基于灰色理论的故障诊断本体建模与推理*

孙文舟 岳冬梅 石晨光 彭 亮

(1.海军大连舰艇学院研究生管理大队 大连 116018) (2.海军大连舰艇学院舰炮系 大连 116018)(3.92132部队 青岛 266000)



基于灰色理论的故障诊断本体建模与推理*

孙文舟1岳冬梅2石晨光2彭 亮3

(1.海军大连舰艇学院研究生管理大队 大连 116018) (2.海军大连舰艇学院舰炮系 大连 116018)(3.92132部队 青岛 266000)

针对故障诊断领域知识异构和故障机理复杂的问题,提出基于灰色理论的本体模型。利用SWRL规则和推理引擎在本体模型中实现灰色关联度的表达及其联接故障现象和故障原因的作用。在基于灰色理论的故障诊断本体推理机制框架下,建立了液压系统的故障诊断灰色本体模型。实例验证,该方法诊断效果良好。

本体; 灰色关联度; 故障诊断; SWRL

Class Number E92

1 引言

故障机理、故障模式和故障特性参数的表达是故障诊断研究的重难点。本体语言OWL能够较完美地定义和抽象出现实世界中的概念以及概念间的各种关系,并实现以此为基础的本体知识库的可满足性推理[1]。随着本体建模理论的成熟,基于本体的故障诊断技术被广泛应用于各类设备[2～3]。在应用本体的过程中,本体故障诊断技术在异构系统的兼容上表现出了优势,但同时也存在着不确定性知识表达的困境。OWL并不能完善地表达出现实世界中各种事物间普遍存在的因果关系,如故障的判定与推理规则。

故障诊断领域的故障现象、参数指标、故障原因之间并不是孤立的,它们之间是存在联系的,灰色系统理论中的灰色关联度来可以作为这种联系的度量。其基本思想是从随机性的时间序列中找到关联性和关联性的参数度量,以便为故障参数分析,故障原因的确定提供依据[4～5]。而灰色理论有其应用的范畴,即要求目标系统部分信息已知,同时部分信息未知。大型机电系统都一定程度上地体现着灰色的特质,所以灰色关联度分析可以用来对设备的故障诊断。

2 灰色关联度相关理论

2.1 灰色关联度分析法[6]

灰色关联度是表征两个灰色系统之间相似性的一种指标。设有两个数{Xi(t)},{Xj(t)},在t=k时刻,则其间的灰色关联度定义为

(1)

其中εij为灰色关联系数,可用式(2)计算:

(2)

Δij(k)表示k时刻两个数列的绝对差,即:

Δij(k)=|Xi(k)-Xj(k)|

(3)

Δmax,Δmin分别为各个时刻的绝对差中的最大值与最小值,ρ为分辨系数。

2.2 故障模式识别中的灰色分析法原理

设有L个典型故障,每种典型故障可以由几个特征参数构成一个特征向量。由这L个特征向量而构成一个典型故障的特征矩阵:

(4)

同理可构成待检数据特征矩X(P):

(5)

每一个特征向量都代表一种故障模式代故障诊断可归结为对待检模式进行故障模式识别的问题。在灰色诊断中可利用关联度分析来进行故障模式识别,称之为灰色故障模式识别。其基本原理如图1所示。

图1 灰色关联度识别故障模式原理图

3 基于灰色理论的故障诊断本体建模

3.1 故障诊断本体建模分析[7]

故障诊断本体一般包含系统组件、故障现象、特征参数、故障原因及排故措施五大基本要素。故障诊断本体主要建模步骤: 1) 确定模型目标和范畴; 2) 分析故障类型的故障特征、敏感参数、故障原因、排故措施,列出所有的故障知识,以其构建故障知识本体的类; 3) 确定所需建立的故障本体中的类和关系; 4) 利用相关本体开发工具建立系统故障诊断本体,获得系统故障知识的形式化表示与编码。

3.2 基于灰色理论的故障诊断本体建模分析

故障诊断就是利用已知的有限信息去揭示未知信息系统的特性、状态和发展趋势,并对未来做出预测、决策与控制。因此灰色故障诊断从灰色系统理论来看,实质上是对一个灰色系统白化的过程。系统的白化就是找出与反映系统内部联系的现象和因素等对应的某种特征量,并将其量化:然后通过信息处理、分析和系统建模,寻找其量化关系和规律;进而对未来的发展做出定量的预测、决策与控制[8]。

基于灰色理论的故障诊断本体建模需要利用本体的概念对输入的系统状态参数进行分类,区分功能参数、结构参数、响应参数三个大类,并为每个实例建立数据属性(Data Properties)。为保证故障诊断本体的准确性,选择的系统状态参数要满足具有敏感性、有效性、规律性、易测性和稳定性的要求。利用优化方法提取每种故障模式下的系统特征参数,并建立每种故障状态下的系统标准故障序列,作为本体中的标准故障实例R。

故障诊断本体要明确故障现象类,在对某类故障现象所对应的全部参数进行实时测量后,将实测参数序列P与各标准故障序列实例分别进行计算灰色关联度rij,并依各故障模式的关联度大小进行排序。由rij组成的关联度矩阵为

(6)

