壓制觀瞄裝置故障診斷專家系統(tǒng)設(shè)計(jì)*

李英順， 陶加云， 趙玉鑫， 王德彪

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

?

壓制觀瞄裝置故障診斷專家系統(tǒng)設(shè)計(jì)*

李英順1， 陶加云2， 趙玉鑫1， 王德彪1

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

針對(duì)單一依靠人工檢修壓制觀瞄裝置而導(dǎo)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(tǒng)。采用基于粗糙集理論的改進(jìn)可區(qū)別矩陣(IDM)屬性約簡(jiǎn)算法和建立故障樹的方式來實(shí)現(xiàn)專家系統(tǒng)的知識(shí)獲取，解決專家系統(tǒng)知識(shí)獲取的瓶頸問題；提出一種改進(jìn)的正向推理算法來設(shè)計(jì)專家系統(tǒng)的推理機(jī)，使得推理過程更加直觀高效。實(shí)際診斷結(jié)果表明：此故障診斷專家系統(tǒng)能夠快速、準(zhǔn)確地對(duì)故障部位做出判斷，并能給出故障原因和相應(yīng)的維修建議，進(jìn)而證明了該故障診斷專家系統(tǒng)設(shè)計(jì)的可靠性。

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

0　引　言

壓制觀瞄裝置是一套集光、機(jī)、電于一體的系統(tǒng)，工藝流程和運(yùn)行機(jī)理都較為復(fù)雜。故障發(fā)生后的原因查找和對(duì)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(zhǔn)確性上受限于維修人員經(jīng)驗(yàn)水平。因此，需要開發(fā)一套實(shí)時(shí)的故障診斷專家系統(tǒng)，快速檢測(cè)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(tǒng)是一種智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部包含大量某一領(lǐng)域?qū)＜业睦碚撆c經(jīng)驗(yàn)知識(shí)，能夠模仿該領(lǐng)域內(nèi)的專家來解決相關(guān)問題。專家系統(tǒng)目前在故障診斷領(lǐng)域有著廣泛的應(yīng)用，如NASA與MIT公司合作研制的用于檢測(cè)動(dòng)力系統(tǒng)故障的專家系統(tǒng)、美軍研制的用于某型戰(zhàn)斗機(jī)的發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)等，國(guó)內(nèi)的電力、機(jī)械和石化等許多領(lǐng)域也都運(yùn)用到了故障診斷專家系統(tǒng)[1]。

在設(shè)計(jì)故障診斷專家系統(tǒng)的過程中，知識(shí)獲取和推理機(jī)一直都是兩個(gè)最重要的環(huán)節(jié)，其直接影響到故障診斷專家系統(tǒng)設(shè)計(jì)的好壞[2]。其中，知識(shí)獲取是故障診斷專家系統(tǒng)的瓶頸問題[3]。在深入研究壓制觀瞄裝置故障機(jī)理的基礎(chǔ)上采用基于粗糙集理論的改進(jìn)可區(qū)別矩陣(improved discernibility matrix,IDM)屬性約簡(jiǎn)算法，運(yùn)用其和已建立的壓制觀瞄裝置故障樹相結(jié)合來解決這一瓶頸問題。將通過IDM改進(jìn)屬性約簡(jiǎn)算法和故障樹得到的規(guī)則知識(shí)存入知識(shí)庫中，從而建立壓制觀瞄裝置故障診斷專家系統(tǒng)知識(shí)庫。正向推理策略都是用規(guī)則去匹配變化著的事實(shí)，因而匹配效率低，占用的空間大。本文提出一種改進(jìn)的正向推理算法來設(shè)計(jì)推理機(jī)，以事實(shí)匹配知識(shí)庫內(nèi)的規(guī)則既縮短了匹配時(shí)間，提高了壓制觀瞄裝置故障診斷專家系統(tǒng)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(tǒng)的構(gòu)造

壓制觀瞄裝置故障診斷專家系統(tǒng)主要由知識(shí)獲取、知識(shí)庫、數(shù)據(jù)庫、推理機(jī)、人機(jī)操作界面這五大模塊組成，其結(jié)構(gòu)框圖如圖1所示。

圖1　診斷結(jié)構(gòu)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(yùn)行機(jī)理，并在大量實(shí)驗(yàn)的基礎(chǔ)之上，結(jié)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?jǐn)?shù)據(jù)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(jī)電壓，YG俯仰電機(jī)電壓}，決屬性值P={A,B,C}={車長(zhǎng)操縱臺(tái)故障，YG隨動(dòng)轉(zhuǎn)臺(tái)方位力矩電機(jī)故障，YG隨動(dòng)轉(zhuǎn)臺(tái)俯仰力矩電機(jī)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(jìn)IDM屬性約簡(jiǎn)算法[4]來對(duì)診斷決策表中的條件屬性進(jìn)行約簡(jiǎn)，具體實(shí)施步驟及對(duì)應(yīng)的結(jié)果如下：

