基于本體的機電設備故障診斷知識表示方法研究

趙 靜，鄢 萍，陳國榮,3，胡林橋

（1.重慶大學 機械傳動國家重點實驗室，重慶 400030；2.重慶市網絡化制造工程技術研究中心，重慶 400030；3.重慶科技學院 電子信息工程學院，重慶 401331）

0 引言

專家系統是旋轉機械故障診斷領域發展最早,也是比較成熟的一種人工智能技術[1]。擁有知識是專家系統有別于其他計算機軟件系統的重要標志，且知識的質量與數量又是決定專家系統性能的關鍵因素[2,3]，因此知識庫是專家系統最重要的組成部分，而知識的表示又是建立知識庫的核心。

國內外在對故障診斷知識表示的研究中已取得大量成果。文獻[4]在旋轉機械故障診斷領域中，采用一階謂詞邏輯(first-order predicate logic)作為專家系統知識庫中的知識表示方法；文獻[5]針對專家系統領域知識狹窄的問題，提出了一種框架表示(frame representation)、產生式規則(production rule)和故障樹(diagnosis fault tree)相混合的知識表示方法，文獻[6]采用規則(rules)、框架(frames)、語義網絡(semantic networks)相結合的方式表示專家知識，并存入故障診斷輔助系統(FDAS)知識庫中。這些研究存在效率低、知識相對獨立等不足，對復雜概念及其相互間關系的表示能力有所欠缺，不利于知識推理和后續利用。

常用的知識表示方法在應用時各自有其優點和不足，具體到復雜機電系統的故障診斷領域，結合其龐大的經驗數據，多層次的電機結構和復雜多樣的加工工況等特點，知識表示方法既要求清晰、準確、充分的表示領域知識，以實現知識表示的完備性，同時要求有利于知識利用，高效進行知識推理。在源于哲學的概念中，本體具有如下優點[7～9]：1）能將相關領域的概念和術語規范化和清晰化，有利于知識的標準化； 2）具有的豐富概念間關系和各種約束,滿足了故障診斷知識復雜性和相關性的要求；3）作為語義網的核心，為語義網系統提供知識組織和邏輯關系，從而為邏輯層提供推理基礎。因此本文提出了一種基于本體的故障診斷的知識表示方法，為復雜機電系統故障診斷領域的信息化和智能化做了一次積極的嘗試。

1 故障診斷領域知識模型

假設一個復雜機電液氣系統由機械系統、電氣系統、液壓系統、氣壓系統等多個系統構成，在每個系統下，由各自的功能組件構成，功能組件由各零部件(units)構成，以此類推，可將系統結構進行抽象化處理，得到系統知識的層次結構。如圖1所示。

圖1為一個領域知識結構關系示意圖，S表示總體系統知識，逐步細化的各知識Ui用“□”表示。可以看出，系統內部各結點Ui之間具有縱向意義上的父子關系和橫向意義上的兄弟關系。

圖1 故障診斷領域知識層次結構示意圖

在故障診斷應用中，當某個結點Ui由于某些原因而處于非正常工作狀態時，為完成對故障的診斷，必須針對相關信息進行分析處理，用以完成故障維修，因此其結點內部還存在復雜的關系，如圖2所示。

圖2 被封裝的內部結構的故障關系

圖2為某個結點Ui在發生故障時所具有的關系， P1，P2，P3…分別表示在該結點所具有的故障特性，如故障現象、故障原因、故障解決方案等，即：結點Ui出現了故障現象P1；故障原因P2導致了故障發生在結點Ui處，維修方案P3定位于結點Ui。

在系統中每個結點Ui都存在多個故障特性，而每個故障特性中又存在多種表現形式，導致了在知識表達上呈現了一定多樣性和復雜度，針對以上問題本文引入本體的概念以及本體的關系描述。

2 故障診斷領域本體的形式化描述

故障診斷過程中，以往的診斷經驗對于當前的故障問題的解決具有重要的借鑒意義，因此對于故障診斷信息準確有效的描述就顯得尤為重要。本文在新加坡南洋理工大學的 Myo Myo Naing 博士定義的六元組本體表示方法[10]的基礎之上，將故障診斷領域本體形式化定義如下：

