趙 倩

（中國航空制造技術(shù)研究院，北京 100024）

隨著工業(yè)產(chǎn)線的自動化、智能化和集成化水平逐步提高，數(shù)控設(shè)備的機(jī)械與電氣控制系統(tǒng)越來越復(fù)雜，這對數(shù)控設(shè)備的維修保障實(shí)施提出了更高要求。由于數(shù)控設(shè)備系統(tǒng)是一個融合了計算機(jī)技術(shù)、自動控制、檢測技術(shù)等多學(xué)科知識的技術(shù)密集型機(jī)電一體化復(fù)雜系統(tǒng)[1]，僅憑故障表征很難快速地找到其根本故障部位及原因，這就大大地增加了故障維修時間成本，嚴(yán)重降低了自動化產(chǎn)線設(shè)備利用率和生產(chǎn)效率；同時，工廠車間歷年來積累的故障案例知識、排故專家經(jīng)驗(yàn)和實(shí)時采集的結(jié)構(gòu)化故障數(shù)據(jù)不能被有效地利用與共享，基于關(guān)系數(shù)據(jù)庫的扁平存儲形式不能直觀地展現(xiàn)故障案例間的復(fù)雜隱性關(guān)系，使得設(shè)備的故障診斷與維修水平提升緩慢。

因此，本文提出構(gòu)建數(shù)控設(shè)備領(lǐng)域知識圖譜，利用知識管理的相關(guān)先進(jìn)技術(shù)與理論，通過將歷史故障數(shù)據(jù)轉(zhuǎn)化為有價值的知識，探究故障案例間的復(fù)雜關(guān)聯(lián)關(guān)系，并將故障知識與關(guān)系結(jié)構(gòu)化、顯性化和可視化，從而實(shí)現(xiàn)故障知識的有效積累與組織，輔助車間工人更加快速高效地排故，為將來的設(shè)備健康管理提供良好的知識輸送和共享。

1 相關(guān)工作與技術(shù)

知識圖譜作為描述海量知識、知識屬性及知識間關(guān)系的有效工具，自2012年Google 將其成功應(yīng)用到搜索引擎以來，受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注[2]。知識圖譜根據(jù)其包含的知識范圍主要分為通用領(lǐng)域和垂直領(lǐng)域。通用領(lǐng)域知識圖譜的特點(diǎn)是數(shù)據(jù)量大、通用性強(qiáng)、知識范圍廣、權(quán)威性低等，垂直領(lǐng)域知識圖譜則具有數(shù)據(jù)量相對較小、質(zhì)量高、密度大、知識集中、權(quán)威性高以及知識準(zhǔn)確率高等特點(diǎn)[3]。

目前國內(nèi)外針對通用知識圖譜的研究與應(yīng)用發(fā)展迅速，國外有Satori[4]、Probase[5]、NELL[6]、DBPedia[7]和Freebase[8]等，國內(nèi)有百度知心、搜狗知立方和CNDBPedia[9]等。國外的垂直領(lǐng)域知識圖譜涉及到地理領(lǐng)域GeoNames、學(xué)術(shù)領(lǐng)域DBLife[10]和生物領(lǐng)域UniProtKb[11]等。國內(nèi)的行業(yè)知識圖譜則只限于學(xué)術(shù)研究，例如阮彤等[12]提出數(shù)據(jù)驅(qū)動的增量式垂直知識圖譜構(gòu)建方法，并構(gòu)建了中醫(yī)藥知識圖譜、海洋知識圖譜和企業(yè)知識圖譜，驗(yàn)證了方法的可行性；李文鵬等[13]提出了面向開源軟件項(xiàng)目的軟件知識圖譜構(gòu)建方法，并提供了基于軟件知識圖譜的軟件知識檢索技術(shù)，使用戶可以在軟件復(fù)用過程中方便地檢索知識；葛斌等[14]提出了軍事知識圖譜構(gòu)建方法與計算框架，將其應(yīng)用于軍事情報搜集分析領(lǐng)域，提出了一種針對知識存儲的基于約束條件的分塊管理框架；俞思偉等[15]則提出了醫(yī)療知識圖譜的構(gòu)建方法，并將其應(yīng)用于基于醫(yī)療和知識庫的語義分析、推理以及疾病輔助診斷系統(tǒng)。

