压制观瞄装置故障诊断专家系统设计*

李英顺， 陶加云， 赵玉鑫， 王德彪

(1.沈阳工业大学 化工过程自动化学院,辽宁 辽阳 111003；2.沈阳工业大学 信息科学与工程学院,辽宁 沈阳 110870)



压制观瞄装置故障诊断专家系统设计*

李英顺1， 陶加云2， 赵玉鑫1， 王德彪1

(1.沈阳工业大学 化工过程自动化学院,辽宁 辽阳 111003；2.沈阳工业大学 信息科学与工程学院,辽宁 沈阳 110870)

针对单一依靠人工检修压制观瞄装置而导致的效率低下的问题，提出一种压制观瞄装置故障诊断专家系统。采用基于粗糙集理论的改进可区别矩阵(IDM)属性约简算法和建立故障树的方式来实现专家系统的知识获取，解决专家系统知识获取的瓶颈问题；提出一种改进的正向推理算法来设计专家系统的推理机，使得推理过程更加直观高效。实际诊断结果表明：此故障诊断专家系统能够快速、准确地对故障部位做出判断，并能给出故障原因和相应的维修建议，进而证明了该故障诊断专家系统设计的可靠性。

故障诊断专家系统； 改进可区别矩阵算法； 故障树； 改进正向推理算法

0　引　言

压制观瞄装置是一套集光、机、电于一体的系统，工艺流程和运行机理都较为复杂。故障发生后的原因查找和对具体故障部位的定位仍然依靠维修人员来分析，因而在快速性和准确性上受限于维修人员经验水平。因此，需要开发一套实时的故障诊断专家系统，快速检测出具体故障部位并分析出故障原因，以供维修人员参考。

故障诊断专家系统是一种智能计算机程序系统，其内部包含大量某一领域专家的理论与经验知识，能够模仿该领域内的专家来解决相关问题。专家系统目前在故障诊断领域有着广泛的应用，如NASA与MIT公司合作研制的用于检测动力系统故障的专家系统、美军研制的用于某型战斗机的发动机故障诊断专家系统等，国内的电力、机械和石化等许多领域也都运用到了故障诊断专家系统[1]。

在设计故障诊断专家系统的过程中，知识获取和推理机一直都是两个最重要的环节，其直接影响到故障诊断专家系统设计的好坏[2]。其中，知识获取是故障诊断专家系统的瓶颈问题[3]。在深入研究压制观瞄装置故障机理的基础上采用基于粗糙集理论的改进可区别矩阵(improved discernibility matrix,IDM)属性约简算法，运用其和已建立的压制观瞄装置故障树相结合来解决这一瓶颈问题。将通过IDM改进属性约简算法和故障树得到的规则知识存入知识库中，从而建立压制观瞄装置故障诊断专家系统知识库。正向推理策略都是用规则去匹配变化着的事实，因而匹配效率低，占用的空间大。本文提出一种改进的正向推理算法来设计推理机，以事实匹配知识库内的规则既缩短了匹配时间，提高了压制观瞄装置故障诊断专家系统的诊断效率，又使得推理过程更加直观。

1　压制观瞄装置故障诊断专家系统的构造

压制观瞄装置故障诊断专家系统主要由知识获取、知识库、数据库、推理机、人机操作界面这五大模块组成，其结构框图如图1所示。

图1　诊断结构框图Fig 1　Block diagram of diagnosis structure

2　故障树顶事件的获取

2.1顶事件的获取过程

深入分析压制观瞄装置的运行机理，并在大量实验的基础之上，结合其历史故障信息，建立了压制观瞄装置故障诊断决策表，其部分数据如表1所示。其中，条件属性C={C1,C2,C3,C4,C5,C6}={YG方位角速度，YG俯仰角速度，YG方位加矩，YG俯仰加矩，YG方位电机电压，YG俯仰电机电压}，决属性值P={A,B,C}={车长操纵台故障，YG随动转台方位力矩电机故障，YG随动转台俯仰力矩电机故障}，条件属性值Q={L,R,H}={低，正常，高}。由表1的诊断决策表得到的DM如表2所示。

表1　压制观瞄装置故障诊断决策表

表2　可区别矩阵

采用基于粗糙集理论的改进IDM属性约简算法[4]来对诊断决策表中的条件属性进行约简，具体实施步骤及对应的结果如下：

1) 在表2所示的DM中选择长度为1(只包含1个条件属性) 的元素加入到核属性CORE中，令约简后的条件属性RED=CORE。此时，RED=CORE={ac},剔除DM中与RED交集不为空集的元素，得到过滤矩阵Q(S)′。

2) 计算Q(S)′中的每一条件属性的频率重要度SGF(ek)，按SGF(ek)的数值从大到小排列ek，并将最大的ek添加到RED中。频率重要度函数为

(1)

式中l为条件属性e在过滤矩阵Q(S)′中出现的次数，a为e所在元素中条件属性的个数。由式(1)可知相应的频率重要度为:SGF(b)=0.5,SGF(d)=0.5,此时，

