗。

圖1 案例推理工作過程

1.2 案例屬性的獲取

在機車故障專家系統(tǒng)中，每個案例包括很多種屬性，各個屬性之間不同的組合方式會得到不同的故障診斷結(jié)果。在眾多的屬性中，有些屬性對診斷結(jié)果的影響幾乎可以忽略，如果仍將這些冗余屬性帶入診斷過程中必然會影響診斷的效率和診斷結(jié)果的準確性。因此有必要剔除這些冗余屬性，在保證診斷結(jié)果準確性的前提下，盡可能多地減少參與診斷的屬性個數(shù)。

粗糙集理論的數(shù)學(xué)基礎(chǔ)成熟，不需要先驗知識，是一種處理不精確、不一致、不完整等各種不完備信息的有效工具。其基本思路就是將決策表劃分為若干個子決策表，然后根據(jù)各子表的約簡構(gòu)造原始決策表的最小約簡，從而去除包含關(guān)系，提高計算性能，有效提高系統(tǒng)效率。

變壓器是電力機車中重要的組成部件，鐵芯是變壓器的磁路，其質(zhì)量直接影響到變壓器功能的好壞。筆者以主變壓器鐵芯故障為例來說明屬性約簡的方法。圖2 為機車主變壓器鐵芯故障的故障樹［3］。

圖2 機車主變壓器鐵芯故障的故障樹

在鐵芯故障中，故障信息包括條件屬性集和故障集，如果用集合表示屬性集C={C1，C2，…，C10}，如表1 所示，故障集D={D1，D2，…，D7}，如表2 所示。根據(jù)決策系統(tǒng)的定義，可以很清晰地將鐵芯的屬性與故障診斷結(jié)果用二維表格的形式相對應(yīng)，這種數(shù)據(jù)表被稱為知識表達系統(tǒng)KRS［4］，如表3 所示。通過KRS 表，可以很容易地對其屬性約簡，消除冗余屬性。

接下來按照圖3 粗糙集屬性約簡流程對KRS表進行約簡［5］。

表1 鐵芯故障屬性集

表2 鐵芯故障故障集

表3 鐵芯故障屬性與故障間的KRS 表

(1)選取A1來計算任意一個等價類

將原KRS 表分為兩個子KRS 表，初等范疇S1的KRS 表如表4 所示，初等范疇S2的KRS 表如表5 所示。

表4 初等范疇S1 的KRS 表

表5 初等范疇S2 的KRS 表

(2)計算等價類的所有約簡。

(3)取上述簡約集中基數(shù)最小的集合。

(4)對簡約集Gm進行驗證。

計算故障集D的正域：

計算簡約集Gm的正域;

因為POSC(D)=POSGm(D)={{X1}，{X2}，{X3}，{X4}，{X5}，{X6}，{X7}}，所以簡約集Gm={C2，C3，C4，C6，C7，C8，C9，C10}為原KRS 表的最小屬性簡約集，約簡后的KRS 表如表6 所示。

表6 約簡后的KRS 表

約簡后的KRS 表清楚地顯示出了每個故障的必要屬性。原來需要用10 個屬性才能對故障進行判斷，而利用粗糙集方法對屬性進行約簡后只需其中8 個屬性，Gm={C2，C3，C4，C6，C7，C8，C9，C10}，即可對鐵芯的7 種故障進行診斷。然而在剩余的屬性中，并不是每一個屬性都對結(jié)果有決策作用，還存在一些冗余的屬性可進行進一步約簡［6-8］，其流程如圖4 所示。

圖4 一般值約簡算法

一般值約簡算法的核心思想是在獲得最小約簡屬性的基礎(chǔ)上，假設(shè)刪除某屬性值后，觀察決策的效果是否發(fā)生變化。如果沒有發(fā)生變化，說明該屬性值是冗余的，可以被刪除。反之則說明這部分屬性值對決策有影響，不能被刪除。然而，按照不同的條件屬性處理順序和決策規(guī)則順序，會得到很多不同的最小決策表，可列出其中一種最小決策表，如表7 所示［9-10］。

表7 鐵芯故障診斷的一種最小決策表

1.3 案例表示

案例表示決定著一個案例推理系統(tǒng)是否能較好地工作，只有對目標問題通過恰當(dāng)?shù)陌咐M行描述，才能獲得正確的診斷結(jié)果。目前，產(chǎn)生式表示法已成為人工智能中應(yīng)用最多的一種知識表示模式，許多成功的專家系統(tǒng)都是采用產(chǎn)生式知識表示方法。產(chǎn)生式的基本形式為P→Q(IFPTHENQ)，其中P是產(chǎn)生Q的先決條件，即如果P成立，則可得到Q的結(jié)論［11-12］。

按照鐵芯故障診斷的最小決策表在專家系統(tǒng)中的案例表示如下：

(1)IF 磁通量飽和THEN 磁飽和;

(2)IF 散熱通風(fēng)通道堵塞THEN 散熱不良;