在數(shù)控設(shè)備故障領(lǐng)域的相關(guān)研究中，研究者大多傾向于基于設(shè)備故障模型來建立故障樹，這種以拓?fù)渚W(wǎng)形式表征的故障概念樹具有層次分明、父子關(guān)系明確等優(yōu)勢，但缺乏對故障案例隱性網(wǎng)狀關(guān)系的挖掘和展現(xiàn)。而數(shù)控設(shè)備故障往往是多層次、多因素共同作用的結(jié)果，單一的故障樹難以全面準(zhǔn)確地描述故障知識和其關(guān)聯(lián)關(guān)系。針對這一需求引入知識圖譜的相關(guān)技術(shù)，該技術(shù)利用其在構(gòu)建知識網(wǎng)絡(luò)與展現(xiàn)知識關(guān)聯(lián)方面的巨大優(yōu)勢，為具有復(fù)雜關(guān)系的知識信息提供了一種新的獲取、存儲、組織、管理、更新和展示的手段[16]，并提供更符合認(rèn)知習(xí)慣的知識應(yīng)用方式。

2 數(shù)控設(shè)備故障知識圖譜構(gòu)建

數(shù)控設(shè)備故障作為復(fù)雜事件，受機(jī)械部件、輸入裝置、數(shù)控系統(tǒng)、伺服系統(tǒng)等多方面因素的影響。例如某型號五軸聯(lián)動數(shù)控葉片銑床的空氣靜壓單元發(fā)生故障，原因可能歸咎于進(jìn)口空氣過濾器阻塞、出口管路有泄漏、安全閥失靈、壓縮機(jī)失效等；某型號車削中心轉(zhuǎn)塔刀架沒有抬起動作，故障原因是抬起液壓缸研損或密封圈損壞，且與轉(zhuǎn)塔抬起鏈接的機(jī)械部分研損有關(guān)。針對某個數(shù)控設(shè)備故障案例事件來說，其各個故障影響因素與案例事件本身構(gòu)成復(fù)雜的網(wǎng)絡(luò)關(guān)系，而同屬于一個故障現(xiàn)象的同類事件集組成了龐大的知識網(wǎng)絡(luò)體系。知識圖譜作為知識關(guān)系的直接表示和組織方式，更有利于積累知識庫，并有效地分析復(fù)雜關(guān)系中存在的特定的潛在故障。

本文結(jié)合數(shù)控設(shè)備故障領(lǐng)域的數(shù)據(jù)特點(diǎn)，采用“自頂向下”與“自底向上”相結(jié)合的知識圖譜構(gòu)建技術(shù)、數(shù)據(jù)驅(qū)動的增量式本體建模方法和基于模式的知識映射機(jī)制來組織豐富知識庫，并完成數(shù)控設(shè)備故障知識圖譜的構(gòu)建與應(yīng)用。其中，“自頂向下”方式是指從頂層概念開始，定義數(shù)據(jù)模式，然后逐步細(xì)化，擴(kuò)充實(shí)體；而“自底向上”方式是指從實(shí)體開始，將其歸納組織形成底層概念，然后逐步往上抽象生成頂層概念。本文采取兩者相結(jié)合的構(gòu)建方式，首先通過人工總結(jié)歸納概念、擴(kuò)充實(shí)體，然后在頂層概念逐步完善的情況下，隨著實(shí)體的積累和豐富，歸納總結(jié)出新的概念和關(guān)系。

數(shù)控設(shè)備故障知識圖譜是指由組成故障案例的知識實(shí)體和這些知識實(shí)體之間的關(guān)聯(lián)關(guān)系所構(gòu)成的用以描述整類事件的知識語義網(wǎng)絡(luò)。其中，知識實(shí)體指故障案例中可區(qū)分的、可辨識的且具有一定語義關(guān)系的事實(shí)，是事件元素而非數(shù)據(jù)的知識表達(dá)；知識實(shí)體之間的關(guān)聯(lián)關(guān)系指知識實(shí)體（即故障案例事件元素）之間的具有某種類型的二元關(guān)系。數(shù)控設(shè)備故障知識圖譜構(gòu)建過程包括故障知識來源分析、領(lǐng)域概念關(guān)系本體建模、本體模型解析與存儲、RDB 到RDF 的數(shù)據(jù)知識映射、知識圖譜可視化分析以及管理與應(yīng)用等步驟，如圖1 所示。