RED={abcd}。

3)如果RED与过滤矩阵Q(S)′中的每一元素都没有交集，算法终止；否则,转向步骤(2)。由步骤(2)和步骤(3)对应的结果可知，无须转向步骤(2)，算法终止。

4)RED={abcd},即为诊断决策表约简过后的条件属性。采用属性值约简算法对约简过后的条件属性的属性值和决策属性的属性值进行约简，得到如表3所示的最终约简表。表中的“-”号代表需要去除的条件属性的属性值。

表3　最终约简表

由表3可推导出如下规则：

1)If(YG俯仰角速度正常andYG俯仰加矩正常)Then(YG分系统方位转动机构中的YG随动转台方位力矩电机故障)

2)If(YG方位角速度正常andYG俯仰角速度低andYG方位加矩正常andYG俯仰加矩正常)Then(YG分系统俯仰转动机构中的YG随动转台俯仰力矩电机故障)

3)If(YG方位角速度正常andYG俯仰角速度低andYG方位加矩正常andYG俯仰加矩低)Then(YG分系统俯仰转动机构中的车长操纵台故障)

2.2诊断规则的检测

VC++编程得到“改进IDM知识获取管理”界面。点击界面中的“提取知识”按钮，可以实现对规则知识的获取；点击“存取规则”按钮，便可将获取的规则知识存入到专家系统规则知识库中；点击“删除”按钮，可以实现对具有等价、冗余、从属性质的规则的检测与处理。规则的结论部分对应着故障树的顶事件，此时，能够保证系统选择某一具体的故障树进行下一步操作，无需查找所有的故障树，在一定程度上节约了诊断时间。

3　基于故障树的知识获取

建立故障树是设备故障诊断过程中的常用手段之一。故障树是指以出现的故障为起点，逐级分析故障产生的原因，并且用规范的符号将故障现象和各级故障原因连接而成的因果关系图[5,6]。在故障树已建立的基础上可以采用故障树分析法[7]对故障树进行自顶而下的分析。故障树分析法是一种层次感强，因果关系明确的一种故障推理方法，采用它从故障树的顶事件出发，逐级向下分析，找出故障发生的所有底事件(故障原因)，亦即所有最小割集。每一最小割集对应一种失效形式，代表一条产生式规则。

3.1故障树的建立

深入分析压制观瞄装置的运行机理和故障特点，明确车长镜分系统转动机构、YG分系统转动机构、YG分系统供电机构以及YG分系统方位加矩机构是压制观瞄装置能够正常工作的关键分系统，以它们作为故障树的顶事件，建立起压制管瞄装置分系统故障树。因篇幅限制，现仅以YG分系统方位加矩机构故障为例，建立的故障树如图2所示。VC++编程得到“故障树知识获取管理界面”。点击界面中的“清空规则”按钮，可以清空条件表、结论表和规则表；点击“存取规则”按钮，可实现对条件表、结论表及规则表的存储；点击“插入”按钮，可以插入新的故障信息。

图2　YG分系统方位加矩机构故障树Fig 2　Azimuth moment fault tree of YG subsystem

3.2基于故障树的知识表示

以产生式规则[8]表示法为例，对所有的规则采用“If(P)Then(C)”的表达方式，其中，P为产生式规则的条件，C为当P所代表的条件都与事实匹配成功时而产生的结论，本文的规则都是由故障树中的最小割集转化而来的，每一个最小割集对应着一种规则。

4　知识库的建立

采用Access2000数据库来将故障树转化而来的规则知识存入专家系统知识库中。这里的知识库主要由条件表、结论表、规则表、解释表四个部分组成。条件表用来存放规则对应的条件，由“规则号”、“故障部位”、“条件”和“条件匹配标号”这四个字段组成。

5　推理机的设计

推理机[9]作为专家系统的组织控制结构，用于连接事实库内的事实和知识库内的规则，是专家系统的关键部分[10]。基于规则的正向推理策略的推理过程比较直观，易于人们接受。但在用规则去搜索事实的过程中，做了很多不必要的匹配工作，在一定程度上降低了推理机的推理效率。本文在此基础上提出了一种改进的正向推理算法去设计推理机，以事实去匹配知识库中的规则。该算法在匹配过程中，已匹配规则表里的规则无需再进行匹配，只需要用事实库里新增加的事实去匹配没有匹配成功的规则，减少了没有必要的操作，从而提高了推理效率。

改进正向推理算法的基本实施步骤如下：

1) 从规则表中取出一条规则，利用采集来的事实去匹配规则中的条件，若这些事实包含当前规则的所有条件，则说明匹配成功，将此规则所对应的结论添加到事实表中，并删除此规则。利用上述方法，从第一条规则开始，重新进行匹配；若这些事实不包含此规则的所有条件，则说明匹配失败，需要取下一条规则重新匹配。

