楊同智 張鑫鑫 董房 張國勇 劉洋

(上海衛(wèi)星工程研究所,上海 201109)

2012年,谷歌公司首次提出知識(shí)圖譜,用于支撐其語義搜索[1]。當(dāng)前,知識(shí)圖譜已經(jīng)成為大數(shù)據(jù)時(shí)代最重要的知識(shí)表示形式[2]。微軟、百度、美團(tuán)等國內(nèi)外公司均建立了自己的知識(shí)圖譜[3],用于提升自身的業(yè)務(wù)能力,如美團(tuán)公司通過知識(shí)圖譜構(gòu)建人物肖像,分析用戶的喜好、消費(fèi)習(xí)慣、社會(huì)關(guān)系等信息,以更加精細(xì)地推送消費(fèi)服務(wù)信息[4]。在醫(yī)療領(lǐng)域,醫(yī)學(xué)知識(shí)圖譜在臨床決策支持、醫(yī)療智能語義檢索、醫(yī)療問答等服務(wù)中已開展應(yīng)用[5]。在金融領(lǐng)域,應(yīng)用知識(shí)圖譜能識(shí)別可疑交易,提升金融監(jiān)管能力[6]。知識(shí)圖譜輔助數(shù)據(jù)分析,使數(shù)據(jù)驅(qū)動(dòng)與知識(shí)引導(dǎo)相結(jié)合,極大地提升了數(shù)據(jù)分析的質(zhì)量。

基于機(jī)理知識(shí)的專家系統(tǒng)技術(shù)具有機(jī)理清晰、結(jié)論明確的優(yōu)點(diǎn),在健康管理中發(fā)揮著重要作用。但是,航天器系統(tǒng)越來越復(fù)雜,故障間耦合擴(kuò)散,通過人工方式把專家經(jīng)驗(yàn)歸納總結(jié)成準(zhǔn)確而完備的故障診斷規(guī)則具有相當(dāng)大的難度,預(yù)置的專家規(guī)則往往趨向于較為簡單的故障模式。航天器作為高可靠產(chǎn)品,簡單故障發(fā)生少,預(yù)置的專家規(guī)則難以發(fā)揮預(yù)期效用,而航天器發(fā)生的故障往往是多學(xué)科耦合、表征現(xiàn)象繁雜錯(cuò)亂而難以定位,常常需要專家依據(jù)相關(guān)背景知識(shí)、產(chǎn)品設(shè)計(jì)進(jìn)行多維度的知識(shí)推理,確定可能故障原因。為了提升復(fù)雜故障場景下的航天器健康管理能力,本文研究基于知識(shí)圖譜的航天器健康管理技術(shù),通過航天器多學(xué)科知識(shí)圖譜的知識(shí)引導(dǎo)與推理分析,提升故障的排查效率、診斷與處置能力。

1 航天器多學(xué)科知識(shí)圖譜

知識(shí)圖譜本質(zhì)上是一種大規(guī)模語義網(wǎng)絡(luò),包含實(shí)體、概念及其之間的各種語義關(guān)系,用于表示一類知識(shí),是人工智能、大數(shù)據(jù)與知識(shí)結(jié)合的產(chǎn)物[7]。圖模型是知識(shí)圖譜的常用邏輯表達(dá)模型,也是易于理解的一種表示方式,圖通過點(diǎn)、邊的關(guān)系對(duì)知識(shí)進(jìn)行描述,并以二元組G=G(V,E)表示,其中,V表示節(jié)點(diǎn)集,E表示邊集合[8]。為了便于計(jì)算機(jī)存儲(chǔ)、關(guān)聯(lián)與檢索,知識(shí)圖譜采用基于資源描述框架(RDF)規(guī)范的三元組<主體(Subject)謂詞(Predicate)客體(Object)>、<主體(Subject)屬性(Property)屬性值(Property Value)>進(jìn)行知識(shí)表示[9]。為了支持圖譜度量運(yùn)算,引入了損失函數(shù)fr(h,t),其中,h和t是三元組實(shí)體的向量化表示,通過實(shí)體關(guān)系的分析計(jì)算進(jìn)行推理[10]。

面向健康管理的航天器多學(xué)科知識(shí)圖譜,是將復(fù)雜、模糊、多學(xué)科的專家知識(shí)納入到時(shí)空參考框架中進(jìn)行可視化和分析,通過知識(shí)圖譜技術(shù),從故障信息挖掘到相關(guān)背景知識(shí)并進(jìn)行一定的因果推理,輔助航天器故障的診斷與處置,提升專家知識(shí)輔助航天器健康管理的智能化水平。

