李英順， 陶加云， 趙玉鑫， 王德彪

(1.沈陽工業(yè)大學 化工過程自動化學院,遼寧 遼陽 111003；2.沈陽工業(yè)大學 信息科學與工程學院,遼寧 沈陽 110870)

?

壓制觀瞄裝置故障診斷專家系統設計*

李英順1， 陶加云2， 趙玉鑫1， 王德彪1

(1.沈陽工業(yè)大學 化工過程自動化學院,遼寧 遼陽 111003；2.沈陽工業(yè)大學 信息科學與工程學院,遼寧 沈陽 110870)

針對單一依靠人工檢修壓制觀瞄裝置而導致的效率低下的問題，提出一種壓制觀瞄裝置故障診斷專家系統。采用基于粗糙集理論的改進可區(qū)別矩陣(IDM)屬性約簡算法和建立故障樹的方式來實現專家系統的知識獲取，解決專家系統知識獲取的瓶頸問題；提出一種改進的正向推理算法來設計專家系統的推理機，使得推理過程更加直觀高效。實際診斷結果表明：此故障診斷專家系統能夠快速、準確地對故障部位做出判斷，并能給出故障原因和相應的維修建議，進而證明了該故障診斷專家系統設計的可靠性。

故障診斷專家系統； 改進可區(qū)別矩陣算法； 故障樹； 改進正向推理算法

0　引　言

壓制觀瞄裝置是一套集光、機、電于一體的系統，工藝流程和運行機理都較為復雜。故障發(fā)生后的原因查找和對具體故障部位的定位仍然依靠維修人員來分析，因而在快速性和準確性上受限于維修人員經驗水平。因此，需要開發(fā)一套實時的故障診斷專家系統，快速檢測出具體故障部位并分析出故障原因，以供維修人員參考。

故障診斷專家系統是一種智能計算機程序系統，其內部包含大量某一領域專家的理論與經驗知識，能夠模仿該領域內的專家來解決相關問題。專家系統目前在故障診斷領域有著廣泛的應用，如NASA與MIT公司合作研制的用于檢測動力系統故障的專家系統、美軍研制的用于某型戰(zhàn)斗機的發(fā)動機故障診斷專家系統等，國內的電力、機械和石化等許多領域也都運用到了故障診斷專家系統[1]。

在設計故障診斷專家系統的過程中，知識獲取和推理機一直都是兩個最重要的環(huán)節(jié)，其直接影響到故障診斷專家系統設計的好壞[2]。其中，知識獲取是故障診斷專家系統的瓶頸問題[3]。在深入研究壓制觀瞄裝置故障機理的基礎上采用基于粗糙集理論的改進可區(qū)別矩陣(improved discernibility matrix,IDM)屬性約簡算法，運用其和已建立的壓制觀瞄裝置故障樹相結合來解決這一瓶頸問題。將通過IDM改進屬性約簡算法和故障樹得到的規(guī)則知識存入知識庫中，從而建立壓制觀瞄裝置故障診斷專家系統知識庫。正向推理策略都是用規(guī)則去匹配變化著的事實，因而匹配效率低，占用的空間大。本文提出一種改進的正向推理算法來設計推理機，以事實匹配知識庫內的規(guī)則既縮短了匹配時間，提高了壓制觀瞄裝置故障診斷專家系統的診斷效率，又使得推理過程更加直觀。

1　壓制觀瞄裝置故障診斷專家系統的構造

壓制觀瞄裝置故障診斷專家系統主要由知識獲取、知識庫、數據庫、推理機、人機操作界面這五大模塊組成，其結構框圖如圖1所示。

圖1　診斷結構框圖Fig 1　Block diagram of diagnosis structure

2　故障樹頂事件的獲取

2.1頂事件的獲取過程

深入分析壓制觀瞄裝置的運行機理，并在大量實驗的基礎之上，結合其歷史故障信息，建立了壓制觀瞄裝置故障診斷決策表，其部分數據如表1所示。其中，條件屬性C={C1,C2,C3,C4,C5,C6}={YG方位角速度，YG俯仰角速度，YG方位加矩，YG俯仰加矩，YG方位電機電壓，YG俯仰電機電壓}，決屬性值P={A,B,C}={車長操縱臺故障，YG隨動轉臺方位力矩電機故障，YG隨動轉臺俯仰力矩電機故障}，條件屬性值Q={L,R,H}={低，正常，高}。由表1的診斷決策表得到的DM如表2所示。

