(濟(jì)南軍區(qū) 總醫(yī)院信息科，濟(jì)南 250031)

0 引言

近年來大自然災(zāi)害頻繁發(fā)生，我國受到大自然災(zāi)害而死亡的人數(shù)高達(dá)10萬人，經(jīng)濟(jì)損失更是達(dá)到了2.5萬億元左右，這期間免不了部隊(duì)人員的傷亡，為了減少該現(xiàn)象的發(fā)生，使用部隊(duì)遠(yuǎn)程醫(yī)療會(huì)診車對(duì)受傷人員進(jìn)行緊急救治。遠(yuǎn)程醫(yī)療會(huì)診車主要負(fù)責(zé)對(duì)應(yīng)急條件下的視頻、圖像和音頻進(jìn)行智能傳輸，為受傷較為嚴(yán)重的人員進(jìn)行早期治療，為遠(yuǎn)程專家會(huì)診提供支持，并為遠(yuǎn)程會(huì)診提供支援平臺(tái)[1]。專家雖然能夠利用會(huì)診車對(duì)受傷人員進(jìn)行救治，但是常常因?yàn)檐囕v出現(xiàn)多發(fā)故障，導(dǎo)致受傷人員不能被緊急治療，耽誤了最佳治療時(shí)間，為此應(yīng)及時(shí)對(duì)部隊(duì)遠(yuǎn)程會(huì)診車出現(xiàn)的故障進(jìn)行排除。會(huì)診車出現(xiàn)故障的主要原因有：天線無法展開、GPS無法定位、信號(hào)質(zhì)量差，其中天線無法展開是由拋物面天線無法正常展開造成的，GPS無法定位是由天線尋址時(shí)間超長(zhǎng)造成的，而信號(hào)質(zhì)量差是由天線定位完畢后，信號(hào)強(qiáng)度增加而信號(hào)質(zhì)量下降造成的[2]。采用傳統(tǒng)排除技術(shù)受到天氣和靜電問題影響，導(dǎo)致排查效果較差，為此，采用基于Agent技術(shù)對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障進(jìn)行排除。

1 基于Agent多發(fā)故障排除技術(shù)研究

針對(duì)傳統(tǒng)采用的容錯(cuò)排除技術(shù)存在排除效果差的問題，設(shè)計(jì)了故障排除方案，從根本上徹底鏟除多發(fā)故障。多發(fā)故障排除方案設(shè)計(jì)的思路為：從會(huì)診車出現(xiàn)故障信號(hào)特征出發(fā)，定義錯(cuò)誤信息和有效信息兩者的關(guān)系，采取Agent排除方案，將故障信息排查出來[3]。Agent具有良好自治性和協(xié)作性，能夠適用于大數(shù)據(jù)庫的故障排除，通過該技術(shù)可有效完成故障排除工作，對(duì)會(huì)診車出現(xiàn)的故障隱患進(jìn)行診斷。

1.1 多發(fā)故障信號(hào)特征提取

由于網(wǎng)絡(luò)技術(shù)帶動(dòng)了信息流快速發(fā)展，會(huì)診車中所有病人信息以及車輛活動(dòng)信息都是通過信息流傳輸?shù)?，無論出現(xiàn)哪種信息流，其實(shí)質(zhì)上就是信號(hào)，既然是信號(hào)，就一定具備形狀、大小和強(qiáng)弱方面的特征，利用該特征來描述會(huì)診車產(chǎn)生的多發(fā)故障[4]。

會(huì)診車天線無法展開主要是因?yàn)樾l(wèi)星設(shè)備在惡劣天氣下進(jìn)行了長(zhǎng)時(shí)間的工作，并在工作后沒有及時(shí)對(duì)天線進(jìn)行清理，造成拋物面天線連接生銹；GPS無法定位主要是因?yàn)镚PS信號(hào)出現(xiàn)水膜，導(dǎo)致信號(hào)變得極為微弱，而且不穩(wěn)定，該故障多發(fā)生于春、夏季的清晨時(shí)分，GPS信號(hào)水膜出現(xiàn)次數(shù)較多；信號(hào)質(zhì)量差主要是因?yàn)樘炀€指向方向具有高大且不易穿透的物體，導(dǎo)致信號(hào)定位不準(zhǔn)確，衛(wèi)星參數(shù)設(shè)置不正常[5]。從故障信息特征角度出發(fā)，對(duì)出現(xiàn)故障信號(hào)和正常信號(hào)之間的關(guān)系，利用示意圖來表示，如圖1所示。

