基于本体的机电设备故障诊断知识表示方法研究

赵 静，鄢 萍，陈国荣,3，胡林桥

（1.重庆大学 机械传动国家重点实验室，重庆 400030；2.重庆市网络化制造工程技术研究中心，重庆 400030；3.重庆科技学院 电子信息工程学院，重庆 401331）

0 引言

专家系统是旋转机械故障诊断领域发展最早,也是比较成熟的一种人工智能技术[1]。拥有知识是专家系统有别于其他计算机软件系统的重要标志，且知识的质量与数量又是决定专家系统性能的关键因素[2,3]，因此知识库是专家系统最重要的组成部分，而知识的表示又是建立知识库的核心。

国内外在对故障诊断知识表示的研究中已取得大量成果。文献[4]在旋转机械故障诊断领域中，采用一阶谓词逻辑(first-order predicate logic)作为专家系统知识库中的知识表示方法；文献[5]针对专家系统领域知识狭窄的问题，提出了一种框架表示(frame representation)、产生式规则(production rule)和故障树(diagnosis fault tree)相混合的知识表示方法，文献[6]采用规则(rules)、框架(frames)、语义网络(semantic networks)相结合的方式表示专家知识，并存入故障诊断辅助系统(FDAS)知识库中。这些研究存在效率低、知识相对独立等不足，对复杂概念及其相互间关系的表示能力有所欠缺，不利于知识推理和后续利用。

常用的知识表示方法在应用时各自有其优点和不足，具体到复杂机电系统的故障诊断领域，结合其庞大的经验数据，多层次的电机结构和复杂多样的加工工况等特点，知识表示方法既要求清晰、准确、充分的表示领域知识，以实现知识表示的完备性，同时要求有利于知识利用，高效进行知识推理。在源于哲学的概念中，本体具有如下优点[7～9]：1）能将相关领域的概念和术语规范化和清晰化，有利于知识的标准化； 2）具有的丰富概念间关系和各种约束,满足了故障诊断知识复杂性和相关性的要求；3）作为语义网的核心，为语义网系统提供知识组织和逻辑关系，从而为逻辑层提供推理基础。因此本文提出了一种基于本体的故障诊断的知识表示方法，为复杂机电系统故障诊断领域的信息化和智能化做了一次积极的尝试。

1 故障诊断领域知识模型

假设一个复杂机电液气系统由机械系统、电气系统、液压系统、气压系统等多个系统构成，在每个系统下，由各自的功能组件构成，功能组件由各零部件(units)构成，以此类推，可将系统结构进行抽象化处理，得到系统知识的层次结构。如图1所示。

图1为一个领域知识结构关系示意图，S表示总体系统知识，逐步细化的各知识Ui用“□”表示。可以看出，系统内部各结点Ui之间具有纵向意义上的父子关系和横向意义上的兄弟关系。

图1 故障诊断领域知识层次结构示意图

在故障诊断应用中，当某个结点Ui由于某些原因而处于非正常工作状态时，为完成对故障的诊断，必须针对相关信息进行分析处理，用以完成故障维修，因此其结点内部还存在复杂的关系，如图2所示。

图2 被封装的内部结构的故障关系

图2为某个结点Ui在发生故障时所具有的关系， P1，P2，P3…分别表示在该结点所具有的故障特性，如故障现象、故障原因、故障解决方案等，即：结点Ui出现了故障现象P1；故障原因P2导致了故障发生在结点Ui处，维修方案P3定位于结点Ui。

在系统中每个结点Ui都存在多个故障特性，而每个故障特性中又存在多种表现形式，导致了在知识表达上呈现了一定多样性和复杂度，针对以上问题本文引入本体的概念以及本体的关系描述。

2 故障诊断领域本体的形式化描述

故障诊断过程中，以往的诊断经验对于当前的故障问题的解决具有重要的借鉴意义，因此对于故障诊断信息准确有效的描述就显得尤为重要。本文在新加坡南洋理工大学的 Myo Myo Naing 博士定义的六元组本体表示方法[10]的基础之上，将故障诊断领域本体形式化定义如下：

