基于OWL本体和SWRL规则的导弹智能故障诊断研究

，，，

(1.空军工程大学 航空工程学院，西安 710038; 2.国防大学 联合勤务学院，北京 100858)

0 引言

随着航空装备服役环境与运行工况愈加复杂多变，其发生故障的几率逐渐增大，维护和保障费用也越来越高[1]，因此对装备系统进行准确、有效的故障诊断成为确保装备安全可靠运行，降低维护成本的重要途径[2]。目前导弹的故障诊断主要针对异常测试信号，采用传统的专家诊断系统和现场人工判断相结合的方式，但该方法存在诊断知识库不完备，知识推理不确定度大，推理速度慢、效率低等缺点，一旦推理出错，将难以实现准确的故障定位和诊断决策。因此，如何研究设计一种能够准确高效的辨识、诊断导弹故障的智能诊断系统已经得到广泛关注[3-9]。

基于FMECA(故障模式、影响、危害分析)知识工程的故障诊断是导弹维修保障的一个重要发展方向。FMECA包含导弹各组件的全部故障信息[10]，是可靠的知识源，它是在知识层面上对导弹结构和故障模式进行推理分析的一种智能诊断技术，通过采集的导弹故障信号，找出单点故障[11]，并按各故障模式对导弹造成的影响程度及其发生的概率，来确定对应故障模式危害性。但由于各个专家对导弹故障机理和规则的描述缺乏统一的术语，造成诊断知识通用性差，知识难以共享和重用。

因此，以一种新的形式体现FMECA结果，从而实现知识的共享和再使用对复杂航空装备的故障诊断具有重要意义。本体作为知识的基本元素，可进行知识的类比推理，适合描述知识库的内部单元，OWL[12]是目前国际通用的标准本体描述语言，具有较强的知识表达能力和较高的推理效率，但对于推理规则的表达却提供得远远不够[13]。语义网络规则语言SWRL[14]能利用高度抽象的语法表达OWL本体叙述的知识，且不受平台的限制，具有很强的通用性。因此，本体语言OWL和规则语言SWRL的组合运用已成为当前知识表示和推理领域的研究热点[15-17]。

针对复杂航空装备诊断知识缺乏、诊断效率低下和知识共享性差等问题，以某型红外弹为例，提出一种基于本体和规则的导弹智能故障诊断方法，以FMECA结果作为知识源，通过基于ATML语法的OWL逻辑描述语言从知识源中提取知识，并将知识以本体模型呈现，搭建诊断知识库；采用语义网络规则语言SWRL表示知识库规则，建立本体中各知识单元之间类、属性和实例的对应关系；最后通过Racer推理机对导弹知识库进行故障推理，得到了有效的故障诊断优先级，同时也实现了专家系统知识库的共享和重用。

1 导弹故障本体模型

1.1 智能故障诊断推理系统框架

由于导弹种类繁多、系统复杂，FMECA信息难以直接共享和集成，为降低导弹故障信息提取的复杂度，需要对故障信息进行规范性处理，以提高知识的重用度。本体和规则的组合运用在知识的共享和重用方面已体现出很大的优势[18]，本文基于OWL本体和SWRL规则对某型红外弹的FMECA故障信息进行描述。智能故障推理系统框架如图1所示。

图1 智能故障推理系统框架

以某型红外弹的FMECA故障信息作为知识源，确定导弹硬件的层级结构和各层级故障模式；通过protégé构建OWL本体知识库，同时解析本体中各知识单元之间概念和属性的对应关系，构建SWRL规则知识库，提取和编码不同层级结构的因果关系规则；知识库中的OWL本体库和SWRL规则库不能直接被引用，需要转换成推理机可接受的库语言，即事实库和规则库；Racer推理机在规则基础上匹配事实库，自动推理可能的故障原因，并提供对应故障发生率，通过参考推理出的故障诊断优先级完成故障的快速定位。

1.2 故障诊断知识源的选择

跟踪和定位导弹故障的前提是要有能够涵盖所有故障特点的知识源，而FMECA故障信息恰好反映了导弹故障模式的所有类及其之间的因果联系，如表1所示。导弹的某一部件可能对应多种故障模式，且各故障模式能在不同层级上对不同部件产生影响，在FMECA分析过程中，将某型红外弹的结构分为四个层级:元件级(Element)、部件级(Component)、组件级(Part)和系统级(System)。以某型红外弹制导系统中的红外探测器为例，定义整个导弹层级结构如图2所示。

表1 FMECA报告

图2 导弹的层级结构

当某一层级上的部件出现故障时，产生的故障影响将会从低层级向高层级纵向传播，同一层级的部件故障也会横向传播。不同层级故障模式、影响、原因的传播关系如图3所示。在FMECA知识架构中，每一层级的故障模式、故障影响、故障原因都有着对应的关系：低层级中的某种故障模式是高一层级某些故障模式产生的原因，低层级中某种故障模式产生的高级影响是触发高一层级的某种故障模式。FMECA的知识架构较好地反映了故障层级间的联系，适合作为导弹故障诊断的知识库。

2 导弹故障本体建模

导弹故障诊断领域本体是整个智能系统的概念基础，是规则构建的前提。鉴于篇幅的局限性，本文构建的本体主要从某型红外弹制导系统入手。

图3 相邻层级FMECA传播关系

2.1 本体概念的定义

制导系统是导弹故障发生率最高的系统[19]，制导系统故障的出现会严重影响导弹的安全稳定和作战性能。在定义制导系统本体概念时，从其主要的硬件组成出发，采用由顶向下法[20]建立制导系统的概念层次。本体的概念通常也被称为类，以图2定义的某型导弹制导系统层级结构为依据，将FMECA报告中的制导系统部件名称分为计算机、导引头、作动装置、操纵面4个类，各类中又包含各个子类。具体的分类如图4所示。