表1　壓制觀瞄裝置故障診斷決策表

表2　可區(qū)別矩陣

采用基于粗糙集理論的改進IDM屬性約簡算法[4]來對診斷決策表中的條件屬性進行約簡，具體實施步驟及對應的結果如下：

1) 在表2所示的DM中選擇長度為1(只包含1個條件屬性) 的元素加入到核屬性CORE中，令約簡后的條件屬性RED=CORE。此時，RED=CORE={ac},剔除DM中與RED交集不為空集的元素，得到過濾矩陣Q(S)′。

2) 計算Q(S)′中的每一條件屬性的頻率重要度SGF(ek)，按SGF(ek)的數值從大到小排列ek，并將最大的ek添加到RED中。頻率重要度函數為

(1)

式中l(wèi)為條件屬性e在過濾矩陣Q(S)′中出現的次數，a為e所在元素中條件屬性的個數。由式(1)可知相應的頻率重要度為:SGF(b)=0.5,SGF(d)=0.5,此時，

RED={abcd}。

3)如果RED與過濾矩陣Q(S)′中的每一元素都沒有交集，算法終止；否則,轉向步驟(2)。由步驟(2)和步驟(3)對應的結果可知，無須轉向步驟(2)，算法終止。

4)RED={abcd},即為診斷決策表約簡過后的條件屬性。采用屬性值約簡算法對約簡過后的條件屬性的屬性值和決策屬性的屬性值進行約簡，得到如表3所示的最終約簡表。表中的“-”號代表需要去除的條件屬性的屬性值。

表3　最終約簡表

由表3可推導出如下規(guī)則：

1)If(YG俯仰角速度正常andYG俯仰加矩正常)Then(YG分系統方位轉動機構中的YG隨動轉臺方位力矩電機故障)

2)If(YG方位角速度正常andYG俯仰角速度低andYG方位加矩正常andYG俯仰加矩正常)Then(YG分系統俯仰轉動機構中的YG隨動轉臺俯仰力矩電機故障)

3)If(YG方位角速度正常andYG俯仰角速度低andYG方位加矩正常andYG俯仰加矩低)Then(YG分系統俯仰轉動機構中的車長操縱臺故障)

2.2診斷規(guī)則的檢測

VC++編程得到“改進IDM知識獲取管理”界面。點擊界面中的“提取知識”按鈕，可以實現對規(guī)則知識的獲??；點擊“存取規(guī)則”按鈕，便可將獲取的規(guī)則知識存入到專家系統規(guī)則知識庫中；點擊“刪除”按鈕，可以實現對具有等價、冗余、從屬性質的規(guī)則的檢測與處理。規(guī)則的結論部分對應著故障樹的頂事件，此時，能夠保證系統選擇某一具體的故障樹進行下一步操作，無需查找所有的故障樹，在一定程度上節(jié)約了診斷時間。

3　基于故障樹的知識獲取

建立故障樹是設備故障診斷過程中的常用手段之一。故障樹是指以出現的故障為起點，逐級分析故障產生的原因，并且用規(guī)范的符號將故障現象和各級故障原因連接而成的因果關系圖[5,6]。在故障樹已建立的基礎上可以采用故障樹分析法[7]對故障樹進行自頂而下的分析。故障樹分析法是一種層次感強，因果關系明確的一種故障推理方法，采用它從故障樹的頂事件出發(fā)，逐級向下分析，找出故障發(fā)生的所有底事件(故障原因)，亦即所有最小割集。每一最小割集對應一種失效形式，代表一條產生式規(guī)則。