定义1 Fault_Diagnosis_Ontology

(FDO)::=＜S,C,A,R,I,F＞

其中S表示领域FDO中的概念集合；C为概念集合中的元素，例如图1所示Ui；A表示领域内属性的有限集，包括对象属性和数据属性；R 表示某个概念集合S中涉及的概念之间、概念与属性之间的关系集合；I是实例集，是对某一特定概念的具体化描述；F表示函数，即推理规则，是属性之间存在的某种逻辑关系。以下对上述要素进行详细阐述和定义。

2.1 概念及实例定义

定义2 在概念集合S中，任何概念C可用结构C={α,β,γ}表示。其中，α为该结点的父结点序号；β为该结点在树形结构中所处的层数；γ为该结点在该层中的顺序号。记这个层次结构所有结点组成的概念集合为S，则S的形式化定义为：

通过上述定义，任何结点C均可用唯一的方式描述。例如图1中的结点U23转化为概念C可描述为U23={2,2,3}，即结点C23的父结点序号为2，该结点处于第二层，在该层中，该结点序号为3。根据概念的继承性和以层次结构的形式组织，最高层的概念C0代表着最抽象的实体，子类继承其父类的抽象特性，代表比其父类更具体或范围更小的实体概念。

另外，在FDO领域中，对某个特定的概念集合S而言，每个特定概念C下，被相关属性所描述的唯一标识的对象，称为概念的实例，记作I。

2.2 属性定义

定义3 设Xi为概念集合Si中第i个概念，Yj为概念集合S2中第j个概念。即

称A°为概念S1，S2的对象属性，记作A°(S1,S2)。

式(1)的含义为在故障诊断领域FDO中，概念集合S1的所有概念Xi与概念集合S2的任意概念Yj均存在一种映射关系A°。对象属性A°(S1,S2)表明了用于约束概念集合S1与概念集合S2之间的关系。

定义4 设Xi为概念X中第i个实例，yi为数据类型值的有限集Y中第j个实例。即

称AD表示概念X的数据属性为Y，记作AD(X,Y)。

式(2)的含义为在FDO中，概念X的任意个体xi与Y的某个值yi均存在一种映射关系AD。数据属性AD(X,Y)描述了概念X本身具有的数据类型值为Y。

2.3 关系定义

定义5 设Xi为概念集合S中第i个概念，Xj为概念集合S中第j个概念。即

称R为概念Xi，Xj之间的关系，记作R(Xi,Xj)。

式(3)的含义为在概念集合S中，任意概念Xi与概念Xj均存在一种映射关系R。

关系定义R(Xi,Xj)为某概念集合中各概念之间的基本关系，如is_a, kind_of, part_of，instance_of等。

2.4 规则定义

定义6 设perF和resF分别是由若干属性和关系组成的推理前提和推理结果。F为由perF和resF形成的规则，定义如下：

式(4)的主要作用是解决输出信息的不确定性源自于认识的不完全性的问题，其含义为如果存在某一前提perF，就能推理出结果resF，则称F是perF和resF的规则，表示为：perF→resF，例如：式(5)表明某概念集合中，对于任意两概念C1,C2，分别存在实例I1,I2，如果C1,C2之间存在关系R，则I1,I2之间的关系随概念之间的关系自动产生。

3 滚齿机故障诊断实例分析

为了验证上述本体知识表示方法的可行性，现以某机床集团的典型设备——滚齿机为例，采用上述定义对其故障诊断知识进行表示，并借助protégé工具建立了滚齿机故障诊断知识表示的计算机模型。为了既达到设计举例的目的，又简化和缩小知识表示的范围，本例限定在以下范围：

