航空发动机内窥检测智能诊断专家系统

罗云林，尉建东

（中国民航大学航空自动化学院，天津 300300）

内窥检测是检查航空发动机内部表面结构损伤最有效的手段之一，在航空发动机维护中得到了广泛应用。目前，航空公司主要依靠工作人员的经验和人工查阅发动机维护手册对发动机内窥损伤进行诊断，本文研究了一种基于案例和规则的航空发动机内窥故障智能诊断专家系统，可以快速、准确地对损伤进行智能诊断。

传统的人工检测方式存在主观性强、耗时长的缺点，难以满足维修现场的需要，本文研究的智能诊断专家系统，降低了对检测人员的技术要求，提高了诊断的精度和效率，能够快速准确地给出诊断结果，满足日益增长的民航维修需要。

目前，基于规则的专家系统使用最为广泛，但是缺乏灵活性，在航空发动机内窥检测中，一旦损伤参数的数值接近规则的临界值或者没有匹配规则时，专家系统不能做出诊断；基于案例的专家系统则是把过去解决问题的经验知识表示成案例，把需要解决的目标问题与案例进行相似度计算，若匹配成功，则用案例解决问题的办法来解决当前的目标问题。基于案例的专家系统需要大量的经验知识，并且随着案例的逐渐增加，案例的检索速度也变得越来越慢，直接影响到专家系统的工作效率，因此在本文中，设计了基于案例和基于规则的混合专家系统，综合了两种系统的优点，做到扬长避短。

1 基于规则和案例的混合专家系统

1.1 系统的总体设计

本文设计的航空发动机内窥检测智能诊断系统逻辑结构框图如下。

图1 系统逻辑结构框图Fig.1 Logical structure diagram of system

在本系统中，用户、领域专家通过人机界面和系统进行信息交换，领域专家通过人机接口进行知识库的更新与维护，用户通过人机界面输入的内窥图像存储在动态数据库中，主控模块读取动态数据库中的信息并进行数字图像处理后传递给规则推理机，规则推理机进行故障的初级诊断，如果规则推理机没有找到相应的规则，或损伤参数信息接近规则的临界参数，则诊断失败，进而由案例推理机调用知识库中的案例进行逻辑推理；如果案例推理机也无法从案例库中找到最佳解决方案，知识获取子系统将对进行案例记录保存，以供领域专家进行分析，并添加到案例知识库。主控模块记录各中间环节的处理过程并经由解释子系统反馈给用户。

1.2 基于规则部分的系统设计

1.2.1 规则的表示和规则库的建立

规则常用于表示具有因果关系的知识，其具体形式是：

其中：P代表一组前提或状态；Q代表若干结论或动作，其含义是如果前提P得到满足，则可得出结论Q或Q所规定的动作。

由波音公司的CFM56-7型发动机的维修手册[2]和多年来在航空发动机内窥检测积累的经验中提取知识规则，得到的部分规则如下：

规则一：

If（发动机部位=HPC）and（子部位=前端定子）and（伸长度<0.20）and（形状复杂度>6）

Then（损伤类型=裂纹）

规则二：

If（发动机部位=HPC）and（子部位=前端定子）and（部位明细=中缘）and（损伤类型=裂纹）and（尺寸长度<4.3 mm）

Then（损伤评估=未超标，维修决策=续航10周期或25 h后更换发动机）

规则三：

If（发动机部位=HPC）and（子部位=前端定子）and（部位明细=前缘）and（损伤类型=裂纹）and（尺寸长度<4.3 mm）

Then（损伤评估=超标，维修决策=立即更换发动机）

将得到的规则储存在静态数据库中，就建立起规则库，如前面得到的规则二可以用对象-属性-值的三元组的形式存于知识库中，如表1所示。

表1 对象-属性-值三元组形式规则Tab.1 Object-attribute-value tripe rule

1.2.2 规则推理机

规则推理可以分为三个方向[4]：正向推理、反向推理及正反向混合推理。通过对民航发动机内窥评估和维修情况的研究，规则条件的事实容易获取，所以这里选用正向推理策略。

系统的规则推理过程是：系统将图像的输入信息和图像经过处理后提取的特征参数一同与规则库中的规则前提条件进行匹配，若匹配成功，则将该规则的结论部分作为中间结果，存储在动态数据库中，若没有找到任何匹配规则，则推理失败，转入案例推理部分。推理得到的中间结果继续与知识库中的规则进行下次匹配，直到没有匹配规则为止，最后匹配规则的结论将作为结果输出，推理流程图如图2所示。

1.2.3 规则库的更新与维护

图2 系统规则推理流程图Fig.2 Process with rule-based reasoning

在民航发动机内窥检查中，维修手册只是发动机制造商给各维修单位提供的一种维修标准，而维修手册总是在不断的根据新情况更新，这时领域专家也要对规则库进行更新，以保证民航的飞行安全。

