基于CBR、RBR和KBG的闸门启闭机故障应急处理决策方法

张 涛，万名炎，胡剑杰，彭康迪

（1.武汉大学动力与机械学院，湖北武汉 430072；2.湖北咸宁三合机电股份有限公司，湖北咸宁 437000；3.长江水利委员会设计院，湖北武汉 430010；4.湖北省电力装备有限公司，湖北武汉 430030）

智能启闭机是将设备在线状态监测、故障诊断、应急处理、运行监控等功能与环境状态高度融合的水工闸门智能控制或驱动系统，是启闭机与智能监控系统的有机体。当环境状态和设备故障确定后，及时做出应急决策，是保障启闭机能安全运行的关键[1]。启闭机运行过程中应急决策的影响因素十分复杂，基于实例推理（Case-Based Reasoning,CBR）和基于规则（Rule-Based Reasoning,RBR）的混合决策进行求解，可克服传统专家系统知识表达和推理困难等问题，有效提高求解效率[2-4]，但启闭机运行过程中的故障应急决策过程高度复杂，求解过程中也很难全部抽象出形式化的规则，有时甚至找不到适用的应急处理实例解[5-6]，而故障的突发性和动态性，又需要决策者快速制订应急决策方案[7-8]；虽然传统基于知识导航（Knowledge-Based Guiding，KBG）的求解策略可通过抽象化的元规则引导系统按决策流程快速求解，但由于早期数据库容量和数据挖掘技术的限制，该方法运用知识和规则的能力弱[9]。而近些年随着大数据和人工智能技术的兴起，海量数据的收集、清洗、存储以及基于海量数据的规则推理等技术均得到了提升，使得KBG方法重新成为研究热点[10-11]。而将CBR、RBR 与KBG 相结合，则有望提高智能启闭机运行应急处理决策求解的即时性和准确性。

1 实例库构建

CBR 求解策略的重点是建立分类准确、特征鲜明、语义清晰的案例库[2]。首先，通过故障分类索引树来组织实例（如图1 所示），并且实例属性（故障特征）采用数量型；然后，通过三元组来描述故障特征属性，即问题P（Problem）、解S（Solution）、效果O（Outcome）。P 是对故障特征属性的简要描述（如电流、电压、振幅、噪声、温度、应力等偏离正常范围值大小），是实例检索的依据，S 是故障应急处理的方法，O 是故障应急处理后的效果，分别对其进行权重赋值[12]；接着，采用最近邻索引(Nearest Neighbor Algorithm)和模板检索(Template Retrieval)相结合的方法，在保证检索效率的前提下最大限度提高案例的匹配度[13-14]，并根据实际需求修改检索到的案例；最后，在实例库中保存问题解决方案，作为新的实例。

图1 启闭机应急处理方案实例库组织

2 决策知识库构建

决策知识库是KBG 和RBR 决策求解的基础，闸门启闭机故障应急处理决策规则库主要由元规则和领域规则组成[15]。

元规则是基于实例、规则、数据等复合知识的、高度抽象化的规则，用于KBG 应急处理决策的全过程；主要包括故障特征属性权重规则、应急处理决策控制流程及其节点迁移机制、应急处理规则调用方法、应急方案优选规则、阈值规则、评价规则等。采用元规则子集中的求解控制流程和评价机制，可动态、灵活地引导系统进行启闭机应急方案的选择。其中，故障特征属性权重选取基于归一化后的特征向量之间的“最短欧氏距离”原则[16]；而通过元规则控制的节点迁移和路径回溯则保证了求解的灵活性，应急处理决策流程及节点迁移机制如图2 所示。

图2 应急处理决策流程及节点迁移机制

RBR 与KBG 集成不需要检索实例,而是运用过程或子过程及其步骤节点迁移机制取代了CBR 中的推理机[15],且导航设计过程或子过程步骤节点完全可与实例修改过程或子过程步骤节点一致。

2）领域规则

用于规则推理，确定故障类型、分析故障原因。主要指由闸门启闭机应急处理领域知识形式化规则，如电动机电流控制规则、减速器齿轮失效（磨损、点蚀、断齿）处理规则、钢丝绳过载处理规则、制动器失效处理规则等。

3 混合求解策略

传统基于知识导航（KBG）的求解策略是通过收集尽可能详尽的系统运行状态数据、案例知识、规则知识以及经验知识等，制定应急处置策略[15]。但KBG 求解策略对经验知识依赖程度高，对案例知识和规则的运用能力较弱，导致应急处理过程周期较长。为解决这一问题，需要与CBR、RBR、KBG 方法相结合，借助大数据技术将相关数据和知识形成数字化的数据系统，并依靠人工智能技术快速科学地制订应急预案，提高应急处理的质量和效率。混合求解的基本思路如下：