圖1 信號(hào)特征關(guān)系示意圖

根據(jù)圖1可知：信號(hào)特征關(guān)系是由故障信號(hào)和正常信號(hào)組成的，其中故障信號(hào)包括合乎邏輯和不合乎邏輯兩種[6]。設(shè)I為信號(hào)全集；A為正常狀態(tài)下信號(hào)；B為故障出現(xiàn)的信號(hào)；B1為合乎邏輯信號(hào)；B2為不合乎邏輯信號(hào)，其間的關(guān)系如下所示：

I=A∪B和B=B1∪B2

(1)

也就是:

I=A∪B1∪B2

(2)

變換即為：

B2=I-A-B1

(3)

通過Agent之間通訊，并結(jié)合公式(3)可知：故障是信號(hào)特征集合中的非正常信息流，而且是不合乎邏輯部分的集合B2。

1.2 故障排除流程設(shè)計(jì)

多發(fā)故障排除方案流程設(shè)計(jì)如圖2所示。

圖2 故障排除流程圖

由圖2可知：從信息流中找到異常狀態(tài)信息，并與正常信息進(jìn)行對(duì)比，將超出常態(tài)標(biāo)準(zhǔn)的信息視為故障信息，其中故障信息不一定就是錯(cuò)誤信息，而不合乎邏輯的才是錯(cuò)誤信息，為此需對(duì)該信息進(jìn)行診斷。將數(shù)據(jù)與信息預(yù)處理結(jié)果傳輸?shù)焦收显\斷過程中，對(duì)異常信息發(fā)出警告，并進(jìn)行反向推理，獲取與故障發(fā)生位置相關(guān)的具體信息[7]。通過Agent之間協(xié)作，將故障信息進(jìn)行等級(jí)劃分，并使用不同顏色作為警告標(biāo)志，不受到天氣因素影響，準(zhǔn)確獲取會(huì)診車故障程度，具體異常信息警告等級(jí)劃分如表1所示。

表1 異常信息警告級(jí)別表

根據(jù)上述異常信息警告等級(jí)的劃分，可將警告信息采集的結(jié)果存儲(chǔ)到數(shù)據(jù)層中，該數(shù)據(jù)層包括會(huì)診車基本設(shè)備參數(shù)、信息以及網(wǎng)絡(luò)運(yùn)行狀態(tài)等。采用主動(dòng)輪詢采集方法，獲取會(huì)診車所有設(shè)備零件的性能參數(shù)，并設(shè)定閾值[8]。如果閾值較大，那么可生成相應(yīng)故障信息；反之，如果閾值較小，那么相對(duì)較低等級(jí)的報(bào)警信息就會(huì)將此條故障信息掩蓋。

1.3 排除技術(shù)的實(shí)現(xiàn)

由上述設(shè)計(jì)流程，可實(shí)現(xiàn)會(huì)診車的故障排除。當(dāng)Agent在會(huì)診車行駛過程中工作時(shí)，使用的確定主體目標(biāo)BDI模型受到時(shí)間限制，在搜索故障位置時(shí)，隨著外界變化，搜索位置也發(fā)生了改變，造成故障位置的“過時(shí)”搜索[9]。因此，在實(shí)際動(dòng)態(tài)環(huán)境中，使用基于動(dòng)態(tài)模型的Agent技術(shù)來實(shí)現(xiàn)多發(fā)故障的排除。如圖3所示，給出了具體的Agent反應(yīng)結(jié)構(gòu)圖。