4 基于灰色理论的SWRL本体推理

SWRL弥补了OWL语言在推理上的不足,实现了规则与OWL本体知识库相互结合[9]。SWRL规则由head和body组成,以head表示推理结果,以body表示推理前提。在head和body中允许出现的基本成分是Atom,即其架构中所使用的Horn子句都是Atom所组成的。在head部分只允许出现一个Atom,而body部分允许出现若干个Atom。SWRL的一种表达形式为C(x),C是OWL的描述或者data range;另一种为P(x,y),P是OWL的属性而x、y可以是变量、OWL实例或OWL数据值。

计算灰色关联度需要大量计算模型的支持,仅仅具有单一的描述能力的语言是无法满足需求的。Built-in作为SWRL的模块化组件,具有强大的逻辑表达能力。用户可以在Java环境中对Built-in进行扩展,创建用户所需的逻辑公理(Axioms),在将自定义的OWL文件嵌入Built-in程序库后即可进行调用。SWRLBuiltInLibraryImpl的支持下建立故障诊断中所需的规则,其中将灰色关联度表达为Greycorrelation。HasGreycorrelation(?x,?y)表示故障x的灰色关联度为y。

表1 基于灰色理论的故障诊断领域Atom表

SWRL的本体推理需要借助SWRL规则编辑器(SWRL Editor),SWRL Editor可以让用户以Horn子句逻辑公式形式的方式来编辑SWRL规则并集成Jess规则引擎。用户可控制何时将OWL知识和SWRL规则传给Jess,何时用这些知识和规则进行推理,何时将推理的结果作为OWL知识传递会OWL Plugin。在基于灰色理论的故障诊断领域Atom(如表1所示)的支撑下,基于灰色理论的SWRL推理规则可一般性地表示为:Faults(?x)∧HasGreycorrelation(?x,?r)∧r0(?x,z)∧swrlb:greaterThanorEqual(?r,z)→Faults1(?x)。基于灰色理论的故障诊断本体推理机制框架如图2所示。

图2 基于灰色理论的故障诊断本体推理机制框架

5 故障诊断灰色本体模型实例

在整合液压系统常见故障机理后,用SWRL规则对故障诊断逻辑予以描述,建立液压系统故障诊断规则表,如表2所示。

表2 液压系统故障诊断规则

当液压系统出现故障时,在本体类中创建测试实例,将待诊参数无量纲规范化处理后输入对应的p、t、q,运行Jess规则引擎,得到推理结果为气穴故障,Axioms显示为“Cavitations(Faults1)”。

6 结语

由于设备系统故障的复杂性和多元性,本体可有效共享故障诊断知识的优势十分突出。文中将本体建模与灰色理论同时运用于故障诊断领域,取得了预期的诊断效果,说明基于灰色理论的故障诊断本体建模技术切实可行。

本文沿用邓聚龙教授的灰色关联度算法,对灰色关联度的算法进行了改进的学者,可对本文的建模方法进行相应的调整,以便各类设备故障诊断的需求。

[1] 黄勇奇.基于地理本体和SWRL规则的农业地理信息时空查询研究[M].北京:中国出版集团,2012.

[2] 张会福,狄雪兰,文宏.基于本体的转子故障诊断知识建模研究[J].中国机械工程,2011,22(21):2619-2623.

[3] 彭海仔.基于本体的输送机故障诊断方法[J].南京理工大学学报,2013,37(6):850-856.

[4] 祝海林,胡爱萍.液压系统故障诊断的灰色理论方法探讨[J].石油化工高等学校学报,1998,11(3):55-59.

[5] 高保禄,熊诗波,段江丽.灰色关联度在故障诊断系统中的应用[J].太原理工大学学报,2010,41(4):398-401.

[6] 施国洪,姚冠新.灰色系统理论在故障诊断决策中的应用[J].系统工程与理论实现,2001(4):120-123.

[7] 陈国荣,鄢萍,陈燕华.高炉故障诊断本体构建方法实证分析[J].重庆大学学报,2012,35(5):35-39.

[8] 冯辅周.军用车辆故障诊断学[M].北京:国防工业出版社,2007.

[9] O’Connor M, Knublauch H, Tu S, et al. Supporting rule system interoperability in the semantic Web with SWRL[C]//Lecture Notes in Computer Science(including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 3729: 4th International Semantic Web Conference on The Semantic Web, ISWC 2005,2005:974-986.

[10] 杨广,吴晓平.基于模糊灰色关联模型的舰船液压装置故障诊断研究[J].武汉理工大学学报,2007,31(5):788-791.

Ontology Modeling and Reasoning for Fault Diagnosis Based on Grey Theory

SUN Wenzhou1YUE Dongmei2SHI Chenguang2PENG Liang3

(1. Department of Graduate Management, Dalian Naval Academy, Dalian 116018) (2. Department of Naval Gun, Dalian Naval Academy, Dalian 116018)(3. No. 92132 Troops of PLA, Qingdao 266000)

Against the main problem of semantic heterogeneity and complicated fault mechanism, ontology model for fault diagnosis based on grey theory is mentioned. By means of SWRL rules and inference engine, the representation of grey correlation implement the connection between fault phenomenon and fault reason in the ontology model. In the framework of ontology reasoning mechanism for fault diagnosis based on grey theory, an ontology model for hydraulic system is built. The case study shows that result is satisfied.

ontology, grey correlation, fault diagnosis, SWRL

2015年2月4日,

2015年3月16日

孙文舟,男,硕士研究生,研究方向:舰载武器系统分析、论证与仿真。

E92

10.3969/j.issn1672-9730.2015.08.030