基于CBR、RBR和KBG的閘門啟閉機故障應急處理決策方法

張 濤，萬名炎，胡劍杰，彭康迪

（1.武漢大學動力與機械學院，湖北武漢 430072；2.湖北咸寧三合機電股份有限公司，湖北咸寧 437000；3.長江水利委員會設計院，湖北武漢 430010；4.湖北省電力裝備有限公司，湖北武漢 430030）

智能啟閉機是將設備在線狀態監測、故障診斷、應急處理、運行監控等功能與環境狀態高度融合的水工閘門智能控制或驅動系統，是啟閉機與智能監控系統的有機體。當環境狀態和設備故障確定后，及時做出應急決策，是保障啟閉機能安全運行的關鍵[1]。啟閉機運行過程中應急決策的影響因素十分復雜，基于實例推理（Case-Based Reasoning,CBR）和基于規則（Rule-Based Reasoning,RBR）的混合決策進行求解，可克服傳統專家系統知識表達和推理困難等問題，有效提高求解效率[2-4]，但啟閉機運行過程中的故障應急決策過程高度復雜，求解過程中也很難全部抽象出形式化的規則，有時甚至找不到適用的應急處理實例解[5-6]，而故障的突發性和動態性，又需要決策者快速制訂應急決策方案[7-8]；雖然傳統基于知識導航（Knowledge-Based Guiding，KBG）的求解策略可通過抽象化的元規則引導系統按決策流程快速求解，但由于早期數據庫容量和數據挖掘技術的限制，該方法運用知識和規則的能力弱[9]。而近些年隨著大數據和人工智能技術的興起，海量數據的收集、清洗、存儲以及基于海量數據的規則推理等技術均得到了提升，使得KBG方法重新成為研究熱點[10-11]。而將CBR、RBR 與KBG 相結合，則有望提高智能啟閉機運行應急處理決策求解的即時性和準確性。

1 實例庫構建

CBR 求解策略的重點是建立分類準確、特征鮮明、語義清晰的案例庫[2]。首先，通過故障分類索引樹來組織實例（如圖1 所示），并且實例屬性（故障特征）采用數量型；然后，通過三元組來描述故障特征屬性，即問題P（Problem）、解S（Solution）、效果O（Outcome）。P 是對故障特征屬性的簡要描述（如電流、電壓、振幅、噪聲、溫度、應力等偏離正常范圍值大小），是實例檢索的依據，S 是故障應急處理的方法，O 是故障應急處理后的效果，分別對其進行權重賦值[12]；接著，采用最近鄰索引(Nearest Neighbor Algorithm)和模板檢索(Template Retrieval)相結合的方法，在保證檢索效率的前提下最大限度提高案例的匹配度[13-14]，并根據實際需求修改檢索到的案例；最后，在實例庫中保存問題解決方案，作為新的實例。

圖1 啟閉機應急處理方案實例庫組織

2 決策知識庫構建

決策知識庫是KBG 和RBR 決策求解的基礎，閘門啟閉機故障應急處理決策規則庫主要由元規則和領域規則組成[15]。

元規則是基于實例、規則、數據等復合知識的、高度抽象化的規則，用于KBG 應急處理決策的全過程；主要包括故障特征屬性權重規則、應急處理決策控制流程及其節點遷移機制、應急處理規則調用方法、應急方案優選規則、閾值規則、評價規則等。采用元規則子集中的求解控制流程和評價機制，可動態、靈活地引導系統進行啟閉機應急方案的選擇。其中，故障特征屬性權重選取基于歸一化后的特征向量之間的“最短歐氏距離”原則[16]；而通過元規則控制的節點遷移和路徑回溯則保證了求解的靈活性，應急處理決策流程及節點遷移機制如圖2 所示。

圖2 應急處理決策流程及節點遷移機制

RBR 與KBG 集成不需要檢索實例,而是運用過程或子過程及其步驟節點遷移機制取代了CBR 中的推理機[15],且導航設計過程或子過程步驟節點完全可與實例修改過程或子過程步驟節點一致。

2）領域規則

用于規則推理，確定故障類型、分析故障原因。主要指由閘門啟閉機應急處理領域知識形式化規則，如電動機電流控制規則、減速器齒輪失效（磨損、點蝕、斷齒）處理規則、鋼絲繩過載處理規則、制動器失效處理規則等。

3 混合求解策略

傳統基于知識導航（KBG）的求解策略是通過收集盡可能詳盡的系統運行狀態數據、案例知識、規則知識以及經驗知識等，制定應急處置策略[15]。但KBG 求解策略對經驗知識依賴程度高，對案例知識和規則的運用能力較弱，導致應急處理過程周期較長。為解決這一問題，需要與CBR、RBR、KBG 方法相結合，借助大數據技術將相關數據和知識形成數字化的數據系統，并依靠人工智能技術快速科學地制訂應急預案，提高應急處理的質量和效率。混合求解的基本思路如下：