圖3 Agent反應(yīng)結(jié)構(gòu)圖

根據(jù)圖3中各個(gè)規(guī)則動(dòng)作之間的聯(lián)系，將感知信號(hào)與動(dòng)作行為連接起來，當(dāng)前動(dòng)態(tài)環(huán)境與排除動(dòng)作為Agent排除技術(shù)的內(nèi)部決策結(jié)構(gòu)，而條件-動(dòng)作規(guī)則為多發(fā)故障排除所需的背景信息，根據(jù)表1中的異常信息警告級(jí)別建立多發(fā)故障排除指標(biāo)，并構(gòu)建故障模型，實(shí)現(xiàn)對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障的合理排除。

1.3.1 多發(fā)故障排除指標(biāo)

在Agent反應(yīng)結(jié)構(gòu)框圖下構(gòu)建的多發(fā)故障排除指標(biāo)包括：天線無法展開、GPS無法定位、信號(hào)質(zhì)量差。根據(jù)該指標(biāo)建立的故障排除體系具體內(nèi)容有：及時(shí)對(duì)天線進(jìn)行清理、手動(dòng)處理GPS天線水膜、調(diào)整天線位置。其中及時(shí)對(duì)天線進(jìn)行清理可適時(shí)將拋物面天線連接處的同軸螺釘擰松，并在該處添加潤(rùn)滑油；手動(dòng)處理GPS天線水膜可及時(shí)清除天線積水，并根據(jù)衛(wèi)星位置進(jìn)行手動(dòng)調(diào)整；調(diào)整天線位置可移動(dòng)會(huì)診車輛，使車輛遠(yuǎn)離高大建筑物，調(diào)整天線方位，正確設(shè)置衛(wèi)星參數(shù)。傳統(tǒng)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障排除技術(shù)都是在單一環(huán)境下對(duì)某一個(gè)信號(hào)特征進(jìn)行構(gòu)建的，而采用Agent排除技術(shù)是在不會(huì)受到靜電干擾的動(dòng)態(tài)環(huán)境下，綜合不同故障排除指標(biāo)展開研究的。

從故障發(fā)生概率和故障發(fā)生損失兩方面進(jìn)行相關(guān)指標(biāo)體系的構(gòu)建，可充分體現(xiàn)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障發(fā)生的可能性，也可權(quán)衡故障的發(fā)生給社會(huì)經(jīng)濟(jì)所帶來的損失，具體指標(biāo)體系的建立如圖4所示。

圖4 多發(fā)故障排除指標(biāo)體系

1.3.2 構(gòu)建故障排除模型

根據(jù)上述建立的指標(biāo)體系構(gòu)建故障排除模型，在遠(yuǎn)程環(huán)境下，對(duì)會(huì)診車多發(fā)故障進(jìn)行分析目的就是為了排除故障對(duì)會(huì)診車的影響。針對(duì)多發(fā)故障造成的會(huì)診車無法對(duì)傷員進(jìn)行緊急救治，設(shè)計(jì)了故障模型，其中包括故障發(fā)生的概率和經(jīng)濟(jì)損失概率，故障造成的所有損失就是這兩種概率的乘積，即為多發(fā)故障損失模型：

S=f(p1×p2)

(4)

由公式(4)可知：S為遠(yuǎn)程會(huì)診車出現(xiàn)故障所造成的損失。

f為故障信息流信號(hào)特征的模型函數(shù)，根據(jù)公式(3)可知，排除掉不合乎邏輯的B2。

p2為經(jīng)濟(jì)損失概率，該故障損失主要是由會(huì)診車故障所造成的經(jīng)濟(jì)損失和傷亡人員所造成的人身安全損失這兩部分組成的。

根據(jù)該故障排除模型，可準(zhǔn)確獲取故障所造成全部損失，通過損失可確定故障發(fā)生點(diǎn)，由此設(shè)計(jì)實(shí)現(xiàn)方案。