2.1 知識表示

知識表示的過程分為兩個階段：數(shù)據(jù)采集與領(lǐng)域本體建模。經(jīng)分析，數(shù)控設(shè)備故障案例數(shù)據(jù)來源于生產(chǎn)執(zhí)行系統(tǒng)中積累的RDB（Relational Database,關(guān)系型數(shù)據(jù)庫，是基于關(guān)系模型的數(shù)據(jù)庫，是數(shù)據(jù)與數(shù)據(jù)庫對象的集合）結(jié)構(gòu)化數(shù)據(jù)、案例文本資料、領(lǐng)域?qū)＜医?jīng)驗(yàn)，通過獲取更多更全面的數(shù)據(jù)，為領(lǐng)域本體建模提供數(shù)據(jù)支持。

數(shù)控設(shè)備故障案例知識圖譜構(gòu)建的前提是將知識進(jìn)行分析、歸納和規(guī)范化定義，構(gòu)建有效的、可擴(kuò)展的知識模式。本體作為一種明確且規(guī)范的知識表達(dá)方式，能夠清楚地描述領(lǐng)域概念、概念間的層次和邏輯關(guān)系、概念的屬性以及約束等，能夠保證知識在傳遞和共享過程中理解的唯一性與無二義性。因此針對數(shù)控設(shè)備故障案例知識的豐富層次結(jié)構(gòu)和復(fù)雜邏輯關(guān)系，本文通過分析知識來源與知識屬性，以故障案例為核心，對案例信息所涉及的知識模塊進(jìn)行細(xì)節(jié)劃分，建立設(shè)備故障案例知識本體框架；采用數(shù)據(jù)驅(qū)動的增量式本體建模方法，進(jìn)一步實(shí)現(xiàn)對模塊細(xì)節(jié)的概念和關(guān)系擴(kuò)展，本體構(gòu)建流程如圖2 所示。

本文將本體模型定義為O=五元組，其中各元素的含義如下：

圖1 數(shù)控設(shè)備故障知識圖譜構(gòu)建總體架構(gòu)圖Fig.1 Overall architecture diagram of CNC equipment fault knowledge graph

圖2 本體構(gòu)建流程圖Fig.2 Ontology construction process chart

O：數(shù)控設(shè)備故障案例事件本體模型；

C：概念（或類），指表達(dá)某一類實(shí)體對象的集合；

R：概念（或?qū)嵗┻壿嬯P(guān)系，指概念之間的交互作用關(guān)系，包括組成關(guān)系、繼承關(guān)系以及其他業(yè)務(wù)關(guān)系；

A：概念（或?qū)嵗傩躁P(guān)系，指概念具有的屬性和屬性值；

I：實(shí)例（即獨(dú)立的實(shí)體），是屬于某概念類的基本元素；

F：函數(shù)（或公理），用于表示關(guān)系或函數(shù)之間存在的關(guān)聯(lián)或約束。

根據(jù)上述定義，將數(shù)控設(shè)備故障案例知識進(jìn)行系統(tǒng)化地歸納組織，形成網(wǎng)狀的知識結(jié)構(gòu)體系，每個概念包含一個或多個實(shí)例，實(shí)例繼承其所屬概念的所有屬性關(guān)系，實(shí)例之間存在交叉概念和關(guān)聯(lián)關(guān)系。

基于數(shù)控設(shè)備故障案例知識本體，采用JENA 解析器（Jena 是一個Java 的API（應(yīng)用程序編程接口），用來支持語義網(wǎng)的有關(guān)應(yīng)用，例如解析本體模型等），將本體元數(shù)據(jù)轉(zhuǎn)化為資源描述框架RDF[17]（Resource Description Framework，一種用于描述Web 資源的標(biāo)記語言，是一個處理元數(shù)據(jù)的XML 應(yīng)用），以<主體–屬性–客體>三元組的形式實(shí)現(xiàn)本體的解析、存儲與查詢。

2.2 數(shù)據(jù)映射

由于數(shù)控設(shè)備故障案例數(shù)據(jù)大量存儲于關(guān)系型數(shù)據(jù)庫中，因此本文采用基于模式的數(shù)據(jù)映射機(jī)制完成從結(jié)構(gòu)化數(shù)據(jù)到網(wǎng)狀化知識的轉(zhuǎn)化，即RDB2RDF 數(shù)據(jù)轉(zhuǎn)換過程。