工况I：基于CBR 方法，通过实例检索比对，在阈值满足的条件下，通过实例库直接输出应急处理方案；

工况II：若工况I不满足，则需要降低阈值寻找相似解，以确定故障类型，再由RBR 基于规则推理分析故障原因，最后对现有应急处理方案进行修改和优化；

工况Ⅲ：若工况I、II 均不满足，则需要运用KBG方法，基于元规则确定故障特征属性权重和阈值以寻找相似解，再通过RBR 基于领域规则确定故障类型，分析故障原因，然后调用相似应急处理方案，选择相应的子流程或利用节点迁移机制和规则调用机制分析故障原因，最后根据故障原因结合相应规则知识形成新的应急处理方案，并将经过检验和评价的新应急防范储存在实例库，实现实例库的自我学习和动态更新，混合求解策略流程如图3 所示。

图3 启闭机应急处理决策混合求解流程

以卷扬固定式启闭机上的电磁制动器故障应急处理流程为例，对混合求解策略进行进一步阐述[3]：

2.设置悬念开头。这种开头可激发读者的阅读兴趣和启发读者思考，产生一种非读下去不可的欲望。《白杨礼赞》开头：“白杨树实在是不平凡的……”白杨树是常见的树，一般的树，作者为什么要说它不平凡?读者自然想知道其中缘由。《枣核》开头：“动身访美之前……”小小枣核，却要从中国带到美国去，而且还写航空信来托付，怎能不使人感到蹊跷?名篇《荔枝蜜》也是属于这种写法。

1）输入故障特征参数（如断电时闸门下落速度、通电时制动瓦松闸速度、工作时振动和噪声率等）；

2）运用领域规则判断故障类型（如制动瓦不抱闸、制动瓦不松闸、制动器振动大等）；

3）根据故障类型，选择相应的子流程（如制动瓦不抱闸应急处理子流程由制动瓦间隙检测、衔铁行程检测、衔铁和铁芯结合面检查、制动表面油污检查、电磁线圈检查、电源电压检测、磁路油污及剩磁等组成），分析故障原因；

4）根据故障原因、领域规则、评价规则等做出相应的应急处理决策方案（如按照检修操作规程调整制动瓦间隙、调整电磁铁行程、改善衔铁和铁芯结合面或更换电磁铁、清除制动表面油污、更换电磁线圈、调整电源电压、清理磁路油污、消除剩磁等），并实现方案的优化。

4 系统实现

基于混合求解策略的需求和原理，对闸门启闭机智能监控系统的功能进行了扩充，扩充后的系统结构如图4 所示。监控系统依然分为感知执行、数据资源、服务、应用和交互五个层次。

图4 闸门启闭机应急处理决策系统结构图

其中，感知执行层是数据的来源，也是控制执行机构，主要负责现场组网、通信、外部系统数据交换。监测传感器、变送器、视频镜头等采集现场数据，接入现场网络，由LoRa 通信采集模块，以无线的方式传输到中控室。视频信号由光纤接入中控室。上层的控制命令由现场网络下发到执行机构。

数据资源层是数据、模型、规则、实例等存储、管理和分析的基础平台，包括基础数据库、实时数据库（含报警数据、监测数据）、运维数据库、非结构化数据数据库、GIS 数据库、BIM 模型库等。为适应混合求解策略的需求，需要对规则库基于元规则和领域规则进行重新规划，同时增加实例库的动态学习功能，实现对新案例（求解策略）的即时更新。

服务层充分利用物联网平台和大数据技术把数据资源封装成服务，为应用提供支撑。包括物联网平台、地图信息服务、数据分析服务、智能语音识别、微服务运行和控制平台等。

应用层是具体的应用功能。包含在线监测、数据分析、应急决策、预报警管理、应急管理、设备运维、闸站管理、系统管理几大模块。在该层架构中，利用大数据技术开展系统运行数据预处理、运行强度分析、状态异常分析、状态特征分析、健康综合评价等，同时基于CBR、RBR、KBG 的故障应急处理混合求解策略也作为一个功能模块嵌入该层，通过实例比对、规则推理以及知识导航等手段，针对故障快速形成应急处理方案，提高系统运行安全。

交互层系统服务的对象是水利局、流域管理局、闸站管理处、应急管理局相关的工作人员。通过现场PLC、中控软件、手机微信程序，实现监测、控制、运维、数据管理等操作。

5 结论

1）在领域规则缺乏完整性和实例解难以找到等情况下，基于CBR、RBR 和KBG 进行混合求解，可提高闸门启闭机故障应急处理决策能力和效率；

2）KBG 策略中的最优决策流控制和节点控制机制是应急方案求解的关键，也是下一步研究的重点；

3）随着物联网的普及，大数据和人工智能在故障诊断和应急处理领域将发挥更加重要的作用。