1）滚齿机中的机械系统出现故障；

2）机械系统的故障是由于冷却站不能实现正常运行；

3）冷却站非正常运行造成功能失效，故障出在离心泵上；

4）离心泵出问题仅考虑叶轮、泵轴、机械密封、轴承等出现故障。

3.1 概念及关系的建立

为完整的呈现滚齿机故障诊断知识结构，在本体模型中，以滚齿机结构为基础，将整个故障诊断领域知识划分为故障部位S1(Hobbing_Machine)、故障现象S2(FD_Phenomenon)、故障原因S3(FD_Reason)三个概念集合，根据定义2，可形式化表示为：

FDO={H_M(S1), FD_P (S2), FD_R (S3),}

在上述每个概念集合中，由多个不同层次的概念组成，每个层次间表现为不同的关系，根据定义5，分别对各关系定义为：

如图3所示。

1）故障部位S1表示用于描述滚齿机结构的概念集合。故障部位的确定是故障诊断的基础，根据滚齿机自身的结构组成，按照自顶向下的原则，得到的滚齿机各系统、组件、部件、零件等层次结构。从逻辑关系上可将滚齿机分为机械系统和电气系统。机械系统又可分为工作台、床身、冷却站等，而离心泵、冷却油冷机等是冷却站的一个组成部分。

2）故障现象S2表示滚齿机发生故障时所表现出来的特征的概念集合。按照故障诊断现象获取的方式，可将其分为机械故障和电气故障两个子类。而机械故障现象指从诊断人员的感官出发判断故障想象，如伤痕，泄漏，噪声，异响，异味，震动，不工作等。

图3 滚齿机故障诊断概念图

3）故障原因S3表示引发滚齿机故障的可能原因的概念集合。在确定故障发生部位和故障现象的基础之上，需要进一步诊断其产生原因。可分为电气特性原因和机械特性原因两个子类。其中，电气特性原因包含压力，流量，温度等；机械特性原因包含损坏，变形，松动，移位等。

3.2 属性的建立

在实际故障诊断过程中，必须明确故障部位出现了什么现象，故障现象是什么原因造成的和故障原因存在于什么样的部位，根据上述概念集合的定义和定义3中对对象属性的定义，建立关系属性如下：

如图4所示。

图4 滚齿机故障诊断概念集合关系图

在故障诊断维修过程中，为区分滚齿机结构中各零部组件，根据定义4，现对故障部位S1(Hobbing_Machine)中的概念进行数据属性定义如下：

A1D表示零部组件的编号；A2D表示尺寸大小；

A3D表示生产厂商。

3.3 知识库的建立

根据上述分析，本例可用一个三层的网络图描述，如图5所示，该本体模型以滚齿机结构为核心，与故障现象、故障原因相关联。

图5 滚齿机故障诊断本体部分示意图

在图5中，首先建立了以滚齿机结构为核心的概念集合S1和故障现象S2、故障原因S3，并定义了相关概念和概念之间的关系R，然后确定了概念集合之间的对象属性A0和滚齿机结构中概念的数据属性AD，建立了实例I，最后结合滚齿机故障诊断经验，生成了如图虚线所示的故障诊断规则。

根据以上分析，可以明确故障诊断概念表示和关系建立的过程，本文用protégé构建的部分本体概念及其属性。而在实际系统中使用本体，需借助具体的语言进行描述。由于本体描述语言OWL DL在保证推理的完备性和可判定性的前提下，具有很强的表达能力[11]，本文的研究采用了OWL DL对本体内的概念及关系、属性进行了形式化定义和描述。根据上文中定义的部分概念、关系、属性，提取相关的OWL片段并解释如图6所示。

图6 滚齿机故障诊断本体部分OWL语言

根据图5中所建立的概念集合、属性和关系注释，可得到图6所示的OWL语言片段。片段①对应于图5中概念集合S1，且与另外两概念集合S2、S3互不兼容；片段②反映了图5中所示的关系R3，定义了S1中子类与父类的关系subClassOf；片段③描述了图5中的数据属性A120(S1,S2)；片段④描述了对象属性A3D，属性值为string。