1.3.3 實(shí)現(xiàn)方案

Agent數(shù)據(jù)庫要處理的信號(hào)特征是具有混沌狀態(tài)的特征，其中包含不合乎邏輯的錯(cuò)誤信息，為此，需先對(duì)信息流進(jìn)行劃分。采用常態(tài)特征標(biāo)準(zhǔn)，根據(jù)圖2設(shè)計(jì)的反饋?zhàn)灾鲗W(xué)習(xí)抓住混沌信號(hào)特征中的不合乎邏輯錯(cuò)誤信息，形成動(dòng)態(tài)的常規(guī)標(biāo)準(zhǔn)特征。該特征是一段時(shí)間內(nèi)故障排除允許誤差范圍的若干信息值，具有動(dòng)態(tài)變化屬性，將此信息值作為判斷異常信息的依據(jù)。將信息流與此信息值相比，如果超出允許誤差的1%，那么將信息歸納到故障信息，會(huì)診車出現(xiàn)了多發(fā)故障。將挑選出來的故障信息進(jìn)行邏輯診斷，如果為合乎邏輯的正常信息，就需讓其返回到主流數(shù)據(jù)中；如果為不合乎邏輯的錯(cuò)誤信息，就需對(duì)其進(jìn)行錯(cuò)誤修復(fù)，同時(shí)，該錯(cuò)誤信息需進(jìn)行自主學(xué)習(xí)，改善錯(cuò)誤序列，變成正常序列補(bǔ)充到Agent數(shù)據(jù)庫之中。該種學(xué)習(xí)方式，促使整個(gè)邏輯診斷都處于一個(gè)封閉狀態(tài)，不會(huì)受到天氣和靜電問題的影響。

設(shè)置AgentT為正常狀態(tài)下的任務(wù)結(jié)束標(biāo)識(shí)，AgentF為異常狀態(tài)下的任務(wù)結(jié)束標(biāo)識(shí)。AgentT是對(duì)采集的信息進(jìn)行統(tǒng)計(jì)，分析該信息在某個(gè)時(shí)間段內(nèi)出現(xiàn)的概率，計(jì)算出現(xiàn)最高概率信息為中心的頻帶范圍內(nèi)所有信息的平均值，將該平均值作為下一個(gè)時(shí)間段內(nèi)的AgentF常態(tài)標(biāo)準(zhǔn)。AgentF在這個(gè)時(shí)間段內(nèi)，利用AgentT輸出的常態(tài)標(biāo)準(zhǔn)對(duì)信號(hào)特征進(jìn)行劃分，并提取出與之相關(guān)的故障信息，完成對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障的排除工作。

針對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障排除技術(shù)的研究，首先分析了多發(fā)故障出現(xiàn)的信號(hào)特征，并繪制示意圖，將故障信號(hào)包括的合乎邏輯和不合乎邏輯信號(hào)挑選出來，利用關(guān)系式剔除不合乎邏輯部分的集合。然后設(shè)計(jì)多發(fā)故障排除方案流程，從信息流中找到合乎邏輯的異常狀態(tài)信息，并與正常信息進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果設(shè)立了異常信息警告等級(jí)表，根據(jù)該等級(jí)表可準(zhǔn)確獲取故障程度。最后通過Agent反應(yīng)結(jié)構(gòu)圖，建立多發(fā)故障排除指標(biāo)，并構(gòu)建故障模型，實(shí)現(xiàn)對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障的合理排除。

2 驗(yàn)證分析

通過構(gòu)建實(shí)驗(yàn)環(huán)境對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障排除技術(shù)研究的有效性進(jìn)行實(shí)驗(yàn)驗(yàn)證。

2.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)平臺(tái)的搭建選擇某家公司由混合式交換機(jī)組成的平臺(tái)，并選擇某部隊(duì)的遠(yuǎn)程會(huì)診車，通過實(shí)時(shí)發(fā)送信息流進(jìn)行實(shí)驗(yàn)?zāi)M；在實(shí)驗(yàn)平臺(tái)內(nèi)安裝控制器，監(jiān)控并轉(zhuǎn)發(fā)混合式交換機(jī)的全部數(shù)據(jù)；采用24寸顯示屏顯示故障發(fā)生位置，通過該顯示屏對(duì)故障進(jìn)行排除。