根據(jù)W3C 于2012年推出的2 種映射語言標(biāo)準(zhǔn)[18]：“Direct Mapping”（A direct mapping of relational data to RDF）和R2RML（RDB to RDF mapping language），其中“Direct Mapping”是采用關(guān)系數(shù)據(jù)庫表結(jié)構(gòu)直接輸出為RDF 圖的映射機(jī)制，而R2RML 則是通過自定義詞匯表實(shí)現(xiàn)關(guān)系數(shù)據(jù)庫到RDF 數(shù)據(jù)集的轉(zhuǎn)化，這種方式具有可定制性和較高的靈活性。故本文采用R2RML映射語言完成數(shù)據(jù)映射。

R2RML 映射設(shè)計一個從關(guān)系數(shù)據(jù)庫中檢索數(shù)據(jù)的邏輯表，將關(guān)系數(shù)據(jù)庫的一個基表的SQL 查詢定義為邏輯表。每個邏輯表被一個三元組映射（triples map）轉(zhuǎn)換成RDF，即邏輯表中每一行實(shí)例數(shù)據(jù)被映射為若干RDF 三元組。R2RML 映射機(jī)制表達(dá)式為

其中的3 個要素分別是：（1）邏輯表（logicalMap），用于描述數(shù)據(jù)庫表名；（2）主語映射（subMap），該邏輯表行對應(yīng)的全部RDF 三元組的公共主語，用于映射產(chǎn)生RDF 三元組的主語；（3）謂語–賓語映射（preobjMap），每個映射由謂語映射與賓語映射或值映射組成，用于映射產(chǎn)生RDF 三元組的謂語和賓語。

一個關(guān)系數(shù)據(jù)的全部R2RML 映射構(gòu)成了一個映射文檔（mapdoc），它由一系列RDF 三元組映射構(gòu)成，通常以Turtle 語法格式書寫?？梢员幻枋鰹椋?/p>

根據(jù)數(shù)控設(shè)備故障案例本體中的概念與概念間的邏輯關(guān)系，基于上述模式編寫R2RML 映射文檔，圖3所示為部分實(shí)體的R2RML 映射原理圖。

圖3 中包括3 部分內(nèi)容，上部分的輸入為關(guān)系型數(shù)據(jù)庫表（DATA_FAULTINFO 表）及相應(yīng)的屬性列和元組行數(shù)據(jù)；中間部分的映射文檔為主要的邏輯關(guān)系定義；下部分的輸出則是通過映射產(chǎn)生的RDF 數(shù)據(jù)集，以三元組的形式表示。在此映射的基礎(chǔ)上，在每一條三元組中加入<累計次數(shù)>（用于記錄每個相同三元組發(fā)生的次數(shù)，便于后續(xù)數(shù)據(jù)分析），即數(shù)據(jù)存儲模式成為<主體>–<屬性>–<客體>–<次數(shù)>四元組的形式。

通過R2RML 映射文檔，利用D2R Server 關(guān)系數(shù)據(jù)映射引擎實(shí)現(xiàn)數(shù)據(jù)從扁平化到網(wǎng)狀結(jié)構(gòu)化形式的轉(zhuǎn)換，在很大程度上豐富了本體中的實(shí)例與屬性關(guān)系。

2.3 知識圖譜可視化與應(yīng)用

知識圖譜的本質(zhì)是由概念、實(shí)體以及實(shí)體間關(guān)系構(gòu)成的語義網(wǎng)絡(luò)。2.1 節(jié)和2.2 節(jié)中構(gòu)建的本體模型為知識圖譜定義了基本的數(shù)據(jù)模式，并通過RDB 數(shù)據(jù)到RDF 的規(guī)則映射，極大地豐富了實(shí)體和實(shí)體間關(guān)系，它們最終分別以RDF 三元組和四元組的形式進(jìn)行持久化存儲。這些資源描述框架中的元素與知識圖譜的對應(yīng)關(guān)系如圖4 所示。其中RDF 存儲模式包括兩種：本體解析后的三元組和數(shù)據(jù)映射的四元組；將<主體>和<客體>抽取為知識圖譜的實(shí)體，<屬性>和<次數(shù)累計>抽取為知識圖譜的實(shí)體屬性和實(shí)體關(guān)聯(lián)，結(jié)合數(shù)據(jù)可視化技術(shù)，實(shí)現(xiàn)知識圖譜的構(gòu)建與展現(xiàn)。