3.1故障樹的建立

深入分析壓制觀瞄裝置的運行機理和故障特點，明確車長鏡分系統轉動機構、YG分系統轉動機構、YG分系統供電機構以及YG分系統方位加矩機構是壓制觀瞄裝置能夠正常工作的關鍵分系統，以它們作為故障樹的頂事件，建立起壓制管瞄裝置分系統故障樹。因篇幅限制，現僅以YG分系統方位加矩機構故障為例，建立的故障樹如圖2所示。VC++編程得到“故障樹知識獲取管理界面”。點擊界面中的“清空規(guī)則”按鈕，可以清空條件表、結論表和規(guī)則表；點擊“存取規(guī)則”按鈕，可實現對條件表、結論表及規(guī)則表的存儲；點擊“插入”按鈕，可以插入新的故障信息。

圖2　YG分系統方位加矩機構故障樹Fig 2　Azimuth moment fault tree of YG subsystem

3.2基于故障樹的知識表示

以產生式規(guī)則[8]表示法為例，對所有的規(guī)則采用“If(P)Then(C)”的表達方式，其中，P為產生式規(guī)則的條件，C為當P所代表的條件都與事實匹配成功時而產生的結論，本文的規(guī)則都是由故障樹中的最小割集轉化而來的，每一個最小割集對應著一種規(guī)則。

4　知識庫的建立

采用Access2000數據庫來將故障樹轉化而來的規(guī)則知識存入專家系統知識庫中。這里的知識庫主要由條件表、結論表、規(guī)則表、解釋表四個部分組成。條件表用來存放規(guī)則對應的條件，由“規(guī)則號”、“故障部位”、“條件”和“條件匹配標號”這四個字段組成。

5　推理機的設計

推理機[9]作為專家系統的組織控制結構，用于連接事實庫內的事實和知識庫內的規(guī)則，是專家系統的關鍵部分[10]?；谝?guī)則的正向推理策略的推理過程比較直觀，易于人們接受。但在用規(guī)則去搜索事實的過程中，做了很多不必要的匹配工作，在一定程度上降低了推理機的推理效率。本文在此基礎上提出了一種改進的正向推理算法去設計推理機，以事實去匹配知識庫中的規(guī)則。該算法在匹配過程中，已匹配規(guī)則表里的規(guī)則無需再進行匹配，只需要用事實庫里新增加的事實去匹配沒有匹配成功的規(guī)則，減少了沒有必要的操作，從而提高了推理效率。

改進正向推理算法的基本實施步驟如下：

1) 從規(guī)則表中取出一條規(guī)則，利用采集來的事實去匹配規(guī)則中的條件，若這些事實包含當前規(guī)則的所有條件，則說明匹配成功，將此規(guī)則所對應的結論添加到事實表中，并刪除此規(guī)則。利用上述方法，從第一條規(guī)則開始，重新進行匹配；若這些事實不包含此規(guī)則的所有條件，則說明匹配失敗，需要取下一條規(guī)則重新匹配。

2) 當規(guī)則表中的所有規(guī)則都匹配一遍了，則說明已經完成推理。

3) 對規(guī)則表進行初始化處理。

4) 從數據庫中取出所有事實并查找是否有最終結論，若有，則推理結束；否則就需添加新的事實重新進行匹配。

改進的正向推理算法流程圖如圖3所示。

6　診斷推理實例與過程

現以對“YG分系統方位加矩角速度的實際值低于理論值”這一現象的故障診斷為實例，診斷推理結果如圖4所示，診斷推理時刻表如表4所示。

表4中的“A”～“G”分別代表車長方位角速度、車長俯仰角速度、YG方位角速度、YG俯仰角速度、400Hz激磁電壓、YG方位加矩、YG俯仰加矩，“A”～“G”的下方數值為采樣值，“sj”代表診斷推理時刻。

圖3　改進的正向推理算法流程圖Fig 3　Flow chart of improved forward reasoning algorithm

圖4　診斷推理結果Fig 4　Result of diagnosing and reasoning

ABCDEFGsj4.7615.68.536.70.792015-06-0810:37:174.7615.68.536.70.792015-06-0810:37:184.7615.68.536.70.792015-06-0810:37:194.7615.68.536.70.792015-06-0810:37:20

