基于逻辑判断的智能故障专家系统的设计

龚小立，李钊，李强

（中国电子科技集团公司第29 研究所，四川成都，610036）

0 引言

随着某机载设备逐渐成为用户的对抗利器，设备的使用强度逐渐增加，设备的复杂性对维护人员的要求越来越高，由于维护人员对系统的熟悉程度差别较大，还不能根据自检结果对设备进行准确的故障定位，设计出故障诊断[1]专家系统非常必要。本文根据作者多年的系统调试和外场保障经验，以设备的系统工作原理为基础，采用Delphi 软件开发环境，利用SQL server 作为后台数据库，根据用户的特点，基于系统的信号流向、故障现象和自检结果，建立利用系统自检结果和故障现象对设备故障诊断的专家系统。

1 专家系统的作用和目标

目前，设备维护人员的流动性比较大，很难做到知识传承，仅仅依靠所内提供的维护手册和典型故障维护手册，信息不够完善，在遇到故障后需要通过多层沟通和人员调度，加上设备属于内装设备，维护工作具有特殊性，外场排故有效工作时间仅为两小时/天，短期内做到故障排除非常困难。作者设计故障诊断专家系统是为了帮助维护人员用专家的思维方式和操作方法快速、有效地排除故障，使设备达到最佳使用效果。该专家系统还可以根据维护人员工作流程，进行工作提示，有效完善工艺流程，专家系统运行流程如图1 所示。

图1 专家系统运行流程图

故障诊断专家系统的目标是要建立智能的、能动的辅助决策系统，使每次故障诊断都是一个学习的过程，提高维护人员对设备的快速使用能力和维护保障能力。

故障诊断专家系统的典型功能：如设备报故后，能根据维护人员输入的故障现象和故障代码，直接得到该故障涉及的分机和连接器件的排除方法及处理方式，如故障分机、连接器件的返修方式及现场处理等。

该系统的建立，可以使一个简单的故障现象提升为智能的、能动的排故过程，而专家系统的设计质量和知识库的健全与否，直接关系到维护人员的排故能力和排故效率，它的应用对设备质量也有一定提高。

2 故障诊断专家系统的结构

结合知识表示模型和推理机制的特点，采用以数据库为主体的构造模式，来完成专家系统的的功能。专家系统应包括以下组成部分：数据库，知识库，推理机，知识获取部分、解释部分和人机交互[2]界面，专家系统结构图如图2 所示。

图2 专家系统结构图

数据库：对于在线监视或诊断系统，数据库的内容是实时检测到的工作状态数据；对于离线诊断，数据库内容可以是自动性能检测时的数据，也可以是认为的检测数据的一些特征数据。即存放推理过程中所需要和产生的各种信息。外场专家系统是采用的离线诊断模式，也就是使用者根据航电显示系统所给出的检测结果和自检代码作为数据库。

知识库：专家库存放的知识包括系统的工作原理，反映系统信号流程的结构知识；包括设备的安装位置和接口关系，指出设备交联情况；还包括故障实例子，供使用者排故参考。知识库是通过设备设计师的分析评判，是领域知识的集合。

推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断结果，是诊断系统的结构控制机构。通过规则库存放的一组组规则，反映系统的因果关系，用来故障推理，该系统主要以反向推理为主的混合推理，采用广度优先搜索，通过逐步与用户交互获得信息，运用知识规则和故障树，最终对故障进行定位。

人机交互界面：界面是使用者与专家系统交流的媒介，进行数据、信息、或命令的输入、结果的输出和信息的显示。界面还增加对问题的求解策略进行必要的解释和说明，减少使用者记忆负担，帮助使用者了解设备。