定義1 Fault_Diagnosis_Ontology

(FDO)::=＜S,C,A,R,I,F＞

其中S表示領域FDO中的概念集合；C為概念集合中的元素，例如圖1所示Ui；A表示領域內屬性的有限集，包括對象屬性和數據屬性；R 表示某個概念集合S中涉及的概念之間、概念與屬性之間的關系集合；I是實例集，是對某一特定概念的具體化描述；F表示函數，即推理規則，是屬性之間存在的某種邏輯關系。以下對上述要素進行詳細闡述和定義。

2.1 概念及實例定義

定義2 在概念集合S中，任何概念C可用結構C={α,β,γ}表示。其中，α為該結點的父結點序號；β為該結點在樹形結構中所處的層數；γ為該結點在該層中的順序號。記這個層次結構所有結點組成的概念集合為S，則S的形式化定義為：

通過上述定義，任何結點C均可用唯一的方式描述。例如圖1中的結點U23轉化為概念C可描述為U23={2,2,3}，即結點C23的父結點序號為2，該結點處于第二層，在該層中，該結點序號為3。根據概念的繼承性和以層次結構的形式組織，最高層的概念C0代表著最抽象的實體，子類繼承其父類的抽象特性，代表比其父類更具體或范圍更小的實體概念。

另外，在FDO領域中，對某個特定的概念集合S而言，每個特定概念C下，被相關屬性所描述的唯一標識的對象，稱為概念的實例，記作I。

2.2 屬性定義

定義3 設Xi為概念集合Si中第i個概念，Yj為概念集合S2中第j個概念。即

稱A°為概念S1，S2的對象屬性，記作A°(S1,S2)。

式(1)的含義為在故障診斷領域FDO中，概念集合S1的所有概念Xi與概念集合S2的任意概念Yj均存在一種映射關系A°。對象屬性A°(S1,S2)表明了用于約束概念集合S1與概念集合S2之間的關系。

定義4 設Xi為概念X中第i個實例，yi為數據類型值的有限集Y中第j個實例。即

稱AD表示概念X的數據屬性為Y，記作AD(X,Y)。

式(2)的含義為在FDO中，概念X的任意個體xi與Y的某個值yi均存在一種映射關系AD。數據屬性AD(X,Y)描述了概念X本身具有的數據類型值為Y。

2.3 關系定義

定義5 設Xi為概念集合S中第i個概念，Xj為概念集合S中第j個概念。即

稱R為概念Xi，Xj之間的關系，記作R(Xi,Xj)。

式(3)的含義為在概念集合S中，任意概念Xi與概念Xj均存在一種映射關系R。

關系定義R(Xi,Xj)為某概念集合中各概念之間的基本關系，如is_a, kind_of, part_of，instance_of等。

2.4 規則定義

定義6 設perF和resF分別是由若干屬性和關系組成的推理前提和推理結果。F為由perF和resF形成的規則，定義如下：

式(4)的主要作用是解決輸出信息的不確定性源自于認識的不完全性的問題，其含義為如果存在某一前提perF，就能推理出結果resF，則稱F是perF和resF的規則，表示為：perF→resF，例如：式(5)表明某概念集合中，對于任意兩概念C1,C2，分別存在實例I1,I2，如果C1,C2之間存在關系R，則I1,I2之間的關系隨概念之間的關系自動產生。

3 滾齒機故障診斷實例分析

為了驗證上述本體知識表示方法的可行性，現以某機床集團的典型設備——滾齒機為例，采用上述定義對其故障診斷知識進行表示，并借助protégé工具建立了滾齒機故障診斷知識表示的計算機模型。為了既達到設計舉例的目的，又簡化和縮小知識表示的范圍，本例限定在以下范圍：

