部隊遠程會診車多發故障排除技術研究

(濟南軍區 總醫院信息科，濟南 250031)

0 引言

近年來大自然災害頻繁發生，我國受到大自然災害而死亡的人數高達10萬人，經濟損失更是達到了2.5萬億元左右，這期間免不了部隊人員的傷亡，為了減少該現象的發生，使用部隊遠程醫療會診車對受傷人員進行緊急救治。遠程醫療會診車主要負責對應急條件下的視頻、圖像和音頻進行智能傳輸，為受傷較為嚴重的人員進行早期治療，為遠程專家會診提供支持，并為遠程會診提供支援平臺[1]。專家雖然能夠利用會診車對受傷人員進行救治，但是常常因為車輛出現多發故障，導致受傷人員不能被緊急治療，耽誤了最佳治療時間，為此應及時對部隊遠程會診車出現的故障進行排除。會診車出現故障的主要原因有：天線無法展開、GPS無法定位、信號質量差，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間超長造成的，而信號質量差是由天線定位完畢后，信號強度增加而信號質量下降造成的[2]。采用傳統排除技術受到天氣和靜電問題影響，導致排查效果較差，為此，采用基于Agent技術對部隊遠程會診車多發故障進行排除。

1 基于Agent多發故障排除技術研究

針對傳統采用的容錯排除技術存在排除效果差的問題，設計了故障排除方案，從根本上徹底鏟除多發故障。多發故障排除方案設計的思路為：從會診車出現故障信號特征出發，定義錯誤信息和有效信息兩者的關系，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作性，能夠適用于大數據庫的故障排除，通過該技術可有效完成故障排除工作，對會診車出現的故障隱患進行診斷。

1.1 多發故障信號特征提取

由于網絡技術帶動了信息流快速發展，會診車中所有病人信息以及車輛活動信息都是通過信息流傳輸的，無論出現哪種信息流，其實質上就是信號，既然是信號，就一定具備形狀、大小和強弱方面的特征，利用該特征來描述會診車產生的多發故障[4]。

會診車天線無法展開主要是因為衛星設備在惡劣天氣下進行了長時間的工作，并在工作后沒有及時對天線進行清理，造成拋物面天線連接生銹；GPS無法定位主要是因為GPS信號出現水膜，導致信號變得極為微弱，而且不穩定，該故障多發生于春、夏季的清晨時分，GPS信號水膜出現次數較多；信號質量差主要是因為天線指向方向具有高大且不易穿透的物體，導致信號定位不準確，衛星參數設置不正常[5]。從故障信息特征角度出發，對出現故障信號和正常信號之間的關系，利用示意圖來表示，如圖1所示。

圖1 信號特征關系示意圖

根據圖1可知：信號特征關系是由故障信號和正常信號組成的，其中故障信號包括合乎邏輯和不合乎邏輯兩種[6]。設I為信號全集；A為正常狀態下信號；B為故障出現的信號；B1為合乎邏輯信號；B2為不合乎邏輯信號，其間的關系如下所示：

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，并結合公式(3)可知：故障是信號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 故障排除流程設計

多發故障排除方案流程設計如圖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信息，并與正常信息進行對比，將超出常態標準的信息視為故障信息，其中故障信息不一定就是錯誤信息，而不合乎邏輯的才是錯誤信息，為此需對該信息進行診斷。將數據與信息預處理結果傳輸到故障診斷過程中，對異常信息發出警告，并進行反向推理，獲取與故障發生位置相關的具體信息[7]。通過Agent之間協作，將故障信息進行等級劃分，并使用不同顏色作為警告標志，不受到天氣因素影響，準確獲取會診車故障程度，具體異常信息警告等級劃分如表1所示。

表1 異常信息警告級別表

根據上述異常信息警告等級的劃分，可將警告信息采集的結果存儲到數據層中，該數據層包括會診車基本設備參數、信息以及網絡運行狀態等。采用主動輪詢采集方法，獲取會診車所有設備零件的性能參數，并設定閾值[8]。如果閾值較大，那么可生成相應故障信息；反之，如果閾值較小，那么相對較低等級的報警信息就會將此條故障信息掩蓋。

