武器火控系統(tǒng)故障診斷知識獲取技術的研究

吳延軍

（91550部隊，遼寧 大連 116023）

1 概述

由于武器火控系統(tǒng)設備量大，內部和外部接口繁多，發(fā)生故障的形式多種多樣，所以說，武器火控系統(tǒng)故障診斷是一個具有多輸入、多輸出、不確定性多的復雜非線性問題。由于輸入和干擾因素與輸出的關系相當復雜，又是高階非線性系統(tǒng)，再加上內部和外部參數(shù)的不確定性，使得為武器火控系統(tǒng)故障診斷選擇合適的建模方式十分困難。知識獲取是故障診斷系統(tǒng)的重要組成部分，它研究的主要問題是知識源到程序知識的傳遞和轉換。構造故障診斷系統(tǒng)時，專業(yè)領域的專家和知識工程師要密切合作，不斷總結和提取專業(yè)領域知識，并將其形式化，編碼存入計算機中形成知識庫。但是，由于專業(yè)領域知識大多是啟發(fā)式的，較難捕捉和描述，專業(yè)領域專家通常善于提供事例而不習慣提供知識，所以，知識獲取被公認為是故障診斷系統(tǒng)開發(fā)研究中的難題。

如何保證武器火控系統(tǒng)能夠按照預期目標圓滿完成其使命，一直是所有研究和設計人員的終極奮斗目標。從某種意義上講，對武器火控系統(tǒng)的故障定位和故障診斷技術的研究，有利于提高數(shù)據判讀的準確性、實時性和高效性，有利于提高武器火控系統(tǒng)試驗測試結果的有效性。因此，武器火控系統(tǒng)的智能故障診斷是急需解決的關鍵技術之一，而解決這一關鍵技術的前提是建立科學、合理的知識獲取數(shù)學模型。本文根據武器火控系統(tǒng)的故障特點和實際情況，針對故障診斷專家系統(tǒng)，提出以下2點思考：①將故障樹分析法與專家系統(tǒng)相結合進行深推理，設計一個基于故障樹模型的診斷系統(tǒng)，將系統(tǒng)的結構、行為和功能知識放入基于規(guī)則的故障樹中，構成故障樹模型；②將案例推理與專家系統(tǒng)方法相結合，實現(xiàn)基于案例的專家知識的淺推理，從而設計實現(xiàn)一個深淺知識相結合的完備的故障診斷專家系統(tǒng)。采用基于案例推理和故障樹分析法建造武器火控系統(tǒng)故障診斷專家系統(tǒng)，知識庫采用產生式和框架式多種知識表示與存儲方式相結合的形式，推理機制采用正向推理與案例檢索推理相結合的形式，從而有效提高系統(tǒng)的推理效率和準確度。

2 故障樹分析法

從知識獲取的角度來看，故障樹具有標準化的知識結構，如果利用故障樹知識生成診斷專家系統(tǒng)知識庫，則可以顯示出診斷專家的問題求解策略，從而極大地降低系統(tǒng)知識獲取的難度。

實際上，故障樹的頂事件是對應于專家系統(tǒng)要分析解決的任務，其底事件對應于專家系統(tǒng)的推理結果，而故障樹由頂?shù)降椎膶哟魏瓦壿嬯P系對應于專家系統(tǒng)的推理過程。我們可以把故障樹和診斷專家系統(tǒng)的知識庫通過割集聯(lián)系起來：故障樹的一個割集是系統(tǒng)的一種失效模式，同時，對應于知識庫的一條規(guī)則；割集里的基本事件是該失效模式的最基本原因，對應知識庫中規(guī)則的結論（故障源或故障原因）；從頂事件到割集的路徑，是該割集區(qū)別于其他割集的中間條件，對應于知識庫中規(guī)則的前提。但是，在故障診斷過程中，簡單的故障描述是不夠的。為此，要在知識庫中增加一部分信息——故障現(xiàn)象的描述、故障的檢測方式或方法、診斷建議和維修對策等。其中，故障現(xiàn)象的描述包括圖形說明和文字描述兩部分，它們分別反映了故障樹的一個故障模式和在該故障模式下系統(tǒng)表現(xiàn)出的故障現(xiàn)象，這些都將是診斷專家系統(tǒng)推理的根據，它們構成了知識庫規(guī)則的前件；故障的檢測方式或方法屬于故障的中間輔助描述部分，它給出了故障的檢測方法；診斷建議和維修對策屬于故障結論描述部分，它說明故障樹事件對應的系統(tǒng)故障以及故障的排除方法和建議，它們正是專家系統(tǒng)要推理的結果。