工況I：基于CBR 方法，通過實例檢索比對，在閾值滿足的條件下，通過實例庫直接輸出應急處理方案；

工況II：若工況I不滿足，則需要降低閾值尋找相似解，以確定故障類型，再由RBR 基于規則推理分析故障原因，最后對現有應急處理方案進行修改和優化；

工況Ⅲ：若工況I、II 均不滿足，則需要運用KBG方法，基于元規則確定故障特征屬性權重和閾值以尋找相似解，再通過RBR 基于領域規則確定故障類型，分析故障原因，然后調用相似應急處理方案，選擇相應的子流程或利用節點遷移機制和規則調用機制分析故障原因，最后根據故障原因結合相應規則知識形成新的應急處理方案，并將經過檢驗和評價的新應急防范儲存在實例庫，實現實例庫的自我學習和動態更新，混合求解策略流程如圖3 所示。

圖3 啟閉機應急處理決策混合求解流程

以卷揚固定式啟閉機上的電磁制動器故障應急處理流程為例，對混合求解策略進行進一步闡述[3]：

2.設置懸念開頭。這種開頭可激發讀者的閱讀興趣和啟發讀者思考，產生一種非讀下去不可的欲望。《白楊禮贊》開頭：“白楊樹實在是不平凡的……”白楊樹是常見的樹，一般的樹，作者為什么要說它不平凡?讀者自然想知道其中緣由。《棗核》開頭：“動身訪美之前……”小小棗核，卻要從中國帶到美國去，而且還寫航空信來托付，怎能不使人感到蹊蹺?名篇《荔枝蜜》也是屬于這種寫法。

1）輸入故障特征參數（如斷電時閘門下落速度、通電時制動瓦松閘速度、工作時振動和噪聲率等）；

2）運用領域規則判斷故障類型（如制動瓦不抱閘、制動瓦不松閘、制動器振動大等）；

3）根據故障類型，選擇相應的子流程（如制動瓦不抱閘應急處理子流程由制動瓦間隙檢測、銜鐵行程檢測、銜鐵和鐵芯結合面檢查、制動表面油污檢查、電磁線圈檢查、電源電壓檢測、磁路油污及剩磁等組成），分析故障原因；

4）根據故障原因、領域規則、評價規則等做出相應的應急處理決策方案（如按照檢修操作規程調整制動瓦間隙、調整電磁鐵行程、改善銜鐵和鐵芯結合面或更換電磁鐵、清除制動表面油污、更換電磁線圈、調整電源電壓、清理磁路油污、消除剩磁等），并實現方案的優化。

4 系統實現

基于混合求解策略的需求和原理，對閘門啟閉機智能監控系統的功能進行了擴充，擴充后的系統結構如圖4 所示。監控系統依然分為感知執行、數據資源、服務、應用和交互五個層次。

圖4 閘門啟閉機應急處理決策系統結構圖

其中，感知執行層是數據的來源，也是控制執行機構，主要負責現場組網、通信、外部系統數據交換。監測傳感器、變送器、視頻鏡頭等采集現場數據，接入現場網絡，由LoRa 通信采集模塊，以無線的方式傳輸到中控室。視頻信號由光纖接入中控室。上層的控制命令由現場網絡下發到執行機構。

數據資源層是數據、模型、規則、實例等存儲、管理和分析的基礎平臺，包括基礎數據庫、實時數據庫（含報警數據、監測數據）、運維數據庫、非結構化數據數據庫、GIS 數據庫、BIM 模型庫等。為適應混合求解策略的需求，需要對規則庫基于元規則和領域規則進行重新規劃，同時增加實例庫的動態學習功能，實現對新案例（求解策略）的即時更新。

服務層充分利用物聯網平臺和大數據技術把數據資源封裝成服務，為應用提供支撐。包括物聯網平臺、地圖信息服務、數據分析服務、智能語音識別、微服務運行和控制平臺等。

應用層是具體的應用功能。包含在線監測、數據分析、應急決策、預報警管理、應急管理、設備運維、閘站管理、系統管理幾大模塊。在該層架構中，利用大數據技術開展系統運行數據預處理、運行強度分析、狀態異常分析、狀態特征分析、健康綜合評價等，同時基于CBR、RBR、KBG 的故障應急處理混合求解策略也作為一個功能模塊嵌入該層，通過實例比對、規則推理以及知識導航等手段，針對故障快速形成應急處理方案，提高系統運行安全。

交互層系統服務的對象是水利局、流域管理局、閘站管理處、應急管理局相關的工作人員。通過現場PLC、中控軟件、手機微信程序，實現監測、控制、運維、數據管理等操作。

5 結論

1）在領域規則缺乏完整性和實例解難以找到等情況下，基于CBR、RBR 和KBG 進行混合求解，可提高閘門啟閉機故障應急處理決策能力和效率；

2）KBG 策略中的最優決策流控制和節點控制機制是應急方案求解的關鍵，也是下一步研究的重點；

3）隨著物聯網的普及，大數據和人工智能在故障診斷和應急處理領域將發揮更加重要的作用。