1）滾齒機中的機械系統出現故障；

2）機械系統的故障是由于冷卻站不能實現正常運行；

3）冷卻站非正常運行造成功能失效，故障出在離心泵上；

4）離心泵出問題僅考慮葉輪、泵軸、機械密封、軸承等出現故障。

3.1 概念及關系的建立

為完整的呈現滾齒機故障診斷知識結構，在本體模型中，以滾齒機結構為基礎，將整個故障診斷領域知識劃分為故障部位S1(Hobbing_Machine)、故障現象S2(FD_Phenomenon)、故障原因S3(FD_Reason)三個概念集合，根據定義2，可形式化表示為：

FDO={H_M(S1), FD_P (S2), FD_R (S3),}

在上述每個概念集合中，由多個不同層次的概念組成，每個層次間表現為不同的關系，根據定義5，分別對各關系定義為：

如圖3所示。

1）故障部位S1表示用于描述滾齒機結構的概念集合。故障部位的確定是故障診斷的基礎，根據滾齒機自身的結構組成，按照自頂向下的原則，得到的滾齒機各系統、組件、部件、零件等層次結構。從邏輯關系上可將滾齒機分為機械系統和電氣系統。機械系統又可分為工作臺、床身、冷卻站等，而離心泵、冷卻油冷機等是冷卻站的一個組成部分。

2）故障現象S2表示滾齒機發生故障時所表現出來的特征的概念集合。按照故障診斷現象獲取的方式，可將其分為機械故障和電氣故障兩個子類。而機械故障現象指從診斷人員的感官出發判斷故障想象，如傷痕，泄漏，噪聲，異響，異味，震動，不工作等。

圖3 滾齒機故障診斷概念圖

3）故障原因S3表示引發滾齒機故障的可能原因的概念集合。在確定故障發生部位和故障現象的基礎之上，需要進一步診斷其產生原因。可分為電氣特性原因和機械特性原因兩個子類。其中，電氣特性原因包含壓力，流量，溫度等；機械特性原因包含損壞，變形，松動，移位等。

3.2 屬性的建立

在實際故障診斷過程中，必須明確故障部位出現了什么現象，故障現象是什么原因造成的和故障原因存在于什么樣的部位，根據上述概念集合的定義和定義3中對對象屬性的定義，建立關系屬性如下：

如圖4所示。

圖4 滾齒機故障診斷概念集合關系圖

在故障診斷維修過程中，為區分滾齒機結構中各零部組件，根據定義4，現對故障部位S1(Hobbing_Machine)中的概念進行數據屬性定義如下：

A1D表示零部組件的編號；A2D表示尺寸大小；

A3D表示生產廠商。

3.3 知識庫的建立

根據上述分析，本例可用一個三層的網絡圖描述，如圖5所示，該本體模型以滾齒機結構為核心，與故障現象、故障原因相關聯。

圖5 滾齒機故障診斷本體部分示意圖

在圖5中，首先建立了以滾齒機結構為核心的概念集合S1和故障現象S2、故障原因S3，并定義了相關概念和概念之間的關系R，然后確定了概念集合之間的對象屬性A0和滾齒機結構中概念的數據屬性AD，建立了實例I，最后結合滾齒機故障診斷經驗，生成了如圖虛線所示的故障診斷規則。

根據以上分析，可以明確故障診斷概念表示和關系建立的過程，本文用protégé構建的部分本體概念及其屬性。而在實際系統中使用本體，需借助具體的語言進行描述。由于本體描述語言OWL DL在保證推理的完備性和可判定性的前提下，具有很強的表達能力[11]，本文的研究采用了OWL DL對本體內的概念及關系、屬性進行了形式化定義和描述。根據上文中定義的部分概念、關系、屬性，提取相關的OWL片段并解釋如圖6所示。

圖6 滾齒機故障診斷本體部分OWL語言

根據圖5中所建立的概念集合、屬性和關系注釋，可得到圖6所示的OWL語言片段。片段①對應于圖5中概念集合S1，且與另外兩概念集合S2、S3互不兼容；片段②反映了圖5中所示的關系R3，定義了S1中子類與父類的關系subClassOf；片段③描述了圖5中的數據屬性A120(S1,S2)；片段④描述了對象屬性A3D，屬性值為string。