3.4 规则的建立

规则能够提供更强的逻辑表达能力，是知识推理的依据，根据图5和图6中的基本概念和属性关系，并结合以往的故障诊断经验，可将图5中虚线所示的离心泵故障诊断用例的规则生成OWL语言，如图7所示。

在图7中，片段①建立了概念“轴承”和“损坏”之间的对象属性A310(C1114(S1),C11(S3))；片段②建立了概念“轴承”和 “缺少润滑”之间的对象属性A310(C1114(S1),C15(S3))；片段③建立了概念“离心泵”和 “噪声”之间的对象属性A0(C111(S1),C13(S2))；片段④建立了概念“离心泵”和 “震动”之间的对象属性A120(C111(S1),C14(S2))。利用上述属性，可得到规则如下：

离心泵噪声或震动是由轴承损坏或缺少润滑引起。

4 结论

本文针对复杂机电设备故障诊断困难且经验数据难以利用的问题，采用了基于本体的知识表示方法，并结合滚齿机故障诊断领域内知识进行了有效的表达。复杂机电设备非工作状态中的故障诊断存在复杂性、多样性和关联性等特点，本体模型提供了规范的术语和概念，丰富的概念间属性和关系，为其提供了理论依据，使得该领域的知识表示完备、清晰，便于理解与实现，且利于知识推理和知识共享。滚齿机故障诊断实例仿真结果表明，该方法在滚齿机故障诊断领域具有可行性，并为故障诊断智能化应用提供了一种更为有效的实现方法。

图7 滚齿机故障诊断本体部分规则

[1] He Qing,Li Xiaoqin.Management of knowledge base of expert system for fault diagnosis of rotating machinery[J].Applied Mechanics and Materials.2011,44-47:2935-2939.

[2] Chen Anhua,Jiang Lingli,Liu Yilun,Li Xuejun.Fault diagnosis expert system model based on knowledge grid[J].Yi Qi Yi Biao Xue Bao/Chinese Journal of Scientific Instrument,2009,30(11):2450-2454.

[3] Liu Bailin,Jiang Chao.A knowledge base maintenance system for fault diagnosis expert system[A].2nd International Conference on Information Science and Engineering[C].Hangzhou: IEEE,2010.21-24.

[4] Song Zhihang,Xu Xiaoli.Diagnosis Expert System Based on Inference Control[J].Microcomputer Information.2010,1(1):99-101.

[5] Hou Mingliang,Liu Yuran,Xing Shubin,Su Liyun.Study of intelligent diagnosis system for photoelectric tracking devices based on multiple knowledge representation[J].Advanced Materials Research.2011,179-180:602-607.

[6] Su Kuo-Wei,Hwang Sheue-Ling,Chou Yu-Fa.Applying knowledge structure to the usable fault diagnosis assistance system:A case study of motorcycle maintenance in Taiwan[J].Expert Systems with Applications.2006,31(2): 370-382.

[7] DORAN P,TAMMA V,LANNONE L.Ontology module extraction for ontology reuse:an ontology engineering perspective[A].Proc of ACM CIKM International Conference on Information and Knowledge Management[C].New York: ACM Press,2007:61-70.

[8] 冯志勇,李文杰,李晓红,等.本体论工程及其应用[M].北京:清华大学出版社,2007:2-3.

[9] 许楚銮,于德介,刘坚.基于本体的设备维护知识表示研究[J].计算机应用研究,2009,26(9):3242-3248.

[10] MYO N,EEPENG L,LIAN D GH.Ontology-based Web annotation framework for hyperlink structures[A].Proc of the 3rd International Conference on Web Information Systems Engineering[C].Singapore:IEEE,2002.184-193.

[11] PATEL-SCHNEIDER P F,HORROCKS I.OWL Web ontology language semantics and abstract syntax[EB/OL].[2008-04-02].http://www.w3.org/TR/owl-semantics/direct.html.