在通用領(lǐng)域知識圖譜構(gòu)建中，大量的實(shí)體抽取、關(guān)系抽取和屬性抽取會帶來許多冗余和錯誤信息，需要進(jìn)行知識融合，即實(shí)體鏈接和知識合并，以消除概念的歧義，剔除冗余和錯誤概念。然而本文所關(guān)注的數(shù)控設(shè)備故障領(lǐng)域，知識來源是經(jīng)過人工篩選去冗的數(shù)據(jù)信息，且本體模型也保證了知識圖譜的高質(zhì)量和準(zhǔn)確性。同時基于垂直領(lǐng)域知識圖譜的特殊性，對知識圖譜的更新、管理與維護(hù)至關(guān)重要。

數(shù)控設(shè)備故障知識圖譜的應(yīng)用主要在以下兩個方面：（1）智能語義檢索。該知識圖譜以圖結(jié)構(gòu)的形式對故障案例事件的概念、屬性以及實(shí)體關(guān)系進(jìn)行組織和存儲，使得領(lǐng)域隱性知識顯性化、顯性知識立體化。后續(xù)可利用基于本體的語義檢索技術(shù)，并借助知識圖譜的可視化分析，實(shí)現(xiàn)知識的智能檢索與推理；（2）輔助故障診斷。相對于扁平化的數(shù)據(jù)信息，圖結(jié)構(gòu)的知識在語義層面上將圍繞整個案例事件的所有元素有效地組織關(guān)聯(lián)起來，并利用知識圖譜的優(yōu)勢，輔助用戶交互式排故引導(dǎo)，實(shí)現(xiàn)故障推理與故障診斷。

圖4 RDF元素與知識圖譜元素的對應(yīng)關(guān)系Fig.4 Relations between RDF elements and knowledge graph elements

3 數(shù)控設(shè)備故障知識圖譜實(shí)現(xiàn)

基于本文提出的知識圖譜構(gòu)建方法，采用真實(shí)的故障案例數(shù)據(jù)實(shí)現(xiàn)并驗(yàn)證了該方法的可行性與有效性。首先，利用Protégé 本體建模工具建立了數(shù)控設(shè)備故障本體模型，共包含155 個概念、61 個概念間邏輯關(guān)系和122 個概念屬性關(guān)系。其次，以RDMS 中的故障信息表為邏輯表，基于人工定義的R2RML 映射文檔中的規(guī)則，利用開源r2rml-parser 工具實(shí)現(xiàn)從RDB 到RDF 四元組的映射；最后，應(yīng)用Eclipse 開發(fā)工具和Dorado7 展現(xiàn)中間件開發(fā)了數(shù)控設(shè)備故障知識圖譜平臺，其中知識圖譜可視化部分主要采用SPARQL 查詢和GoJS 前臺可視化技術(shù)實(shí)現(xiàn)。本文以“與壓縮機(jī)進(jìn)氣閥相關(guān)的故障信息”為檢索語句，檢索出的相關(guān)實(shí)體和關(guān)系如圖5 所示。

4 結(jié)論

本文針對如何高效積累、組織與共享數(shù)控設(shè)備故障案例信息的問題，提出了數(shù)控設(shè)備故障領(lǐng)域知識圖譜構(gòu)建方法。構(gòu)建了數(shù)控設(shè)備故障本體模型，提出了針對結(jié)構(gòu)化故障數(shù)據(jù)的知識獲取方法，采用了基于模式規(guī)則的數(shù)據(jù)映射機(jī)制，最終實(shí)現(xiàn)并驗(yàn)證了該方法的有效性和合理性。應(yīng)用數(shù)控設(shè)備知識圖譜可以改善故障知識組織方式，極大地提高歷史故障知識利用率和故障診斷效率，并在故障推理與知識共享方面有非常高的應(yīng)用價值。

圖5 部分?jǐn)?shù)控設(shè)備故障知識圖譜可視化界面Fig.5 Partial visualization interface of CNC equipment fault knowledge graph