面向健康管理的航天器多學(xué)科知識(shí)圖譜體系架構(gòu)如圖1所示,可以概括為如下4個(gè)方面。

(1)明確航天器多學(xué)科知識(shí)圖譜的業(yè)務(wù)場景,充分利用航天器設(shè)計(jì)階段的專家知識(shí),根據(jù)知識(shí)來源選擇不同的手段進(jìn)行采集和加工,輸出業(yè)務(wù)場景范圍內(nèi)的規(guī)范化基礎(chǔ)數(shù)據(jù)。

(2)通過實(shí)體識(shí)別、關(guān)系識(shí)別、事件識(shí)別等知識(shí)抽取技術(shù)對(duì)基礎(chǔ)的多學(xué)科專家知識(shí)數(shù)據(jù)進(jìn)行語義抽取,輸出結(jié)構(gòu)化的語義信息。

(3)面向航天器故障診斷、處置等健康管理業(yè)務(wù)場景構(gòu)建知識(shí)藍(lán)圖,并綜合運(yùn)用知識(shí)融合、知識(shí)表示、知識(shí)更新等技術(shù)不斷完善多學(xué)科知識(shí)圖譜。

(4)基于知識(shí)圖譜,面向業(yè)務(wù)場景提供各類知識(shí)服務(wù),如故障知識(shí)展現(xiàn)、近似故障檢索、典型故障可視化分析,提供故障發(fā)生時(shí)的多學(xué)科背景知識(shí)、上下文航天器動(dòng)作時(shí)序信息,進(jìn)行一定的知識(shí)推理,輸出故障排查線索與可能的故障原因、故障處置策略。

圖1 航天器多學(xué)科知識(shí)圖譜體系架構(gòu)Fig.1 Architecture of spacecraft multi-disciplinary knowledge graph

2 航天器多學(xué)科知識(shí)圖譜構(gòu)建

航天器在設(shè)計(jì)階段,形成了航天器供配電圖、信息流圖、硬件接口圖、接口數(shù)據(jù)單(IDS)、功能圖、接地圖、產(chǎn)品物理布局圖、故障預(yù)案等專家知識(shí),當(dāng)航天器產(chǎn)品出現(xiàn)異常時(shí),排查故障的專家依據(jù)產(chǎn)品的功能及設(shè)計(jì)機(jī)理、產(chǎn)品間的信息流、產(chǎn)品的供電及接地情況、產(chǎn)品的機(jī)熱信息及物理布局等專家知識(shí)開展故障分析及排查。因此,模擬專家查找相關(guān)知識(shí)的過程,構(gòu)建基于航天器5張大圖(信息流圖、供配電圖、接地圖、功能圖、硬件接口圖)、產(chǎn)品IDS、整器物理布局、故障前后的航天器時(shí)序動(dòng)作信息、故障預(yù)案的多學(xué)科專家知識(shí)圖譜。

航天器多學(xué)科知識(shí)圖譜構(gòu)建,如圖2所示,分為知識(shí)抽取、知識(shí)融合、知識(shí)推理和知識(shí)圖譜應(yīng)用4個(gè)階段。

圖2 航天器多學(xué)科知識(shí)圖譜構(gòu)建Fig.2 Construction of spacecraft multi-disciplinary knowledge graph

2.1 知識(shí)抽取

航天器多學(xué)科信息的知識(shí)抽取是構(gòu)建航天器多學(xué)科知識(shí)圖譜的重要步驟。對(duì)于結(jié)構(gòu)化數(shù)據(jù),已經(jīng)有一些成熟的方法存在,例如直接映射和將關(guān)系型數(shù)據(jù)轉(zhuǎn)為RDF數(shù)據(jù)的映射語言(R2RML),將關(guān)系數(shù)據(jù)提取并轉(zhuǎn)換為RDF格式。對(duì)于半結(jié)構(gòu)化數(shù)據(jù),采用基于映射的抽取方法,將航天器多學(xué)科信息轉(zhuǎn)化為RDF三元組。針對(duì)非結(jié)構(gòu)化數(shù)據(jù),可以采用基于規(guī)則、基于統(tǒng)計(jì)模型、基于深度學(xué)習(xí)等實(shí)體抽取方法,基于模板、基于監(jiān)督學(xué)習(xí)、基于弱監(jiān)督學(xué)習(xí)等關(guān)系抽取方法,以及事件抽取的流水線和聯(lián)合方法,提取航天器健康管理的實(shí)體、關(guān)系和事件知識(shí)。