1) 在表2所示的DM中選擇長(zhǎng)度為1(只包含1個(gè)條件屬性) 的元素加入到核屬性CORE中，令約簡(jiǎn)后的條件屬性RED=CORE。此時(shí)，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(jì)算Q(S)′中的每一條件屬性的頻率重要度SGF(ek)，按SGF(ek)的數(shù)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(shù)為

(1)

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

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(zhuǎn)向步驟(2)。由步驟(2)和步驟(3)對(duì)應(yīng)的結(jié)果可知，無須轉(zhuǎn)向步驟(2)，算法終止。

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

表3　最終約簡(jiǎn)表

由表3可推導(dǎo)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(tǒng)方位轉(zhuǎn)動(dòng)機(jī)構(gòu)中的YG隨動(dòng)轉(zhuǎn)臺(tái)方位力矩電機(jī)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(tǒng)俯仰轉(zhuǎn)動(dòng)機(jī)構(gòu)中的YG隨動(dòng)轉(zhuǎn)臺(tái)俯仰力矩電機(jī)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(tǒng)俯仰轉(zhuǎn)動(dòng)機(jī)構(gòu)中的車長(zhǎng)操縱臺(tái)故障)

2.2診斷規(guī)則的檢測(cè)

VC++編程得到“改進(jìn)IDM知識(shí)獲取管理”界面。點(diǎn)擊界面中的“提取知識(shí)”按鈕，可以實(shí)現(xiàn)對(duì)規(guī)則知識(shí)的獲??；點(diǎn)擊“存取規(guī)則”按鈕，便可將獲取的規(guī)則知識(shí)存入到專家系統(tǒng)規(guī)則知識(shí)庫中；點(diǎn)擊“刪除”按鈕，可以實(shí)現(xiàn)對(duì)具有等價(jià)、冗余、從屬性質(zhì)的規(guī)則的檢測(cè)與處理。規(guī)則的結(jié)論部分對(duì)應(yīng)著故障樹的頂事件，此時(shí)，能夠保證系統(tǒng)選擇某一具體的故障樹進(jìn)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(shí)間。

3　基于故障樹的知識(shí)獲取

建立故障樹是設(shè)備故障診斷過程中的常用手段之一。故障樹是指以出現(xiàn)的故障為起點(diǎn)，逐級(jí)分析故障產(chǎn)生的原因，并且用規(guī)范的符號(hào)將故障現(xiàn)象和各級(jí)故障原因連接而成的因果關(guān)系圖[5,6]。在故障樹已建立的基礎(chǔ)上可以采用故障樹分析法[7]對(duì)故障樹進(jìn)行自頂而下的分析。故障樹分析法是一種層次感強(qiáng)，因果關(guān)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(jí)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(duì)應(yīng)一種失效形式，代表一條產(chǎn)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(yùn)行機(jī)理和故障特點(diǎn)，明確車長(zhǎng)鏡分系統(tǒng)轉(zhuǎn)動(dòng)機(jī)構(gòu)、YG分系統(tǒng)轉(zhuǎn)動(dòng)機(jī)構(gòu)、YG分系統(tǒng)供電機(jī)構(gòu)以及YG分系統(tǒng)方位加矩機(jī)構(gòu)是壓制觀瞄裝置能夠正常工作的關(guān)鍵分系統(tǒng)，以它們作為故障樹的頂事件，建立起壓制管瞄裝置分系統(tǒng)故障樹。因篇幅限制，現(xiàn)僅以YG分系統(tǒng)方位加矩機(jī)構(gòu)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(shí)獲取管理界面”。點(diǎn)擊界面中的“清空規(guī)則”按鈕，可以清空條件表、結(jié)論表和規(guī)則表；點(diǎn)擊“存取規(guī)則”按鈕，可實(shí)現(xiàn)對(duì)條件表、結(jié)論表及規(guī)則表的存儲(chǔ)；點(diǎn)擊“插入”按鈕，可以插入新的故障信息。

圖2　YG分系統(tǒng)方位加矩機(jī)構(gòu)故障樹Fig 2　Azimuth moment fault tree of YG subsystem

3.2基于故障樹的知識(shí)表示

以產(chǎn)生式規(guī)則[8]表示法為例，對(duì)所有的規(guī)則采用“If(P)Then(C)”的表達(dá)方式，其中，P為產(chǎn)生式規(guī)則的條件，C為當(dāng)P所代表的條件都與事實(shí)匹配成功時(shí)而產(chǎn)生的結(jié)論，本文的規(guī)則都是由故障樹中的最小割集轉(zhuǎn)化而來的，每一個(gè)最小割集對(duì)應(yīng)著一種規(guī)則。

4　知識(shí)庫的建立

采用Access2000數(shù)據(jù)庫來將故障樹轉(zhuǎn)化而來的規(guī)則知識(shí)存入專家系統(tǒng)知識(shí)庫中。這里的知識(shí)庫主要由條件表、結(jié)論表、規(guī)則表、解釋表四個(gè)部分組成。條件表用來存放規(guī)則對(duì)應(yīng)的條件，由“規(guī)則號(hào)”、“故障部位”、“條件”和“條件匹配標(biāo)號(hào)”這四個(gè)字段組成。