1.3 排除技術的實現

由上述設計流程，可實現會診車的故障排除。當Agent在會診車行駛過程中工作時，使用的確定主體目標BDI模型受到時間限制，在搜索故障位置時，隨著外界變化，搜索位置也發生了改變，造成故障位置的“過時”搜索[9]。因此，在實際動態環境中，使用基于動態模型的Agent技術來實現多發故障的排除。如圖3所示，給出了具體的Agent反應結構圖。

圖3 Agent反應結構圖

根據圖3中各個規則動作之間的聯系，將感知信號與動作行為連接起來，當前動態環境與排除動作為Agent排除技術的內部決策結構，而條件-動作規則為多發故障排除所需的背景信息，根據表1中的異常信息警告級別建立多發故障排除指標，并構建故障模型，實現對部隊遠程會診車多發故障的合理排除。

1.3.1 多發故障排除指標

在Agent反應結構框圖下構建的多發故障排除指標包括：天線無法展開、GPS無法定位、信號質量差。根據該指標建立的故障排除體系具體內容有：及時對天線進行清理、手動處理GPS天線水膜、調整天線位置。其中及時對天線進行清理可適時將拋物面天線連接處的同軸螺釘擰松，并在該處添加潤滑油；手動處理GPS天線水膜可及時清除天線積水，并根據衛星位置進行手動調整；調整天線位置可移動會診車輛，使車輛遠離高大建筑物，調整天線方位，正確設置衛星參數。傳統部隊遠程會診車多發故障排除技術都是在單一環境下對某一個信號特征進行構建的，而采用Agent排除技術是在不會受到靜電干擾的動態環境下，綜合不同故障排除指標展開研究的。

從故障發生概率和故障發生損失兩方面進行相關指標體系的構建，可充分體現部隊遠程會診車多發故障發生的可能性，也可權衡故障的發生給社會經濟所帶來的損失，具體指標體系的建立如圖4所示。

圖4 多發故障排除指標體系

1.3.2 構建故障排除模型

根據上述建立的指標體系構建故障排除模型，在遠程環境下，對會診車多發故障進行分析目的就是為了排除故障對會診車的影響。針對多發故障造成的會診車無法對傷員進行緊急救治，設計了故障模型，其中包括故障發生的概率和經濟損失概率，故障造成的所有損失就是這兩種概率的乘積，即為多發故障損失模型：

S=f(p1×p2)

(4)

由公式(4)可知：S為遠程會診車出現故障所造成的損失。

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

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

根據該故障排除模型，可準確獲取故障所造成全部損失，通過損失可確定故障發生點，由此設計實現方案。

1.3.3 實現方案

Agent數據庫要處理的信號特征是具有混沌狀態的特征，其中包含不合乎邏輯的錯誤信息，為此，需先對信息流進行劃分。采用常態特征標準，根據圖2設計的反饋自主學習抓住混沌信號特征中的不合乎邏輯錯誤信息，形成動態的常規標準特征。該特征是一段時間內故障排除允許誤差范圍的若干信息值，具有動態變化屬性，將此信息值作為判斷異常信息的依據。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，會診車出現了多發故障。將挑選出來的故障信息進行邏輯診斷，如果為合乎邏輯的正常信息，就需讓其返回到主流數據中；如果為不合乎邏輯的錯誤信息，就需對其進行錯誤修復，同時，該錯誤信息需進行自主學習，改善錯誤序列，變成正常序列補充到Agent數據庫之中。該種學習方式，促使整個邏輯診斷都處于一個封閉狀態，不會受到天氣和靜電問題的影響。

設置AgentT為正常狀態下的任務結束標識，AgentF為異常狀態下的任務結束標識。AgentT是對采集的信息進行統計，分析該信息在某個時間段內出現的概率，計算出現最高概率信息為中心的頻帶范圍內所有信息的平均值，將該平均值作為下一個時間段內的AgentF常態標準。AgentF在這個時間段內，利用AgentT輸出的常態標準對信號特征進行劃分，并提取出與之相關的故障信息，完成對部隊遠程會診車多發故障的排除工作。

針對部隊遠程會診車多發故障排除技術的研究，首先分析了多發故障出現的信號特征，并繪制示意圖，將故障信號包括的合乎邏輯和不合乎邏輯信號挑選出來，利用關系式剔除不合乎邏輯部分的集合。然后設計多發故障排除方案流程，從信息流中找到合乎邏輯的異常狀態信息，并與正常信息進行對比，根據對比結果設立了異常信息警告等級表，根據該等級表可準確獲取故障程度。最后通過Agent反應結構圖，建立多發故障排除指標，并構建故障模型，實現對部隊遠程會診車多發故障的合理排除。