2.2 實(shí)驗(yàn)結(jié)果與分析

采用的Agent排除技術(shù)不會(huì)受到天氣和靜電問題的影響，依然具有較高的排出精準(zhǔn)度。為了驗(yàn)證這兩點(diǎn)，進(jìn)行了對(duì)比實(shí)驗(yàn)，如下所示：

2.2.1 天氣問題

由于遠(yuǎn)程會(huì)診車需要在惡劣天氣下進(jìn)行會(huì)診，車輛的各個(gè)性能會(huì)受到一定程度的影響。尤其是在救災(zāi)工作中，長(zhǎng)時(shí)間處于高溫天氣或低溫天氣都會(huì)造成箱體無法正常運(yùn)轉(zhuǎn)，導(dǎo)致會(huì)診工作無法正常進(jìn)行，為此，需在該條件下對(duì)出現(xiàn)的故障排除問題進(jìn)行研究。采用傳統(tǒng)排除技術(shù)受到天氣影響，無法準(zhǔn)確獲取排除信息，導(dǎo)致排除精準(zhǔn)度下降；而采用Agent排除技術(shù)是在一個(gè)封閉狀態(tài)下實(shí)施的技術(shù)，不會(huì)受到天氣影響，能夠準(zhǔn)確獲取排除信息。為了驗(yàn)證該點(diǎn)，將兩種排除技術(shù)進(jìn)行對(duì)比，結(jié)果如圖5所示。

圖5 兩種技術(shù)在天氣影響下排除精準(zhǔn)度對(duì)比結(jié)果

由圖5可知：兩種排除技術(shù)精準(zhǔn)度在正常情況下都可達(dá)到80%以上，處于高溫天氣下傳統(tǒng)技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到41%，而基于Agent技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到85%，兩者相差44%；處于降雨天氣下傳統(tǒng)技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到59%，而基于Agent技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到81%，兩者相差22%；處于大霧天氣下傳統(tǒng)技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到56%，而基于Agent技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到82%，兩者相差26%；處于大風(fēng)天氣下傳統(tǒng)技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到40%，而基于Agent技術(shù)的多發(fā)故障排除精準(zhǔn)度可達(dá)到83%，兩者相差43%；處于低溫天氣下傳統(tǒng)技術(shù)多發(fā)故障排除精準(zhǔn)度可達(dá)到38%，而基于Agent技術(shù)的多發(fā)故障排除精準(zhǔn)度可達(dá)到85%，兩者相差47%。由此可知，當(dāng)會(huì)診車處于低溫天氣下，兩種技術(shù)排除精準(zhǔn)度相差最大。傳統(tǒng)技術(shù)在惡劣天氣下，排除精準(zhǔn)度受到較大影響，始終沒有超過60%，且當(dāng)會(huì)診車處于低溫天氣下，傳統(tǒng)技術(shù)排除精準(zhǔn)度達(dá)到了最低；而基于Agent技術(shù)的多發(fā)故障排除精準(zhǔn)度并沒有受到較大影響，當(dāng)會(huì)診車處于降雨天氣下，排除精準(zhǔn)度達(dá)到了最低，但也高于80%。

綜上所述，采用Agent排除技術(shù)是在一個(gè)封閉狀態(tài)下實(shí)施的技術(shù)，不會(huì)受到天氣影響，能夠準(zhǔn)確獲取排除信息，為會(huì)診車多發(fā)故障排除提供有效支持。