5　推理機(jī)的設(shè)計(jì)

推理機(jī)[9]作為專家系統(tǒng)的組織控制結(jié)構(gòu)，用于連接事實(shí)庫內(nèi)的事實(shí)和知識(shí)庫內(nèi)的規(guī)則，是專家系統(tǒng)的關(guān)鍵部分[10]。基于規(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(shí)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(jī)的推理效率。本文在此基礎(chǔ)上提出了一種改進(jìn)的正向推理算法去設(shè)計(jì)推理機(jī)，以事實(shí)去匹配知識(shí)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(jìn)行匹配，只需要用事實(shí)庫里新增加的事實(shí)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(jìn)正向推理算法的基本實(shí)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(shí)去匹配規(guī)則中的條件，若這些事實(shí)包含當(dāng)前規(guī)則的所有條件，則說明匹配成功，將此規(guī)則所對(duì)應(yīng)的結(jié)論添加到事實(shí)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(jìn)行匹配；若這些事實(shí)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(dāng)規(guī)則表中的所有規(guī)則都匹配一遍了，則說明已經(jīng)完成推理。

3) 對(duì)規(guī)則表進(jìn)行初始化處理。

4) 從數(shù)據(jù)庫中取出所有事實(shí)并查找是否有最終結(jié)論，若有，則推理結(jié)束；否則就需添加新的事實(shí)重新進(jìn)行匹配。

改進(jìn)的正向推理算法流程圖如圖3所示。

6　診斷推理實(shí)例與過程

現(xiàn)以對(duì)“YG分系統(tǒng)方位加矩角速度的實(shí)際值低于理論值”這一現(xiàn)象的故障診斷為實(shí)例，診斷推理結(jié)果如圖4所示，診斷推理時(shí)刻表如表4所示。

表4中的“A”～“G”分別代表車長(zhǎng)方位角速度、車長(zhǎng)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(shù)值為采樣值，“sj”代表診斷推理時(shí)刻。

圖3　改進(jìn)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(jié)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(shí)例結(jié)果分析

系統(tǒng)運(yùn)行后給出了故障部位(故障樹的頂事件)、結(jié)論和維修建議，并且對(duì)診斷推理過程做出了合理解釋。后期經(jīng)過專家系統(tǒng)對(duì)故障的反復(fù)測(cè)試實(shí)驗(yàn)，并且和人工診斷作對(duì)比，準(zhǔn)確率高達(dá)93 %。整個(gè)診斷推理過程只需4s時(shí)間，體現(xiàn)了此故障診斷專家系統(tǒng)診斷推理的高效性，可以用于指導(dǎo)檢修人員工作。

8　結(jié)束語

采用基于粗糙集理論的IDM屬性屬性約簡(jiǎn)算法和建立的壓制觀瞄裝置故障樹來解決專家系統(tǒng)知識(shí)獲取難的問題。利用基于粗糙集理論的IDM屬性約簡(jiǎn)算法導(dǎo)出故障樹的頂事件，在此基礎(chǔ)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(jìn)的正向推理算法來設(shè)計(jì)推理機(jī)，以事實(shí)去匹配規(guī)則，在一定程度上提高了專家系統(tǒng)的推理效率。實(shí)際應(yīng)用結(jié)果表明：開發(fā)出的壓制觀瞄裝置故障診斷專家系統(tǒng)能夠?qū)收献龀隹焖?、?zhǔn)確的判斷。今后將在系統(tǒng)的運(yùn)行中進(jìn)一步完善故障診斷專家系統(tǒng)軟件的知識(shí)庫，優(yōu)化推理機(jī)制，從而更好地達(dá)到提高診斷推理效果和系統(tǒng)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(tǒng)在綜合傳動(dòng)裝置中的應(yīng)用研究[J].制造業(yè)自動(dòng)化，2013,35(8):146-150.

[2]姚金國(guó)，代志龍.基于文本分析的知識(shí)獲取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)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(jiǎn)算法的研究[D].長(zhǎng)沙：中南林業(yè)科技大學(xué),2013.

[4]蘇鍵，陳玉強(qiáng)，陳軍偉，等.基于故障樹分析的火控系統(tǒng)故障診斷專家系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)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(tǒng)[J].計(jì)算機(jī)應(yīng)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(dòng)裝置故障診斷專家系統(tǒng)的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù)，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(dá)伺服系統(tǒng)的專家故障診斷技術(shù)[J].現(xiàn)代雷達(dá)，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(xué)基金資助項(xiàng)目(2014020115)；遼寧省教育廳科學(xué)技術(shù)研究項(xiàng)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(lǐng)域?yàn)楣收显\斷專家系統(tǒng)、智能控制。

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