(3)IF 多點接地且不存在異物THEN 芯碰殼或夾件;

(4)IF 迭片間短路THEN 迭片老化或振動;

(5)IF 在某個電壓范圍內(nèi)放電THEN 接地不良;

(6)IF 多點接地且存在異物THEN 存在導(dǎo)電異物;

(7)IF 接地片熔斷THEN 接地片熔斷。

2 專家診斷系統(tǒng)設(shè)計

2.1 系統(tǒng)構(gòu)架

該系統(tǒng)在. Net 4. 0 開發(fā)平臺上，利用Microsoft Visual Studio 2010 軟件以CJHJ 作為編程語言進行開發(fā)。系統(tǒng)服務(wù)器采用C/S(Client/Server)模式并使用SQL Server 2005 作為數(shù)據(jù)存儲工具。

2.2 系統(tǒng)實例

該系統(tǒng)包括人員管理、知識庫管理、故障查詢、故障診斷和故障預(yù)測5 個大模塊，其功能如圖5 所示。

圖5 機車故障診斷系統(tǒng)功能

運用該系統(tǒng)對主變壓器鐵芯故障進行模擬診斷，其運行過程如下：

首先運行程序，進入登錄頁面，如圖6 所示，輸入用戶名、密碼跳轉(zhuǎn)至系統(tǒng)主頁面;在主頁面選擇故障診斷模塊則會跳轉(zhuǎn)至故障診斷頁面，如圖7 所示。

圖6 系統(tǒng)登錄界面

圖7 故障診斷界面

在故障診斷頁面填寫基本的故障現(xiàn)象之后，故障屬性區(qū)域會顯示相對性的故障屬性。如需添加新的屬性，點擊添加屬性按鈕后，可以直接在屬性列表后的新增空白行內(nèi)輸入新屬性內(nèi)容。勾選符合的屬性后，單擊故障查詢按鈕即可開始對故障進行診斷，彈出的診斷結(jié)果頁面如圖8 所示。

根據(jù)在診斷頁面勾選的故障屬性，運用上述方法求得約簡后的屬性，并在歷史知識庫中尋找類似的案例，按照符合度進行排序，將結(jié)果顯示在列表中。右鍵單擊案例行，會彈出菜單，可以在案例詳情頁面，查看案例詳情，如圖9 所示。

案例詳情頁面顯示了該案例的詳細信息，包括故障屬性、處理方法、故障圖像和故障視頻等信息。操作者可以對信息進行編輯、修改和完善，使之更加符合實際情況，為今后的案例診斷提供更加完整的信息。

圖8 故障診斷結(jié)果界面

圖9 案例詳情界面

3 結(jié)論

機車診斷中存在大量隨外界因素干擾而變化的經(jīng)驗知識，很難用某個特定的模型來準確地表示出來?；诎咐评淼臋C車診斷系統(tǒng)，通過對歷史案例的檢索來找到與當(dāng)前案例相似的案例，不需要構(gòu)建詳細的模型就能進行故障診斷。其較高的靈活性和可操作性可以使機車診斷系統(tǒng)更加高效、準確，為機車的安全提供保障。

［1］王亞南. 專家系統(tǒng)中推理機制的研究與應(yīng)用［D］.武漢：武漢理工大學(xué)圖書館，2006.

［2］龔錦紅. 案例推理技術(shù)的研究與應(yīng)用［J］. 科技廣場，2007(3)：61 -63.

［3］汪子皓.基于二叉樹的機車故障模糊診斷專家系統(tǒng)［D］.武漢：武漢理工大學(xué)圖書館，2008.

［4］曹長修，孫穎楷，曹龍漢，等.基于粗糙集理論的內(nèi)燃機故障診斷專家系統(tǒng)［J］.重慶大學(xué)學(xué)報：自然科學(xué)版，2010(6)：45 -47.

［5］焦青青. 基于案例推理的機車故障診斷系統(tǒng)［D］.武漢：武漢理工大學(xué)圖書館，2013.

［6］陳海濱. 電力機車故障診斷專家系統(tǒng)的研究［D］.成都：西南交通大學(xué)圖書館，2008.

［7］周偉祝，宦婧.新的面向?qū)ο笾R表示方法［J］. 計算機應(yīng)用，2012(7)：16 -18.

［8］郭楓.基于規(guī)則和案例推理的配電網(wǎng)故障診斷研究［D］.長沙：中南大學(xué)圖書館，2011.

［9］鄭佩.基于案例推理的故障診斷技術(shù)研究［D］. 武漢：華中科技大學(xué)圖書館，2008.

［10］馬超，陳西宏，徐宇亮.基于支持向量機屬性約簡集成的模擬電路故障診斷［J］. 儀器儀表學(xué)報，2011(3)：660 -666.

［11］CHATTOPADHYAY S. A case-based reasoning system for complex medical diagnosis［J］. Expert Systems，2013(1)：12-20.

［12］YING Y L. Application of principal component regression analysis in power load forecasting for medium and long term［J］. Engineering Village，2010(10)：201 -203.