3 故障专家系统的设计

3.1 知识规则库的建立

专家系统的设计是否成功，关键在于知识库的建立，知识库用于存放专门的知识，它包括设备数据的参数、以往设备故障的案例和各种规则、经过生产验证过的知识、经过了系统设计师的分析评判，是诊断系统的核心部分；知识库中拥有知识的数量和质量，推理规则以及所采用的知识表示法成为了该专家系统的系统性能和问题求解能力的关键因素，知识库的建立就是将系统知识，经验，案例等转换为一种特定的计算机表示形式。本文利用故障树分析法将内容丰富且复杂的故障诊断知识建成故障树，然后分析各故障现象和原因之间的关系，将其反映到规则中。故障树分析法是将系统最不希望发生的故障作为分析的目标，找出引起这一故障发生的全部因素，在找出引起下一级事件发生的全部直接因素，直至追查到最原始的故障机理或者不必再深究的因数为止。把最不希望发生的故障作为顶事件，介于顶，底之间的中间事件，用适当的逻辑门事件，中间事件连接成树形图，这样的树形图称为故障树，故障树以清晰的图形表达了系统的内在联系和逻辑关系。从故障树的顶端向下分析，就可以找出系统故障和哪些模块的状态有关系，全面弄清系统故障的原因和部位。如果由故障树的底端，即各个事件往上追溯，则可分辨模块对系统故障的影响及其传播途径，下面就以设备前右接收机自检中可能发生的故障为例，建立故障树，如图3 所示。

图3 典型故障树示意图

3.2 推理机的实现

本系统是采用Delphi 语言[3]作为应用程序开发语言，数据库采用SQL server[4]作为基本事实数据库，通过Delphi 编程对系统中的数据库进行访问，对故障进行判断，推理，从而对故障进行定位。

我们可以通过外场的故障信息收集，通过积累遇到的自检故障，把这些故障案例录入到数据库中，数据库越丰富，系统的故障诊断率就越高，对故障的定位就越准确。

推理策略在一定程度上决定了系统的运行效率和结果的准确性，通过模拟专家求解的思维过程，控制知识库、数据库对问题求解的执行。

推理机在考虑使用者知识水平的前提下选择基于数据驱动的反向推理为主，由已知的事实出发向结论方向推理，即从已知的故障现象出发，反向使用规则，进而推理得出故障原因。该专家系统采用广度优先搜索。它的大体过程是：从用户提供的初始已知故障现象出发，在知识库中找到当前可适用的的知识进行推理，通过逐步与使用者信息交互，将得出的新事实加入到数据库作为下一步推理已知事实，在此之后再在知识库中选取可用的知识进行推理，与规则进行匹配，直到得出的结论再也不能进行匹配，即得出最后的诊断结果。

推理机与知识库相辅相成，密切相关，推理机的性能与构造与知识的表示方式，以及组织方式有关，但与知识的内容无关，这有利于推理机和知识库的相对独立。当知识库变化时，无须修改推理机，知识和推理的分离，使系统有更好的灵活性和可扩充性。

3.3 解释机的实现

解释机的好坏决定了它是否透明，是否能被使用者信赖。解释机负责跟踪和记录推理过程，向使用者有条理、按规则被触发的先后次序解释各种问题，包括解释释诊断结果如何得出。作者采用宽度优先的搜索策略，在结论集中依次查找其中每一条结论事实作为结论被触发且该结论事实单条规则可信度大于某个门槛值的规则，即取这些规则的编号，形成规则编号集。然后再提出这些规则的前提事实来代替原来的待求证结论集，从而形成新的待求证结论事实集。再在规则表中进行下一次查找，遇到满足条件的规则，则将其编号添入规则编号集，循环直到最后的待求证结论事实集全是已知事实为止。最后输出时用一个循环语句从后到前输出其规则编号，代表了诊断的流程，即完成解释功能。

4 故障诊断专家系统的运行

本专家系统具有良好的用户交互界面，操作简单，下面以设备前右接收机自检中发生的故障为例介绍专家系统的运行过程，双击图标进入系统，启动界面如图4 所示，然后输入故障代码和航电显示的故障现象，通过界面提示，进行实际操作，并将操作结果反馈在专家系统上，直到操作不能再进行为止，点击确定得到最终诊断结果。使用者还可以点击原理，得出专业的讲解，避免出现一个故障多个解释的现象，操作界面如图5 所示。

图4 故障诊断专家系统启动界面

图5 故障诊断专家系统操作界面

5 结论

本专家系统从解决设备使用过程中的故障出发，以实际应用为目的，对设备专家系统的各项技术和方法进行了一定研究，通过专家系统的建设为外场排故提供一种自动的和智能化的先进手段，改变现有常规的排故方式，使故障能快速、有效的定位和排除，对提高使用者的技术水平也有一定帮助，为以后开发同类专家系统提供了一定的理论和实践基础。

专家系统目前还处于调试运行状态，在后续工作中，作者将加强专家系统的验证工作，对专家系统的管理功能进行优化，增加故障返修率统计分析和设备档案管理，使专家系统能更好的服务顾客，有效提升设备的使用效率。