以航天器遙測遙控文件、航天器設(shè)計(jì)5張大圖、航天器產(chǎn)品IDS、航天器物理布局、故障產(chǎn)生時(shí)的上下文動(dòng)作環(huán)境、航天器故障預(yù)案為知識(shí)源頭,對(duì)航天器多學(xué)科知識(shí)進(jìn)行獲取。例如:航天器測控知識(shí)常常以半結(jié)構(gòu)化的遙測遙控文件格式記錄(如圖3所示),運(yùn)用知識(shí)圖譜工具從半結(jié)構(gòu)化文件中抽取航天器遙測點(diǎn)信息、遙控點(diǎn)信息及其關(guān)聯(lián)關(guān)系,進(jìn)行測控知識(shí)表示與融合,構(gòu)建測控知識(shí)。同樣方式,從設(shè)計(jì)5張大圖、IDS、物理布局、故障處置預(yù)案中進(jìn)行知識(shí)抽取、表示,形成相應(yīng)的多學(xué)科知識(shí)。

2.2 知識(shí)融合

知識(shí)融合是解決航天器多學(xué)科知識(shí)圖譜異構(gòu)問題的有效途徑。知識(shí)融合建立異構(gòu)本體或異構(gòu)實(shí)例之間的聯(lián)系,從而使異構(gòu)的知識(shí)圖譜能相互溝通,實(shí)現(xiàn)互操作。知識(shí)融合的目的是將新航天器多學(xué)科知識(shí)整合到知識(shí)圖譜中,其關(guān)鍵是在知識(shí)圖譜高精度的前提下,通過共指消解[11]和實(shí)體消歧[12]來有效地引入新知識(shí)。

將多學(xué)科多維度的知識(shí)關(guān)聯(lián)融合,如圖4所示,包括供配電圖、信息流圖(細(xì)分為遙測流、控制流、數(shù)據(jù)流)、硬件接口圖、功能圖、接地圖、物理布局圖、上下文動(dòng)作、故障預(yù)案等多學(xué)科知識(shí)。

2.3 知識(shí)推理

基于航天器多學(xué)科知識(shí)圖譜中已有的事實(shí)或關(guān)系,知識(shí)推理可以輔助推斷出新的事實(shí)、新的關(guān)系、新的公理、新的規(guī)則,從而促進(jìn)航天器多學(xué)科知識(shí)圖譜的完整性。知識(shí)推理方法主要包括基于圖模型方法[13]、基于描述邏輯方法[14]、基于深度模型的表征學(xué)習(xí)方法[15]等。

基于知識(shí)圖譜,推理實(shí)現(xiàn)遙測點(diǎn)信息、控制點(diǎn)信息與整器多學(xué)科設(shè)計(jì)知識(shí)的深度關(guān)聯(lián),在異常時(shí)(如圖5所示)提供故障測點(diǎn)的相關(guān)知識(shí)輔助與推理,輔助故障診斷。

注:(TM)i表示第i個(gè)遙測點(diǎn),i=1,2,…,n,n表示遙測點(diǎn)總數(shù);(TC)j表示第j個(gè)遙控點(diǎn),j=1,2,…,m,m表示遙控點(diǎn)總數(shù)。圖3 航天器測控知識(shí)抽取、表示與融合Fig.3 Spacecraft TT&C knowledge extraction, representation and fusion

圖5 航天器故障背景知識(shí)服務(wù)與推理Fig.5 Spacecraft fault background knowledge service and reasoning

3 基于知識(shí)圖譜的航天器健康管理場景

基于多學(xué)科的知識(shí)圖譜,將航天器故障預(yù)案信息、歷史處置措施信息、故障處置策略信息等納入知識(shí)圖譜。在航天器遙測點(diǎn)報(bào)送異常時(shí),查找知識(shí)圖譜的故障測點(diǎn)所關(guān)聯(lián)的設(shè)計(jì)信息,為故障排查提供知識(shí)指導(dǎo),并進(jìn)行一定的邏輯推理,輔助故障診斷與處置,提高在軌管理人員處置效率。

基于知識(shí)圖譜的航天器健康管理典型場景如下。

(1)異常遙測點(diǎn)的故障排查信息支持。遙測異常時(shí),主動(dòng)檢索遙測點(diǎn)的5張大圖信息(功能、硬件接口、信息流、供配電、接地)、物理布局信息、異常前的航天器動(dòng)作信息(指令序列及指令控制點(diǎn)信息等),獲取全面的遙測點(diǎn)信息,支持異常分析。例如某航天器研制階段,發(fā)生加熱器短路故障,引起母線短路,根據(jù)知識(shí)圖譜查找航天器母線異常前的動(dòng)作信息,找到指令,自動(dòng)關(guān)聯(lián)索引出指令的控制點(diǎn)為服務(wù)單元的場效應(yīng)管(MOS管),控制效果為加熱器供電接通,從而快速指導(dǎo)設(shè)計(jì)人員聚焦加熱器的接線、負(fù)載異常等問題。