針對同一故障樹，其故障搜尋方法有2種：①對于某一待診斷的子結點，其本身關鍵輸出信號參數(shù)（故障征兆）在故障時將有一特征數(shù)值，因此，可直接測試子結點的關鍵參數(shù)，將其與自身的故障特征值比較，判斷是否故障。這種診斷方法簡單直觀，易于理解，對故障搜尋來說，它是一種遍歷式盲目搜索方式，計算量比較大。②任何子結點故障都會對上一級父結點的關鍵參數(shù)的輸出產生影響，而且不同的子結點故障對上一級父結點參數(shù)的影響是不同的。換句話說，當不同子結點故障時，表現(xiàn)在上一級父結點輸出參數(shù)上的故障特征值是不一樣的。因此，可以根據上一級父結點的關鍵信號參數(shù)的測試直接搜尋下一級故障子結點，不必計算所有下級子結點的輸出。而針對故障子結點的關鍵參數(shù)測試，可以采用同樣的原理定位故障樹結點，這是一種啟發(fā)式故障搜索策略，與前者相比大大提高了故障搜尋效率。故障診斷專家系統(tǒng)采用第二種故障搜尋策略。

3 案例推理技術

對于某些沒有模型或成熟知識的領域，在其處開發(fā)專家系統(tǒng)是比較困難的。在沒有很強的理論模型、領域知識不完全但經驗豐富的故障診斷、決策等領域，出現(xiàn)了基于案例推理的方法，并得到了廣泛的應用。

3.1 案例描述

問題或情景的描述和解決方案是必不可少的部分，任何基于案例的推理系統(tǒng)必須要有這些內容，而結果部分有的系統(tǒng)中沒有。由于案例包括了對問題的描述及其求解的情況，案例的表示至少應該包含這兩個方面，因此，表示為一個有序對（問題描述，解描述）。如果有對于解的描述，即解的效果情況、所給出的解是否有效等，這樣又表示成三元組（問題描述，解描述，癥狀描述），同時，對案例問題進行特征提取。案例診斷模塊的結構如圖1所示。

圖1 案例診斷模塊的結構圖

3.2 案例的索引與檢索

案例檢索是位于案例推理系統(tǒng)的中心環(huán)節(jié)，檢索質量關系著整個系統(tǒng)的質量，案例庫索引和檢索的目的是建造一個結構或過程來得到最適當?shù)陌咐０咐乃饕蜋z索技術通常有3種，即最近鄰法、歸納推理法和知識引導法。基于案例的推理流程如圖2所示。

3.3 案例的修改

案例的修改（又稱為“案例的重用”）被公認為是案例推理中最具挑戰(zhàn)性的問題，也是繼案例檢索之后的又一個熱點。一般情況下，在修改檢索出的案例時，要完成以下3個方面的工作：①分析新問題的各個特征項，根據檢索出的案例特征對應項的內容進行修改；②追加新問題具有的案例特征項，并且修改特征項的內容，一般它是由計算機和用戶或領域專家聯(lián)合進行；③對于檢索出的案例的某些不符合新問題要求的特征進行刪除操作。

圖2 基于案例的推理流程圖

3.4 案例的學習和保存

一般來說，當系統(tǒng)用于解決新問題時，對于案例學習和保存采取以下做法：①如果案例庫中的源案例與目標案例相同（相似度為1）或很接近（相似度大于設定的閥值），可以直接借鑒以前的經驗，可以選擇維持原案例庫不變或用新案例刷新。②如果案例庫中的案例與要解決的問題相差很遠，那么，就需要更多的領域知識或人為介入重用的過程。解決問題之后，一般將其作為一個新的案例存儲在案例庫。這樣系統(tǒng)就逐漸積累了解決相關問題的經驗，使案例推理系統(tǒng)的推理能力不斷提高。

4 案例推理的應用

本文采用了基于案例推理與故障樹相結合的方法，對故障知識進行知識獲取和管理，并建立了武器火控系統(tǒng)知識庫管理系統(tǒng)（簡稱“知識庫管理系統(tǒng)”）。該系統(tǒng)是對知識庫中的知識進行管理和控制，完成對知識庫的各種操作，并向用戶提供檢索、查詢手段的軟件系統(tǒng)，它包括知識獲取、知識存儲和分類、知識校驗、知識查詢和更新以及用戶的使用權限管理等。

圖3 武器火控知識庫管理系統(tǒng)結構圖

4.1 體系結構

武器火控系統(tǒng)知識庫管理系統(tǒng)的結構如圖3所示。

4.2 案例的表示

武器火控系統(tǒng)的故障案例可以定義為一個四元組，即：

式（1）中：D＝{d1，d2，…，dn}為一個非空有限集合，表示故障案例的描述信息，包括案例編號、故障發(fā)生時間、故障類型等；S＝{s1，s2，…，sn}為一個非空有限集合，表示故障案例征兆屬性集；M為案例的結論信息；E為案例輔助信息。因此，一個故障案例可以定義為表1所示結構的對象。