1.3 基于案例部分的系统设计

1.3.1 案例的表示与案例库的建立

系统中的案例都是领域专家在长期的内窥检测中遇到的真实问题，并通过经验给予解决，然后将这些案例整理成标准样本案例。一个标准样本案例[6]包括以下几个部分：案例编号：每个案例具有唯一辨识符；发动机型号；发动机部位：损伤所在的发动机大部位；损伤部位：损伤所在的细部位；部位明细：损伤在细部位的具体位置；损伤参数及尺寸：包括伸长度，面积，深度等；损伤判断及维修策略：针对发动机的不同部位、不同的损伤尺寸，做出损伤判断，给出相应的维修策略。表2是标准案例示例表。

表2 标准案例表Tab.2 Standard cases

在Access2003数据库设计为表PICs，其中字段名CaseNo为案例编号，CasePic为内窥图像文件，Engine－Type为发动机型号，EnginePart为发动机部位，FrondosePart为具体部位，PartDetail为部位明细，DamageType为损伤类型，Diagnose为维修决策，SizeType为内窥测量的损伤尺寸类型，Measure01为长度，Measure02为深度，Measure03为面积等。

案例以表格的形式存储于关系型数据库中，由于本系统的案例库规模不是很大，所以采用单级索引即可满足快速查找的要求，在本系统中，对发动机型号进行一级索引。

1.3.2 案例推理机

案例推理的过程实际就是案例检索的过程[1]，案例推理的结果是一个最佳案例；如果匹配度过低，则系统将提示查找失败。本系统才用的案例检索策略是最近邻策略，与其他推理策略相比，最近邻策略简单易行，其最大的问题是当案例库中案例数量较多时，检索速度会变慢。但在本系统中，由于案例相对较少，所以可以采用最近邻策略进行推理。

首先通过人机界面，用户把发动机型号、损伤部位等要素输入到系统，系统再对内窥图像进行处理，提取图像的特征信息，当输入信息和提取信息不满足规则推理部分的要求，转入案例推理，案例库依照输入信息进行检索，查询出满足特定发动机型号的一级案例。接下来对所查询到的一级案例，计算它与样本案例之间的匹配度，特征参数即为损伤尺寸，匹配度可用式（1）计算

其中：Ds表示为案例c与c*的匹配度；Wi为各特征参数的权值因子；n表示所有征兆数；Xi和Yi分别表示案例c与c*的初始特征或结论的可信度。当Ds=1时，表明两个案例最相似，即完全匹配；当Ds=0时，表明两个案例完全不相同。在本系统中，当匹配度大于0.8时，就可以认为是相似案例，就可以使用检索到的相似案例所提供的损伤判断和维修建议来解决新问题。当匹配度不满足要求时，案例推理失败，整个系统将无法对损伤做出判断，这时知识获取子系统会记录新问题，等待领域专家给出人工诊断方案，并输入到案例库做为新案例以备下次使用。

1.3.3 案例库的更新与维护

损伤的判断标准和维修策略会随着新问题的出现而改变，因此案例也要做出全部或部分参数的更改[5]。而且案例也会随着时间推移不断增加，这会导致系统检索变慢，因此，要对案例库进行定时维护，清除那些因为技术进步而淘汰的无用案例，保证案例检索的高效、准确。

2 系统软件实现

本文所设计的航空发动机内窥检测智能诊断专家系统选用面向对象的可视化开发工具[2]VB6.0，以实现系统中不同功能模块。本系统的知识库，采用微软公司的Access2003数据库管理系统进行构造。诊断系统通过ODBC接口对Access数据库进行数据读取，这种方式操作简单，具有很强的通用性。智能故障诊断专家系统的操作界面如图3所示。

图3中，专家系统读取内窥检测所获取的图像COM01.jpg，并输入的图像相关信息（如发动机的型号、具体部位等），当诊断开始后，专家系统对全部信息汇总，进行推理和计算，最终在结果栏中给出诊断结果和维修建议。

在图3的试验中，系统给出的诊断结果与领域专家的诊断结果一致，证明了专家系统诊断的准确性，此外，由于系统数据规模较小，诊断所需时间也令人满意。

3 结语

本文研究了基于规则和案例的混合专家系统，并应用于航空发动机内窥图像智能检测方面。从系统的实验结果可以看出该系统可以准确的对内窥损伤做出判断，并给出相应的维修策略。目前该系统还处于开发实验阶段，案例库和规则库的规模相对较小，在未来的研究中，随着案例库和规则库的规模逐渐增大，如何提高知识库的检索效率以及如何做到知识库的自动更新，将是该系统下一步解决的主要问题。

[1]李 光，寇英展，杨 妆，等.基于案例推理的知识库系统设计[J].科学技术与工程，2006，6（8）：1085-1086.

[2]徐龙喜，陈 果，汤 洋.基于CBR的远程发动机孔探评估专家系统[J].南昌航空大学学报，2007，21（3）：58-61.

[3]奚文俊，吴 刚.基于案例推理的电梯故障诊断系统的设计与实现[J].电脑知识与技术，2009，5（3）：1603-1604.

[4]蔡自兴，约翰·德尔金，龚 涛.高级专家系统：原理、设计及应用[M].北京：科学出版社，2005：39-43.

[5]刘 健.基于案例推理的知识系统的设计与实现[D].南京：南京航空航天大学，2004.

[6]汤 洋.基于Internet的民航发动机内部损伤评估与维修决策研究[D].南京：南京航空航天大学，2007.