基于多知識表示的農用車電氣系統物理模型構建*

楊淮清，張輝宇

（沈陽工業大學 信息科學與工程學院，遼寧 沈陽 110870）

基于多知識表示的農用車電氣系統物理模型構建*

楊淮清，張輝宇

（沈陽工業大學 信息科學與工程學院，遼寧 沈陽 110870）

結合農用車電氣系統物理模型構建，系統、全面地探討了使用多知識表示方法從事系統結構、器件特性、連接關系、機能演變機理和問題求解主體路線模型建造時，可能面臨的諸多實際問題解決對策。

物理世界建模；深層知識利用；專家系統；故障診斷；農用設備檢測

農業是維系社會生存的基礎，同時也是推動科技快速發展的研究課題主要來源。而欲達到農業生產適應時代需求，機械化、機器人化、信息化、基因與生物工程化等即構成其核心主體，而農用車便占據了不可忽視的地位和作用。當前，在農用車使用、維修領域依然存在諸多不盡人意之處，技術層次偏低、網點不完善與服務水準低下等極大地束縛了農用車的性能發揮。由于農業耕作、運輸當中的粉塵、顛簸使得農用車應用條件惡劣、故障頻發便，如若維護不及時輕則縮短設備壽命，重則引發人身、財產傷損。因此，農用車故障診斷、修復越來越引起人們的普遍關注，并投入巨大精力予以研究，但技術路線卻很少超出建立于表層經驗上面的專家系統范疇。雖然出現了多信息融合與多診斷方法協調傾向，但判定依據、知識結構仍缺乏跨越式突破，導致故障診斷系統難以適應社會期求的根源依然很多，而且幾乎無一例外地沒有全面建立物理對象的結構、形態、機理、動作與事件演變過程模型[1-2]。本研究正是在多知識表示基礎上，通過圍繞農用車電氣部分建立物理模型來尋求更加理想的故障診斷效果。

1 電氣系統基本特性與物理模型在故障診斷中的地位

無論設備功用如何，電氣故障均由部件失效、接觸不良、開路、短路和參數嚴重偏離原有值而難于發揮既定效能等原因造成。但主要原因是老化、粉塵、震動、顛簸、燒融、散熱不暢、磨損、使用不當、電化與有害物質侵蝕等。從故障外部表現觀察，通常不會超出漸進性和突發性兩種。而突發故障的出現大多絕非偶然產生，這是因為：（1）任何故障若缺少內部或外界誘因，它一定不會無緣無故地發生；（2）故障在表現出來之前，必定要經歷從隱性到顯性的轉化過程，不管該轉化如何隨問題本性差異而呈現出持續時間長短不一，均不可能逃脫此項規則束縛；（3）每個器件都有自己的故障耐受容限，當達到或超過耐受閾值時，將以某種形式準確無誤地反映出來[3]。

農用車電氣系統由電池、發電機、電動機、火花塞、喇叭、燈、電壓表、電流表、開關和接線端子板組成，它們在導線連接之下構成有機整體。器件品種差別限定了各自在系統中的地位、作用。盡管電氣器件故障頻度直接承受于質量、安放位置、防護手段和使用及維護精心度等眾多要素制約，但其故障誘因、轉化機理與現象特征則能預先給予滿意化揭示。

借助農用車電氣系統物理模型能夠自動地提取某些并非十分深奧的一般化規則，而系統內的器件品種、布局、職能劃定是相對固定的，如果建立比較完善的物理模型，可依照不同器件的故障現象建造故障根源追查規則。利用該模型可以自動或人機互助地生成問題求解基本路線，使得故障表象與關聯器件所構建的推理步驟序列更加簡潔、明晰。依故障表現劃定問題解決層次、范圍，從而達到極大地優化系統效率、增強用戶接受程度，并參照物理模型協助能夠大幅度地充實證據、事實提問期間的目的性與合理性，以及檢驗結論可靠度。

2 電氣系統物理模型特性劃分與構筑體系

農用車電氣系統物理模型按特性差異可劃分成靜態與動態兩大系列，靜態模型能夠歸結成為器件特性、器件典型故障、器件故障典型表現、電氣連接關系、器件質量、使用狀況、操作者技能、故障耐受容限、維修記錄與故障頻度統計等多個部分[1]；動態模型則能歸并成器件故障演變機理、故障散播機理、性能遷移、器件關聯效應、震動與顛簸對器件的破壞原理，以及燒融與侵蝕引發故障的機理和不同階段表現等不同成份[3]。在此，所有細分模型或緊密或松散、或直接或間接，它們相互作用、彼此制約，最終共同組成了如圖1所示的依賴形態。但此處給出的動、靜態物理模型不可避免地包含有某些漏洞與不足：（1）細分模型間關系極度錯綜復雜，不是運用幾根線條就能夠予以絕對化、準確、嚴密的表征；（2）模型動、靜態特性只能比較粗略地加以劃分，例如器件質量模型與各類記錄，當它們服務于不同目標時便分別兼具靜態或動態屬性，甚至同時具備動、靜態性質，出于簡化研究難度特將其劃歸靜態范疇。

農用車電氣系統具有十分明顯的雙重本性，既非一成不變，但也不是變化多端、沒有基本規則可循，其模型構筑體系具有先驗概括、動態學習與后驗分析充實三種途徑。在具體化的農用車電氣系統中，器件種類是相對固定的，電氣連接關系也不會隨意發生變動，通過分析過去積累經驗可以比較準確地建立對應模型。雖然這部分模型仍有待日后實際檢驗與擴充、完善，但主體特征卻更多地呈現出先驗概括特點。雖然深入、細致地建立靜態模型，但不可能杜絕所有漏洞，為克服此限制不得不采用動態學習和后驗分析獲得修正、充實，促使系統問題求解能力日趨完備。事實上，很多模型的準確建立極端依賴于動態學習和后驗分析，尤其像器件性能變遷機理、器件質量等緊密地關聯于廠家變更、產品批次性能差異。