3.4 規則的建立

規則能夠提供更強的邏輯表達能力，是知識推理的依據，根據圖5和圖6中的基本概念和屬性關系，并結合以往的故障診斷經驗，可將圖5中虛線所示的離心泵故障診斷用例的規則生成OWL語言，如圖7所示。

在圖7中，片段①建立了概念“軸承”和“損壞”之間的對象屬性A310(C1114(S1),C11(S3))；片段②建立了概念“軸承”和 “缺少潤滑”之間的對象屬性A310(C1114(S1),C15(S3))；片段③建立了概念“離心泵”和 “噪聲”之間的對象屬性A0(C111(S1),C13(S2))；片段④建立了概念“離心泵”和 “震動”之間的對象屬性A120(C111(S1),C14(S2))。利用上述屬性，可得到規則如下：

離心泵噪聲或震動是由軸承損壞或缺少潤滑引起。

4 結論

本文針對復雜機電設備故障診斷困難且經驗數據難以利用的問題，采用了基于本體的知識表示方法，并結合滾齒機故障診斷領域內知識進行了有效的表達。復雜機電設備非工作狀態中的故障診斷存在復雜性、多樣性和關聯性等特點，本體模型提供了規范的術語和概念，豐富的概念間屬性和關系，為其提供了理論依據，使得該領域的知識表示完備、清晰，便于理解與實現，且利于知識推理和知識共享。滾齒機故障診斷實例仿真結果表明，該方法在滾齒機故障診斷領域具有可行性，并為故障診斷智能化應用提供了一種更為有效的實現方法。

圖7 滾齒機故障診斷本體部分規則

[1] He Qing,Li Xiaoqin.Management of knowledge base of expert system for fault diagnosis of rotating machinery[J].Applied Mechanics and Materials.2011,44-47:2935-2939.

[2] Chen Anhua,Jiang Lingli,Liu Yilun,Li Xuejun.Fault diagnosis expert system model based on knowledge grid[J].Yi Qi Yi Biao Xue Bao/Chinese Journal of Scientific Instrument,2009,30(11):2450-2454.

[3] Liu Bailin,Jiang Chao.A knowledge base maintenance system for fault diagnosis expert system[A].2nd International Conference on Information Science and Engineering[C].Hangzhou: IEEE,2010.21-24.

[4] Song Zhihang,Xu Xiaoli.Diagnosis Expert System Based on Inference Control[J].Microcomputer Information.2010,1(1):99-101.

[5] Hou Mingliang,Liu Yuran,Xing Shubin,Su Liyun.Study of intelligent diagnosis system for photoelectric tracking devices based on multiple knowledge representation[J].Advanced Materials Research.2011,179-180:602-607.

[6] Su Kuo-Wei,Hwang Sheue-Ling,Chou Yu-Fa.Applying knowledge structure to the usable fault diagnosis assistance system:A case study of motorcycle maintenance in Taiwan[J].Expert Systems with Applications.2006,31(2): 370-382.

[7] DORAN P,TAMMA V,LANNONE L.Ontology module extraction for ontology reuse:an ontology engineering perspective[A].Proc of ACM CIKM International Conference on Information and Knowledge Management[C].New York: ACM Press,2007:61-70.

[8] 馮志勇,李文杰,李曉紅,等.本體論工程及其應用[M].北京:清華大學出版社,2007:2-3.

[9] 許楚鑾,于德介,劉堅.基于本體的設備維護知識表示研究[J].計算機應用研究,2009,26(9):3242-3248.

[10] MYO N,EEPENG L,LIAN D GH.Ontology-based Web annotation framework for hyperlink structures[A].Proc of the 3rd International Conference on Web Information Systems Engineering[C].Singapore:IEEE,2002.184-193.

[11] PATEL-SCHNEIDER P F,HORROCKS I.OWL Web ontology language semantics and abstract syntax[EB/OL].[2008-04-02].http://www.w3.org/TR/owl-semantics/direct.html.