2.2.2 靜電問題

由于部隊(duì)遠(yuǎn)程會(huì)診車需要在不同地區(qū)進(jìn)行支援會(huì)診，長(zhǎng)時(shí)間在車內(nèi)工作，會(huì)診人員的身體會(huì)帶有或多或少的靜電。如果靜電對(duì)精密設(shè)備或者會(huì)診人員健康帶來危害，那么將會(huì)導(dǎo)致會(huì)診工作無法正常進(jìn)行，為此，需在該條件下對(duì)出現(xiàn)的故障排除問題進(jìn)行研究。采用傳統(tǒng)排除技術(shù)受到靜電問題影響，使精密設(shè)備受到靜電干擾，無法準(zhǔn)確獲取故障信息，造成排除精準(zhǔn)度下降；而采用Agent排除技術(shù)是在一個(gè)封閉狀態(tài)下實(shí)施的技術(shù)，不會(huì)受到靜電問題的影響，能夠準(zhǔn)確獲取排除信息。為了驗(yàn)證該點(diǎn)，將兩種排除技術(shù)進(jìn)行對(duì)比，結(jié)果如圖6所示。

圖6 兩種技術(shù)在靜電問題影響下排除精準(zhǔn)度對(duì)比結(jié)果

由圖6可知：兩種排除技術(shù)精準(zhǔn)度在正常情況下都可達(dá)到80%以上，當(dāng)靜電干擾強(qiáng)度增加到2萬伏時(shí)，傳統(tǒng)技術(shù)排除精準(zhǔn)度與基于Agent技術(shù)排除精準(zhǔn)度都下降，分別達(dá)到78%和80%。隨著靜電干擾強(qiáng)度增加，兩種技術(shù)排除精準(zhǔn)度呈折線形式下降，但基于Agent技術(shù)呈現(xiàn)上下波動(dòng)趨勢(shì)，最終降為38%和50%。由于在實(shí)際狀態(tài)下，人們能夠承受的靜電最高可達(dá)到12萬伏，為此，在該條件下采用Agent技術(shù)能夠使排除精準(zhǔn)度最低達(dá)到75%。由此可知，在實(shí)際生活中，靜電干擾對(duì)傳統(tǒng)排除技術(shù)影響較大。

綜上所述，采用Agent排除技術(shù)是在一個(gè)封閉狀態(tài)下實(shí)施的技術(shù)，不會(huì)受到靜電干擾問題的影響，能夠準(zhǔn)確獲取排除信息，為會(huì)診車多發(fā)故障排除提供有效支持。

2.3 實(shí)驗(yàn)結(jié)論

根據(jù)上述實(shí)驗(yàn)內(nèi)容，可得出實(shí)驗(yàn)結(jié)論：

采用Agent排除技術(shù)是在一個(gè)封閉狀態(tài)下實(shí)施的技術(shù)，不會(huì)受到天氣和靜電干擾問題的影響，能夠準(zhǔn)確獲取排除信息，為會(huì)診車多發(fā)故障排除提供有效支持。采用該技術(shù)使排除精準(zhǔn)度最高達(dá)到90%，最低也可達(dá)到75%。結(jié)合上述內(nèi)容可知，采用Agent技術(shù)對(duì)部隊(duì)遠(yuǎn)程會(huì)診車多發(fā)故障排除研究是具有合理性的。

3 結(jié)束語

國內(nèi)外對(duì)于會(huì)診車多發(fā)故障的研究主要集中在故障發(fā)生前后恢復(fù)的技術(shù)上，通過研究發(fā)現(xiàn)，這種技術(shù)在對(duì)故障處理前后，容易受到天氣和靜電干擾問題的影響，導(dǎo)致故障排除精準(zhǔn)度較低，無法從根本上消除故障，為此，提出了基于Agent技術(shù)對(duì)會(huì)診車多發(fā)故障進(jìn)行排除。該課題的研究可從信號(hào)根本特征出發(fā)，分析故障特點(diǎn)，將故障有效和無效信息分離，結(jié)合Agent自適應(yīng)特點(diǎn)產(chǎn)生特征標(biāo)準(zhǔn)，根據(jù)該標(biāo)準(zhǔn)排除故障。雖然該課題研究故障排除關(guān)鍵技術(shù)具有重要應(yīng)用價(jià)值，但是相對(duì)于異常信息的邏輯診斷還需進(jìn)一步完善。