3 基于多知識表示的農用車電氣系統模型構造

農用車電氣系統由多類、多部件集合而成，每個器件均擁有一定的自身獨立特性，相互間又服從依存關系，表現出十分明顯的制約、影響特征。出于準確揭示系統形態，模型中的個體可以視作自主體對待，它們相互協作便組成了多自主綜合體。

3.1 基于謂詞與時序邏輯的狀態記錄

深入了解、掌握問題求解對象不同時刻的各種內、外部狀態，將有利于結論的準確性、可靠性提高。雖然它們也具有某種時變特征，但不同時間點上的形態變異卻構成了未來系統關心重點。如若把謂詞與時序邏輯予以結合，即得到：

它指明對象 Object，在日期 Date、時間 Time，關于特征Predication的形態是Status。表達式（1）主要用于描述靜態模型中的故障、工作與維修記錄。在此，形態差異標準制定顯得非常重要，過于死板則無法適應某些變化，頻繁更改易形成混亂，甚至錯誤解讀過去狀態，因此必須建立基本準則和變更簿記。

3.2 基于數學模型、謂詞與時序時區邏輯的漸變機理表現

通過反復試驗和實際使用，能夠提取出器件燒蝕與顛震破壞演變、性能變遷、故障演變與散播等在不同條件下的數學模型。由于數學模型采用必須嚴格遵守預先設定的先決條件，所以相對簡單的時序邏輯就表現得有些難以勝任，不得不擴展到時序時區邏輯層次[4]。經過擴展后的漸變機理表示為：

它表明對象Object，在日期Date、時間Time，按照Condition條件下的數學模型Function，使特征Predication的形態Status延續了Delay時長。

3.3 基于語義網絡的特性展示

故障診斷得以順暢、準確進行的首要前提是針對被檢對象內部成份給予全面揭示，并將各個體的特性予以詳細表征，這樣才有望從更深層次發現故障產生根源且獲得徹底排查[5-6]。在現有諸類知識表示方法中，最適合擔負本職責者理應首推語義網絡。在此，它主要履行器件功用、故障種類、故障表現、設備內部組成與故障產生根源等描述，表示形式依舊使用弧連接下的節點對。

3.4 基于框架的結構、關系搭建

框架表示源自語義網絡，但兩者又存在明顯差異。為更加有效地表現農用車電氣系統結構和器件有機連接關系，特采用框架作為表述手段，并自動地生成診斷推理路線，以及便于維修期間準確、無誤地區分各個部分。器件連接位置關系不但直接決定著故障演變與散播，而且由原理層面制約著最佳查找策略編排與證據詢問注重點確定[5-6]。在整個電氣模型建造當中，系統結構和關系構成了核心內容，緊密地關聯著最終性能發揮與表現。

農用設備故障診斷自動化與高性能化，不僅有著重要的經濟、社會意義，更富有廣闊的學術研究價值。本文結合典型的農用車電氣系統故障診斷，比較系統地討論了借助謂詞邏輯、時序時區邏輯、語義網絡、框架和劇本等多種表示方法，構筑各類器件特性、連接關系、演變機理、維護、使用記錄和問題求解關鍵指導靜、動態模型。此工作盡管仍居于最基本探索階段，但已經展現出極具吸引力的效能。

[1]王紅霞，葉曉慧，田樹新.復雜電子裝備故障診斷建模方法研究[J].武漢理工大學學報2007（6）：62-64.

[2]FREYERMUTH R B.Processfaultdiagnosisbasedon process model knowledge PartI Principles for fault diagnosis with parameter estimation iserman[J].Journal of Dynamic Systems Measurementand ControlTransactions ofthe ASME，1991，113（4）：620-628.

[3]黃云，恩云飛.電子元器件失效模式影響分析技術[J].電子元件與材料，2007，5（4）：38-39.

[4]張玲，王玉娟，張海燕.時序推理機的設計與應用[J].自動化技術與應用，1998（1）：23-25.

[5]閻明印，郭寶成.基于深、淺知識集成表達的故障診斷策略[J].沈陽工業學院學報，1995，30（12）：30～33.

[6]KAPP P D.An analysis of the distinction between deep and shallow expert systems[J].International Journal of Expert System，1989，2（1）：1-32.

Method reseach of agricultural vehicle for electrical system physical modelling based on multiple knowledge representations

Yang Huaiqing，Zhang Huiyu

（School of Information Science and Engineering，Shenyang University of Technology，Shenyang 110870，China）

According to the physical modeling for electrical system of agricultural vehicle， the paper systematically and comprehensively discusses the approach and the resolution about the present practical problem that utilize multiple knowledge representations in system construction，component properties，the connected relation，evolution mechanism and modeling the key routes of problem-resolving.

physical world modeling；deep knowledge application；expert system；faults diagnosis；agricultural equipment detection

TP182

A

1674-7720（2011）01-0069-03

遼寧省教育廳資助課題（2008500）

2010-06-09）

楊淮清，男，1956年生，副教授，研究生導師，主要研究方向：人工智能、智能機器人學。

張輝宇，男，1980年生，碩士研究生，主要研究方向：智能信息處理。