表1 故障案例的結構

4.3 案例的表示

4.3.1 故障特征向量

武器火控系統(tǒng)的故障特征向量表示為：Ai＝[Ai（1），Ai（2），…，Ai（k），…，Ai（n）]，i∈[1，m]，k∈[1，n].其中，Ai表示第i個案例的故障特征向量，Ai（k）表示第i個案例中的第k個指標經參數(shù)化處理后得到的特征值。以武器火控系統(tǒng)中發(fā)控子系統(tǒng)故障特征為例，其故障特征一般表現(xiàn)為3種類型：①用文字描述的無序枚舉型數(shù)據，比如當前工作狀態(tài)可以分為“待機、作戰(zhàn)、武器維護、武器訓練”等；②用具體的數(shù)值描述的定量數(shù)據，例如溫度、濕度、液位、導航參數(shù)等；③邏輯型，只存在2種狀態(tài)。

4.3.2 案例特征權向量

武器火控系統(tǒng)的案例特征權向量可以表示為{案例特征權重編號，權重數(shù)值}兩部分。其中，案例權重編號與案例集編號一致，權重數(shù)值部分記錄著案例權重的具體數(shù)值。

4.3.3 案例集編號

武器火控系統(tǒng)案例集可以用多元組方式表示為：

式（2）中：ID為案例集編號，案例集編號的內容是數(shù)據庫的表名，相同部件的故障以記錄的形式存儲在同一張關系數(shù)據庫的表中；T為案例特征向量，同一對象的故障具有相同的故障征兆（特征），指向特征表中與案例集標號對應的特征；W為案例特征權重向量，指向特征權重表中與案例集編號對應的權重。

4.3.4 故障的結論信息

故障的解決措施：記錄故障的解決措施，歷史案例的解決方案。

故障手冊：故障手冊的作用是輔助故障的解決，當解決措施不能完整解決問題時，可參考故障手冊。

結果評價：故障解決后，專家對該案例的評價和建議。

4.3.5 故障輔助信息

故障成功匹配次數(shù)：記錄了案例成功匹配的次數(shù)，反映了該案例的發(fā)生頻率。

代表案例標識和所屬子案例庫編號：為了有效地組織案例庫中的案例，方便索引和檢索，提高檢索效率，對同一案例集進行聚類，相似的案例歸為一類，即子案例庫。

案例學習質量：用來判斷增加新案例到案例庫中后，對案例庫準確分類的影響程度。

4.4 故障案例的決策表示

為了便于故障推理階段案例特征權重的提取，要先把故障案例表示成決策表的形式。

設S＝（U，A，V，F(xiàn)）為武器火控系統(tǒng)知識表達系統(tǒng)，A＝C∪D，C∩D＝?稱為條件屬性集，D稱為決策屬性集，具有條件屬性和決策屬性的知識表達系統(tǒng)稱為決策表。其中，U稱為論域，表示一組有限的非空對象集，U＝ {x1，x2，…，xn}；A＝C∪D，C∩D＝?表示有限屬性集，包括條件屬性子集C和決策屬性子集D。在故障診斷系統(tǒng)中，故障征兆屬于條件屬性，故障模式屬于決策屬性。V＝ΣVa是屬性的值域，其中，Va表示屬性a∈R的取值。F：U×A→V是一個信息函數(shù)，表示U中每個對象（案例）的屬性值。這樣定義的知識表達系統(tǒng)可以方便地用表來描述，表中的列表示屬性，一個屬性對應一個等價關系，行表示對象，一個表可以看作是被定義的一組族等價關系。

通過上面的分析，故障案例的決策表表示如表2所示，條件屬性是故障案例的特征，即故障征兆；決策屬性是故障案例所屬的故障模式。

表2 故障案例的決策表表示

論域U＝{x1，x2，…，xn}表示案例庫中所有故障案例，條件屬性集C＝{C1，C2，…，Cn}表示每個故障案例包含的故障征兆，Vij表示第i個故障案例的第j個故障征兆的取值，決策屬性D＝g0gggggg表示故障案例所屬的故障模式，di（i＝1，2，…，k）表示第i個故障案例所屬的具體故障模式。這里我們假設故障案例決策表是一致的，即不存在2個故障案例，其條件屬性取值完全相同，而決策屬性的取值不同。

5 結論

知識獲取是進行問題求解的專家領域知識，是從領域專家或其他各種知識源轉換到專家系統(tǒng)知識庫中的一個重要過程。與基于規(guī)則的推理相比，基于案例的推理技術更適用于沒有模型的領域，案例檢索易于實現(xiàn)，案例庫易于維護，并且可以從不同的領域中學習新知識。本文開發(fā)的基于故障樹和案例推理技術的診斷系統(tǒng)能夠快速、有效地診斷出武器火控系統(tǒng)的各種故障，并及時確定出故障組件所處的狀態(tài)。利用案例推理的知識獲取技術、實現(xiàn)診斷是武器火控系統(tǒng)故障診斷領域的主要研究方向。