7　實例結果分析

系統運行后給出了故障部位(故障樹的頂事件)、結論和維修建議，并且對診斷推理過程做出了合理解釋。后期經過專家系統對故障的反復測試實驗，并且和人工診斷作對比，準確率高達93 %。整個診斷推理過程只需4s時間，體現了此故障診斷專家系統診斷推理的高效性，可以用于指導檢修人員工作。

8　結束語

采用基于粗糙集理論的IDM屬性屬性約簡算法和建立的壓制觀瞄裝置故障樹來解決專家系統知識獲取難的問題。利用基于粗糙集理論的IDM屬性約簡算法導出故障樹的頂事件，在此基礎上,利用已建立的壓制觀瞄裝置故障樹及其分析法找出了故障發(fā)生的所有最小割集，亦即所有的具體故障原因。提出一種改進的正向推理算法來設計推理機，以事實去匹配規(guī)則，在一定程度上提高了專家系統的推理效率。實際應用結果表明：開發(fā)出的壓制觀瞄裝置故障診斷專家系統能夠對故障做出快速、準確的判斷。今后將在系統的運行中進一步完善故障診斷專家系統軟件的知識庫，優(yōu)化推理機制，從而更好地達到提高診斷推理效果和系統性能的目的。

[1]李英順，姜雙雙，佟維妍，等.基于RETE及FTA的故障診斷專家系統在綜合傳動裝置中的應用研究[J].制造業(yè)自動化，2013,35(8):146-150.

[2]姚金國，代志龍.基于文本分析的知識獲取系統設計與實現[J].計算機工程，2011,37(2):157-159.

[3]張艷.基于粗糙集的啟發(fā)式高效屬性約簡算法的研究[D].長沙：中南林業(yè)科技大學,2013.

[4]蘇鍵，陳玉強，陳軍偉，等.基于故障樹分析的火控系統故障診斷專家系統設計[J].計算機測量與控制，2013,21(11):3008-3010,3020.

[5]楊盛泉，劉萍萍，李寶敏，等.基于故障樹的梭式窯故障診斷專家系統[J].計算機應用研究，2008,25(11):3401-3403.

[6]GaborRebner,EkaterinaAuer,WolframLuther.AverifiedrealizationofaDempster-Shaferbasedfaulttreeanalysis[J].Computing,2012,94(2-4):313-324.

[7]李英順，姜雙雙，佟維妍.基于RST及FTA的綜合傳動裝置故障診斷專家系統的應用[J].組合機床與自動化加工技術，2014,60(4):60-63.

[8]PanagisMagdalinos,ApostolosKousaridas,PanagiotisSpapis.Enhancingafuzzylogicinferenceenginethroughmachinelearningforaself-managednetwork[J].MobileNetworksandApplications,2011,16(4):475-489.

[9]萬其，吳燕，陳桂.雷達伺服系統的專家故障診斷技術[J].現代雷達，2007,29(8):86-88.

Design of fault diagnosis expert system for suppress sighting device*

LI Ying-shun1, TAO Jia-yun2, ZHAO Yu-xin1, WANG De-biao1

(1.School of Chemical Process and Automation,Shenyang University of Technology,Liaoyang 111003,China;2.School of Information Science and Engineering,Shenyang University of Technology,Shenyang 110870,China)

Aiming at problem of low efficiency caused by relying on manual maintenance only while repairing suppress sighting device,a fault diagnosis expert system is proposed.The improved discernibility matrix(IDM) attribute reduction algorithm based on rough set theory and fault tree is used to achieve knowledge acquisition of expert system,the improved forward reasoning algorithm is put forward to design reasoning machine of expert system.The results show that this fault diagnosis expert system can make the right judgments on the fault very quickly,it can also give the reason and advice to the failures,and thus proves reliability of the design of fault diagnosis expert system.

fault diagnosis expert system; improved discernibility matrix(IDM) algorithm; fault tree; improved forward reasoning algorithm

2015—11—02

遼寧省自然科學基金資助項目(2014020115)；遼寧省教育廳科學技術研究項目(L2012031)

TP 182

A

1000—9787(2016)08—0111—04

李英順(1971-)，女，朝鮮族，遼寧撫順人，博士，教授，主要研究領域為故障診斷專家系統、智能控制。

DOI:10.13873/J.1000—9787(2016)08—0111—04