(2)多異常遙測的關(guān)聯(lián)信息檢索。多遙測一起異常跳變時(shí),從功能維度、硬件接口維度、信息流維度、供配電維度、接地維度、物理布局維度、異常時(shí)序維度出發(fā),自動(dòng)查找遙測間的關(guān)系,輔助故障排查。例如某航天器發(fā)生短時(shí)短路,短路點(diǎn)燒斷后母線重新建立,應(yīng)答機(jī)碼組、碼率及部分單機(jī)開關(guān)誤動(dòng)作,通過知識(shí)圖譜關(guān)聯(lián)檢索碼組切換、碼率切換、單機(jī)開關(guān)指令的多維度關(guān)聯(lián)信息,發(fā)現(xiàn)各控制點(diǎn)指令均來自同一硬件功能板且使用相同的供電、二次地與一次地,因此推理為功能板受到影響而亂發(fā)指令,故障原因可能為短路時(shí)供電不穩(wěn)、地線回流擾動(dòng)引起的控制脈沖誤觸發(fā)。

(3)基于知識(shí)圖譜的故障推理?；谶b測點(diǎn)、控制點(diǎn)、單機(jī)單板、功能、信息流、接地、供配電、物理布局、硬件接口等實(shí)體間的關(guān)系圖譜,推理可能的故障對(duì)象。①基于測點(diǎn)物理位置的推理:同一物理單元的多個(gè)遙測表征異常,該單元故障可能性高,如圖6所示,遙測點(diǎn)(TM)5,(TM)6,(TM)7異常,則極有可能為單機(jī)單板1異常。②基于信息流的故障推理:遙測信息要經(jīng)過測點(diǎn)、采集單元、數(shù)據(jù)打包、總線傳輸、綜電組幀、天地傳輸多個(gè)環(huán)節(jié),若某采集單元采集100個(gè)遙測,只有1個(gè)測點(diǎn)采集異常,則推斷為測點(diǎn)異常,若100個(gè)遙測中很多錯(cuò)誤,則懷疑采集環(huán)節(jié)異常。③基于上下游功能異常的推理:航天器功能具備耦合性,例如供配電系統(tǒng)分為發(fā)電、輸電、分流、充電、放電、配電等多個(gè)功能,充電異常時(shí)看上游的發(fā)電環(huán)節(jié)、下游的蓄電池環(huán)節(jié)是否正常,從而確定故障可能的發(fā)起方、波及方。

圖6 基于測點(diǎn)物理布局的推理Fig.6 Reasoning based on physical layout of test points

(4)基于知識(shí)圖譜的故障處置。在故障診斷基礎(chǔ)上,關(guān)聯(lián)查找相應(yīng)故障的處置預(yù)案、相近故障的處置預(yù)案、以往發(fā)生的相近故障處置程序,為在軌管理人員快速處置提供參考。

4 知識(shí)圖譜中臺(tái)設(shè)計(jì)與健康管理應(yīng)用

知識(shí)圖譜的應(yīng)用范式雖然流程清晰,但存在圖譜構(gòu)建過程難度較高、應(yīng)用構(gòu)建復(fù)雜、應(yīng)用周期過長、跨項(xiàng)目跨領(lǐng)域遷移成本高、可復(fù)用程度低等困難。中臺(tái)技術(shù)為此提供了解決方案,中臺(tái)是指在一些系統(tǒng)被共用的中間件的集合,通過使用中臺(tái)可以抽象出可復(fù)用的各種能力(數(shù)據(jù)、知識(shí)、模型、算法、功能等),以達(dá)到縮短應(yīng)用構(gòu)建周期、快速響應(yīng)業(yè)務(wù)需求的目的,同時(shí)降低跨領(lǐng)域的遷移成本。

知識(shí)中臺(tái)是一種基于人工智能的知識(shí)收集、組織、檢索、應(yīng)用的信息平臺(tái),航天器知識(shí)中臺(tái)架構(gòu)如圖7所示。

注:BI為業(yè)務(wù)智能;D2R為將關(guān)系數(shù)據(jù)庫映射到RDF。圖7 航天器知識(shí)中臺(tái)架構(gòu)Fig.7 Spacecraft knowledge platform architecture

