基于灰色理論的故障診斷本體建模與推理*

孫文舟 岳冬梅 石晨光 彭 亮

(1.海軍大連艦艇學院研究生管理大隊 大連 116018) (2.海軍大連艦艇學院艦炮系 大連 116018)(3.92132部隊 青島 266000)

?

基于灰色理論的故障診斷本體建模與推理*

孫文舟1岳冬梅2石晨光2彭 亮3

(1.海軍大連艦艇學院研究生管理大隊 大連 116018) (2.海軍大連艦艇學院艦炮系 大連 116018)(3.92132部隊 青島 266000)

針對故障診斷領域知識異構和故障機理復雜的問題,提出基于灰色理論的本體模型。利用SWRL規則和推理引擎在本體模型中實現灰色關聯度的表達及其聯接故障現象和故障原因的作用。在基于灰色理論的故障診斷本體推理機制框架下,建立了液壓系統的故障診斷灰色本體模型。實例驗證,該方法診斷效果良好。

本體; 灰色關聯度; 故障診斷; SWRL

Class Number E92

1 引言

故障機理、故障模式和故障特性參數的表達是故障診斷研究的重難點。本體語言OWL能夠較完美地定義和抽象出現實世界中的概念以及概念間的各種關系,并實現以此為基礎的本體知識庫的可滿足性推理[1]。隨著本體建模理論的成熟,基于本體的故障診斷技術被廣泛應用于各類設備[2～3]。在應用本體的過程中,本體故障診斷技術在異構系統的兼容上表現出了優勢,但同時也存在著不確定性知識表達的困境。OWL并不能完善地表達出現實世界中各種事物間普遍存在的因果關系,如故障的判定與推理規則。

故障診斷領域的故障現象、參數指標、故障原因之間并不是孤立的,它們之間是存在聯系的,灰色系統理論中的灰色關聯度來可以作為這種聯系的度量。其基本思想是從隨機性的時間序列中找到關聯性和關聯性的參數度量,以便為故障參數分析,故障原因的確定提供依據[4～5]。而灰色理論有其應用的范疇,即要求目標系統部分信息已知,同時部分信息未知。大型機電系統都一定程度上地體現著灰色的特質,所以灰色關聯度分析可以用來對設備的故障診斷。

2 灰色關聯度相關理論

2.1 灰色關聯度分析法[6]

灰色關聯度是表征兩個灰色系統之間相似性的一種指標。設有兩個數{Xi(t)},{Xj(t)},在t=k時刻,則其間的灰色關聯度定義為

(1)

其中εij為灰色關聯系數,可用式(2)計算:

(2)

Δij(k)表示k時刻兩個數列的絕對差,即:

Δij(k)=|Xi(k)-Xj(k)|

(3)

Δmax,Δmin分別為各個時刻的絕對差中的最大值與最小值,ρ為分辨系數。

2.2 故障模式識別中的灰色分析法原理

設有L個典型故障,每種典型故障可以由幾個特征參數構成一個特征向量。由這L個特征向量而構成一個典型故障的特征矩陣:

(4)

同理可構成待檢數據特征矩X(P):

(5)

每一個特征向量都代表一種故障模式代故障診斷可歸結為對待檢模式進行故障模式識別的問題。在灰色診斷中可利用關聯度分析來進行故障模式識別,稱之為灰色故障模式識別。其基本原理如圖1所示。

圖1 灰色關聯度識別故障模式原理圖

3 基于灰色理論的故障診斷本體建模

3.1 故障診斷本體建模分析[7]

故障診斷本體一般包含系統組件、故障現象、特征參數、故障原因及排故措施五大基本要素。故障診斷本體主要建模步驟: 1) 確定模型目標和范疇; 2) 分析故障類型的故障特征、敏感參數、故障原因、排故措施,列出所有的故障知識,以其構建故障知識本體的類; 3) 確定所需建立的故障本體中的類和關系; 4) 利用相關本體開發工具建立系統故障診斷本體,獲得系統故障知識的形式化表示與編碼。

3.2 基于灰色理論的故障診斷本體建模分析

故障診斷就是利用已知的有限信息去揭示未知信息系統的特性、狀態和發展趨勢,并對未來做出預測、決策與控制。因此灰色故障診斷從灰色系統理論來看,實質上是對一個灰色系統白化的過程。系統的白化就是找出與反映系統內部聯系的現象和因素等對應的某種特征量,并將其量化:然后通過信息處理、分析和系統建模,尋找其量化關系和規律;進而對未來的發展做出定量的預測、決策與控制[8]。

基于灰色理論的故障診斷本體建模需要利用本體的概念對輸入的系統狀態參數進行分類,區分功能參數、結構參數、響應參數三個大類,并為每個實例建立數據屬性(Data Properties)。為保證故障診斷本體的準確性,選擇的系統狀態參數要滿足具有敏感性、有效性、規律性、易測性和穩定性的要求。利用優化方法提取每種故障模式下的系統特征參數,并建立每種故障狀態下的系統標準故障序列,作為本體中的標準故障實例R。

故障診斷本體要明確故障現象類,在對某類故障現象所對應的全部參數進行實時測量后,將實測參數序列P與各標準故障序列實例分別進行計算灰色關聯度rij,并依各故障模式的關聯度大小進行排序。由rij組成的關聯度矩陣為

(6)