2 驗證分析

通過構建實驗環境對部隊遠程會診車多發故障排除技術研究的有效性進行實驗驗證。

2.1 實驗環境

實驗平臺的搭建選擇某家公司由混合式交換機組成的平臺，并選擇某部隊的遠程會診車，通過實時發送信息流進行實驗模擬；在實驗平臺內安裝控制器，監控并轉發混合式交換機的全部數據；采用24寸顯示屏顯示故障發生位置，通過該顯示屏對故障進行排除。

2.2 實驗結果與分析

采用的Agent排除技術不會受到天氣和靜電問題的影響，依然具有較高的排出精準度。為了驗證這兩點，進行了對比實驗，如下所示：

2.2.1 天氣問題

由于遠程會診車需要在惡劣天氣下進行會診，車輛的各個性能會受到一定程度的影響。尤其是在救災工作中，長時間處于高溫天氣或低溫天氣都會造成箱體無法正常運轉，導致會診工作無法正常進行，為此，需在該條件下對出現的故障排除問題進行研究。采用傳統排除技術受到天氣影響，無法準確獲取排除信息，導致排除精準度下降；而采用Agent排除技術是在一個封閉狀態下實施的技術，不會受到天氣影響，能夠準確獲取排除信息。為了驗證該點，將兩種排除技術進行對比，結果如圖5所示。

圖5 兩種技術在天氣影響下排除精準度對比結果

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

綜上所述，采用Agent排除技術是在一個封閉狀態下實施的技術，不會受到天氣影響，能夠準確獲取排除信息，為會診車多發故障排除提供有效支持。

2.2.2 靜電問題

由于部隊遠程會診車需要在不同地區進行支援會診，長時間在車內工作，會診人員的身體會帶有或多或少的靜電。如果靜電對精密設備或者會診人員健康帶來危害，那么將會導致會診工作無法正常進行，為此，需在該條件下對出現的故障排除問題進行研究。采用傳統排除技術受到靜電問題影響，使精密設備受到靜電干擾，無法準確獲取故障信息，造成排除精準度下降；而采用Agent排除技術是在一個封閉狀態下實施的技術，不會受到靜電問題的影響，能夠準確獲取排除信息。為了驗證該點，將兩種排除技術進行對比，結果如圖6所示。

圖6 兩種技術在靜電問題影響下排除精準度對比結果

由圖6可知：兩種排除技術精準度在正常情況下都可達到80%以上，當靜電干擾強度增加到2萬伏時，傳統技術排除精準度與基于Agent技術排除精準度都下降，分別達到78%和80%。隨著靜電干擾強度增加，兩種技術排除精準度呈折線形式下降，但基于Agent技術呈現上下波動趨勢，最終降為38%和50%。由于在實際狀態下，人們能夠承受的靜電最高可達到12萬伏，為此，在該條件下采用Agent技術能夠使排除精準度最低達到75%。由此可知，在實際生活中，靜電干擾對傳統排除技術影響較大。

綜上所述，采用Agent排除技術是在一個封閉狀態下實施的技術，不會受到靜電干擾問題的影響，能夠準確獲取排除信息，為會診車多發故障排除提供有效支持。

2.3 實驗結論

根據上述實驗內容，可得出實驗結論：

采用Agent排除技術是在一個封閉狀態下實施的技術，不會受到天氣和靜電干擾問題的影響，能夠準確獲取排除信息，為會診車多發故障排除提供有效支持。采用該技術使排除精準度最高達到90%，最低也可達到75%。結合上述內容可知，采用Agent技術對部隊遠程會診車多發故障排除研究是具有合理性的。

3 結束語

國內外對于會診車多發故障的研究主要集中在故障發生前后恢復的技術上，通過研究發現，這種技術在對故障處理前后，容易受到天氣和靜電干擾問題的影響，導致故障排除精準度較低，無法從根本上消除故障，為此，提出了基于Agent技術對會診車多發故障進行排除。該課題的研究可從信號根本特征出發，分析故障特點，將故障有效和無效信息分離，結合Agent自適應特點產生特征標準，根據該標準排除故障。雖然該課題研究故障排除關鍵技術具有重要應用價值，但是相對于異常信息的邏輯診斷還需進一步完善。