基于中臺(tái)的相關(guān)技術(shù),構(gòu)建航天器設(shè)計(jì)、研制、試驗(yàn)、測試一體化知識(shí)中臺(tái),包含與設(shè)計(jì)、研制、試驗(yàn)、測試相關(guān)的所有知識(shí),以滿足航天器從總體設(shè)計(jì)、分系統(tǒng)設(shè)計(jì)、單機(jī)設(shè)計(jì)、元器件設(shè)計(jì),到各元器件、各單機(jī)研制生產(chǎn),到各單機(jī)、各分系統(tǒng)、航天器的總裝、試驗(yàn)、測試,再到航天器出廠發(fā)射、在軌管理的全流程知識(shí)服務(wù)。知識(shí)中臺(tái)為航天相關(guān)人員提供全域知識(shí),能提高相關(guān)人員工作效率,輔助相關(guān)人員指揮決策。

在知識(shí)中臺(tái)上,構(gòu)建相應(yīng)業(yè)務(wù)知識(shí)圖譜,開展故障診斷與處置、質(zhì)量管理等工作。如圖8所示,針對(duì)某一個(gè)單機(jī)發(fā)生的質(zhì)量問題,利用知識(shí)圖譜將與該單機(jī)相關(guān)的“人機(jī)料法環(huán)”(人員、機(jī)器、原料、方法、環(huán)境)等信息,以及與問題單機(jī)的“人機(jī)料法環(huán)”相關(guān)聯(lián)的其他單機(jī),以節(jié)點(diǎn)鏈接圖的形式可視化展現(xiàn),方便找出問題單機(jī)的相似單機(jī),對(duì)質(zhì)量問題進(jìn)行“舉一反三”。如果某問題單機(jī)的質(zhì)量問題是由元器件造成的,知識(shí)圖譜會(huì)自動(dòng)檢出使用該元器件的其他單機(jī)、該型單機(jī)的供應(yīng)商、該供應(yīng)商所提供的所有單機(jī),基于知識(shí)圖譜信息鏈路,對(duì)所涉及到的元器件、單機(jī)、供應(yīng)商及供應(yīng)商所提供的單機(jī)進(jìn)行質(zhì)量問題“舉一反三”。這樣可以改變?cè)械馁|(zhì)量管理人員被動(dòng)等待各相關(guān)人員反饋的質(zhì)量管理模式,質(zhì)量管理人員能夠主動(dòng)精準(zhǔn)確定“舉一反三”的范疇,實(shí)現(xiàn)精準(zhǔn)質(zhì)量防控。

圖8 基于知識(shí)圖譜的質(zhì)量問題“舉一反三”Fig.8 Quality problem management based on knowledge graph

某航天器在軌受空間環(huán)境影響,造成輸電滑環(huán)、線束短路,引發(fā)航天器太陽電池陣供電短路,最終失效,其故障發(fā)生及演變的過程復(fù)雜,期間遙測數(shù)據(jù)大量異變,無法進(jìn)行故障定位。基于多學(xué)科知識(shí)圖譜技術(shù),設(shè)計(jì)人員查詢某段時(shí)間內(nèi)的太陽電池陣驅(qū)動(dòng)機(jī)構(gòu)區(qū)域測點(diǎn)的熱量、溫度變化,如圖9所示,依據(jù)熱量溫度變化的幅度及出現(xiàn)的時(shí)間先后,推斷短路故障發(fā)生地點(diǎn)可能為熱量先升高的滑環(huán)線束,然后熱量傳遞到滑環(huán)驅(qū)動(dòng)軸,從而輔助在軌管理人員完成航天器的故障定位。

圖9 測點(diǎn)溫度變化Fig.9 Temperature change of test points

5 結(jié)束語

本文研究了面向航天器健康管理的多學(xué)科知識(shí)圖譜構(gòu)建及應(yīng)用范式,突破了傳統(tǒng)專家規(guī)則診斷的知識(shí)應(yīng)用模式,以知識(shí)圖譜方式實(shí)現(xiàn)多維多學(xué)科知識(shí)的組織、管理與應(yīng)用,模擬行業(yè)專家的故障分析與處理模式,為復(fù)雜故障場景下的故障排查與定位提供專家知識(shí)支撐,提升航天器故障診斷及處置過程中的知識(shí)引導(dǎo)與推理能力。多學(xué)科知識(shí)圖譜涉及電氣、信息、電路、控制、電磁兼容、結(jié)構(gòu)、熱控等多維度多學(xué)科,知識(shí)涉及面廣,知識(shí)獲取、表示與有效融合難,影響知識(shí)圖譜的業(yè)務(wù)應(yīng)用效能,后續(xù)將在學(xué)科知識(shí)的表示與融合方面進(jìn)一步開展研究。