2) 当规则表中的所有规则都匹配一遍了，则说明已经完成推理。

3) 对规则表进行初始化处理。

4) 从数据库中取出所有事实并查找是否有最终结论，若有，则推理结束；否则就需添加新的事实重新进行匹配。

改进的正向推理算法流程图如图3所示。

6　诊断推理实例与过程

现以对“YG分系统方位加矩角速度的实际值低于理论值”这一现象的故障诊断为实例，诊断推理结果如图4所示，诊断推理时刻表如表4所示。

表4中的“A”～“G”分别代表车长方位角速度、车长俯仰角速度、YG方位角速度、YG俯仰角速度、400Hz激磁电压、YG方位加矩、YG俯仰加矩，“A”～“G”的下方数值为采样值，“sj”代表诊断推理时刻。

图3　改进的正向推理算法流程图Fig 3　Flow chart of improved forward reasoning algorithm

图4　诊断推理结果Fig 4　Result of diagnosing and reasoning

ABCDEFGsj4.7615.68.536.70.792015-06-0810:37:174.7615.68.536.70.792015-06-0810:37:184.7615.68.536.70.792015-06-0810:37:194.7615.68.536.70.792015-06-0810:37:20

7　实例结果分析

系统运行后给出了故障部位(故障树的顶事件)、结论和维修建议，并且对诊断推理过程做出了合理解释。后期经过专家系统对故障的反复测试实验，并且和人工诊断作对比，准确率高达93 %。整个诊断推理过程只需4s时间，体现了此故障诊断专家系统诊断推理的高效性，可以用于指导检修人员工作。

8　结束语

采用基于粗糙集理论的IDM属性属性约简算法和建立的压制观瞄装置故障树来解决专家系统知识获取难的问题。利用基于粗糙集理论的IDM属性约简算法导出故障树的顶事件，在此基础上,利用已建立的压制观瞄装置故障树及其分析法找出了故障发生的所有最小割集，亦即所有的具体故障原因。提出一种改进的正向推理算法来设计推理机，以事实去匹配规则，在一定程度上提高了专家系统的推理效率。实际应用结果表明：开发出的压制观瞄装置故障诊断专家系统能够对故障做出快速、准确的判断。今后将在系统的运行中进一步完善故障诊断专家系统软件的知识库，优化推理机制，从而更好地达到提高诊断推理效果和系统性能的目的。

[1]李英顺，姜双双，佟维妍，等.基于RETE及FTA的故障诊断专家系统在综合传动装置中的应用研究[J].制造业自动化，2013,35(8):146-150.

[2]姚金国，代志龙.基于文本分析的知识获取系统设计与实现[J].计算机工程，2011,37(2):157-159.

[3]张艳.基于粗糙集的启发式高效属性约简算法的研究[D].长沙：中南林业科技大学,2013.

[4]苏键，陈玉强，陈军伟，等.基于故障树分析的火控系统故障诊断专家系统设计[J].计算机测量与控制，2013,21(11):3008-3010,3020.

[5]杨盛泉，刘萍萍，李宝敏，等.基于故障树的梭式窑故障诊断专家系统[J].计算机应用研究，2008,25(11):3401-3403.

[6]GaborRebner,EkaterinaAuer,WolframLuther.AverifiedrealizationofaDempster-Shaferbasedfaulttreeanalysis[J].Computing,2012,94(2-4):313-324.

[7]李英顺，姜双双，佟维妍.基于RST及FTA的综合传动装置故障诊断专家系统的应用[J].组合机床与自动化加工技术，2014,60(4):60-63.

[8]PanagisMagdalinos,ApostolosKousaridas,PanagiotisSpapis.Enhancingafuzzylogicinferenceenginethroughmachinelearningforaself-managednetwork[J].MobileNetworksandApplications,2011,16(4):475-489.

[9]万其，吴燕，陈桂.雷达伺服系统的专家故障诊断技术[J].现代雷达，2007,29(8):86-88.

Design of fault diagnosis expert system for suppress sighting device*

LI Ying-shun1, TAO Jia-yun2, ZHAO Yu-xin1, WANG De-biao1

(1.School of Chemical Process and Automation,Shenyang University of Technology,Liaoyang 111003,China;2.School of Information Science and Engineering,Shenyang University of Technology,Shenyang 110870,China)

Aiming at problem of low efficiency caused by relying on manual maintenance only while repairing suppress sighting device,a fault diagnosis expert system is proposed.The improved discernibility matrix(IDM) attribute reduction algorithm based on rough set theory and fault tree is used to achieve knowledge acquisition of expert system,the improved forward reasoning algorithm is put forward to design reasoning machine of expert system.The results show that this fault diagnosis expert system can make the right judgments on the fault very quickly,it can also give the reason and advice to the failures,and thus proves reliability of the design of fault diagnosis expert system.

fault diagnosis expert system; improved discernibility matrix(IDM) algorithm; fault tree; improved forward reasoning algorithm

2015—11—02

辽宁省自然科学基金资助项目(2014020115)；辽宁省教育厅科学技术研究项目(L2012031)

TP 182

A

1000—9787(2016)08—0111—04

李英顺(1971-)，女，朝鲜族，辽宁抚顺人，博士，教授，主要研究领域为故障诊断专家系统、智能控制。

DOI:10.13873/J.1000—9787(2016)08—0111—04