2.2 FMECA本体对象属性构建

作为本体模型的重要组成部分，对象属性(Object property)用一组谓词形式定义本体类(Class)之间的内在联系。针对导弹这一研究对象，其对象属性主要根据导弹的故障信号来建立各失效层级的隶属关系，SWRL故障诊断规则的属性以M(x,y)定义，其中M代表各失效层级隶属关系的谓词，x和y是两个变量，代表的不同的类(Class)。例如，为了描述本体类型中类别A与类别B的从属关系，用谓词BelongsTo来定义表示类别A是类别B的一个子类，即BelongsTo(A,B)。所有的对象属性如表2所示。

图4 制导系统类层次分类

2.3 FMECA规则构建

SWRL语义网络规则语言能在OWL本体描述语言的基础上，高度抽象的表示FMECA本体知识库规则，通过XML编码嵌入到OWL文本中，以此方便计算机识别，具有很强的通用性。在OWL中，也可以通过不断嵌套子类及通过对象属性来表示规则，但对于复杂系统而言，SWRL能够依据OWL类和属性对诊断规则进行更为清晰准确的描述，具有强大的推理能力。例如:

FailureMode(?x)^hasHappened(?x,true)^Sytem(?y)^Fail-ureMode(?y)^HigherInfluenceIs(?y,?x)→hasHapened(?y,true)^PartLevelCauseIs(?x,?y)

表2 FMECA本体对象属性

表3 FMECA本体SWRL规则

上述规则表示的语义是:

If

FailureMode(?x)^hasHappened(?x,true)

//当故障模式x发生

Sytem(?y)^Fail-ureMode(?y)

//故障模式y属于系统层级

HigherInfluenceIs(?y,?x)

//故障模式y的高一层级故障影响是x

Then

If

hasHapened(?y,true)

//当故障模式y发生

Then

PartLevelCauseIs(?x,?y)

//故障模式x的组件级故障原因是y

End

SWRL具体规则表示如表3所示。

3 基于本体和规则的导弹故障推理实现

通过查阅某型红外弹的FMECA故障研究报告，该型导弹制导系统常见故障模式有32种。以OWL语言作为故障知识的描述语言，以SWRL语言作为故障规则的构建语言，通过Protégé软件搭建某型红外弹智能故障诊断系统平台，其本体模型如图5所示。模型中建立故障模式、故障原因、故障影响、导弹部件、故障检测方法、维修策略六个大类，各类再划分为各个子类，添加对应子类的实例(Instances)，通过对象属性建立类与类之间的联系，并根据数据类型属性添加各实例数据类型。以故障模式中的杜瓦故障为例，杜瓦损坏属于(BelongsTo)红外探测器故障模式，属于(BelongsTo)导引头故障模式，属于(BelongsTo)制导系统故障模式。FMECA类关系描述如6图示。

图5 某型红外弹本体模型

图6 基于OWL本体的FMECA类关系描述

以导弹红外探测器中的光敏电阻故障为例，图7反映出了光敏电阻在故障出现时产生的本级影响、高一层级影响和末端层级影响的关系图。Racer推理机采用的是由上至下的故障搜索定位法，通过已建立的FMECA类关系，当采集到的导弹电信号异常时，推理出导弹某一故障模式发生时，各种可能的故障原因及其概率，从而找到最优的诊断顺序，减少故障排查的步骤和时间，从而实现故障的快速定位。以导弹红外探测器故障报警为例，Racer推理机推理出的各故障原因所占概率权重和FMECA实际故障结果如表4所示。

图7 光敏电阻故障时的类关系描述

表4 红外探测器故障数据

对各故障原因的故障失效比从大到小排序，可获取最优的诊断顺序。从Racer推理机推理结果可以看出，斯特林制冷机作为该型红外探测器关键组件，其内部组件发生故障是导致红外探测器故障报警的主要原因，由斯特林制冷机造成的红外探测器失效的故障失效比高达46.91%，且与FMECA的50.02%实际结果基本相吻合。且根据推理诊断优先级可得，氦气泄漏、推移活塞磨损和粉尘污染是在开展故障定位的最优诊断路径。因此，在部队导弹日常维护过程中，对斯特林制冷机内部重要部件进行及时有效的检测是提升导弹红外探测器工作可靠性的重要途径。

将上述红外探测器故障报警时的推理结果与FMECA实际结果进行对比，发现Racer推理机推理结果与FMECA实际结果基本相符合，可见采用基于本体和规则的导弹智能诊断方法可以减少导弹的故障排查步骤，从而实现对故障原因的快速定位。此外，通过OWL本体描述语言和SWRL规则描述语言对FMECA结果进行规范性处理，实现了知识的共享和重用。

4 结论

针对复杂航空装备诊断知识缺乏、故障定位效率低、知识重用和共享性差等问题，以某型红外弹为例，提出一种基于OWL本体和SWRL规则的导弹智能故障诊断方法。通过提取FMECA知识，构建了导弹的OWL本体模型，实现了故障模式和故障原因本体之间的映射，采用语义网络规则语言SWRL描述知识库规则，建立了本体知识单元之间类、属性和实例的对应关系，解决了现有的复杂航空装备故障诊断系统缺乏自动语义推理的问题。推理结果表明,该方法有效解决了复杂航空装备故障诊断系统中的知识表示困难和知识共享重用性差的问题，获得了最优的故障诊断路径并减少了故障排查的步骤，实现了故障原因的快速定位，提高了现有复杂航空装备专家诊断系统的诊断效率和能力。