4 基于灰色理論的SWRL本體推理

SWRL彌補了OWL語言在推理上的不足,實現了規則與OWL本體知識庫相互結合[9]。SWRL規則由head和body組成,以head表示推理結果,以body表示推理前提。在head和body中允許出現的基本成分是Atom,即其架構中所使用的Horn子句都是Atom所組成的。在head部分只允許出現一個Atom,而body部分允許出現若干個Atom。SWRL的一種表達形式為C(x),C是OWL的描述或者data range;另一種為P(x,y),P是OWL的屬性而x、y可以是變量、OWL實例或OWL數據值。

計算灰色關聯度需要大量計算模型的支持,僅僅具有單一的描述能力的語言是無法滿足需求的。Built-in作為SWRL的模塊化組件,具有強大的邏輯表達能力。用戶可以在Java環境中對Built-in進行擴展,創建用戶所需的邏輯公理(Axioms),在將自定義的OWL文件嵌入Built-in程序庫后即可進行調用。SWRLBuiltInLibraryImpl的支持下建立故障診斷中所需的規則,其中將灰色關聯度表達為Greycorrelation。HasGreycorrelation(?x,?y)表示故障x的灰色關聯度為y。

表1 基于灰色理論的故障診斷領域Atom表

SWRL的本體推理需要借助SWRL規則編輯器(SWRL Editor),SWRL Editor可以讓用戶以Horn子句邏輯公式形式的方式來編輯SWRL規則并集成Jess規則引擎。用戶可控制何時將OWL知識和SWRL規則傳給Jess,何時用這些知識和規則進行推理,何時將推理的結果作為OWL知識傳遞會OWL Plugin。在基于灰色理論的故障診斷領域Atom(如表1所示)的支撐下,基于灰色理論的SWRL推理規則可一般性地表示為:Faults(?x)∧HasGreycorrelation(?x,?r)∧r0(?x,z)∧swrlb:greaterThanorEqual(?r,z)→Faults1(?x)。基于灰色理論的故障診斷本體推理機制框架如圖2所示。

圖2 基于灰色理論的故障診斷本體推理機制框架

5 故障診斷灰色本體模型實例

在整合液壓系統常見故障機理后,用SWRL規則對故障診斷邏輯予以描述,建立液壓系統故障診斷規則表,如表2所示。

表2 液壓系統故障診斷規則

當液壓系統出現故障時,在本體類中創建測試實例,將待診參數無量綱規范化處理后輸入對應的p、t、q,運行Jess規則引擎,得到推理結果為氣穴故障,Axioms顯示為“Cavitations(Faults1)”。

6 結語

由于設備系統故障的復雜性和多元性,本體可有效共享故障診斷知識的優勢十分突出。文中將本體建模與灰色理論同時運用于故障診斷領域,取得了預期的診斷效果,說明基于灰色理論的故障診斷本體建模技術切實可行。

本文沿用鄧聚龍教授的灰色關聯度算法,對灰色關聯度的算法進行了改進的學者,可對本文的建模方法進行相應的調整,以便各類設備故障診斷的需求。

[1] 黃勇奇.基于地理本體和SWRL規則的農業地理信息時空查詢研究[M].北京:中國出版集團,2012.

[2] 張會福,狄雪蘭,文宏.基于本體的轉子故障診斷知識建模研究[J].中國機械工程,2011,22(21):2619-2623.

[3] 彭海仔.基于本體的輸送機故障診斷方法[J].南京理工大學學報,2013,37(6):850-856.

[4] 祝海林,胡愛萍.液壓系統故障診斷的灰色理論方法探討[J].石油化工高等學校學報,1998,11(3):55-59.

[5] 高保祿,熊詩波,段江麗.灰色關聯度在故障診斷系統中的應用[J].太原理工大學學報,2010,41(4):398-401.

[6] 施國洪,姚冠新.灰色系統理論在故障診斷決策中的應用[J].系統工程與理論實現,2001(4):120-123.

[7] 陳國榮,鄢萍,陳燕華.高爐故障診斷本體構建方法實證分析[J].重慶大學學報,2012,35(5):35-39.

[8] 馮輔周.軍用車輛故障診斷學[M].北京:國防工業出版社,2007.

[9] O’Connor M, Knublauch H, Tu S, et al. Supporting rule system interoperability in the semantic Web with SWRL[C]//Lecture Notes in Computer Science(including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 3729: 4th International Semantic Web Conference on The Semantic Web, ISWC 2005,2005:974-986.

[10] 楊廣,吳曉平.基于模糊灰色關聯模型的艦船液壓裝置故障診斷研究[J].武漢理工大學學報,2007,31(5):788-791.

Ontology Modeling and Reasoning for Fault Diagnosis Based on Grey Theory

SUN Wenzhou1YUE Dongmei2SHI Chenguang2PENG Liang3

(1. Department of Graduate Management, Dalian Naval Academy, Dalian 116018) (2. Department of Naval Gun, Dalian Naval Academy, Dalian 116018)(3. No. 92132 Troops of PLA, Qingdao 266000)

Against the main problem of semantic heterogeneity and complicated fault mechanism, ontology model for fault diagnosis based on grey theory is mentioned. By means of SWRL rules and inference engine, the representation of grey correlation implement the connection between fault phenomenon and fault reason in the ontology model. In the framework of ontology reasoning mechanism for fault diagnosis based on grey theory, an ontology model for hydraulic system is built. The case study shows that result is satisfied.

ontology, grey correlation, fault diagnosis, SWRL

2015年2月4日,

2015年3月16日

孫文舟,男,碩士研究生,研究方向:艦載武器系統分析、論證與仿真。

E92

10.3969/j.issn1672-9730.2015.08.030