北斗監測站故障診斷專家系統設計及實現

厲 劍，孫守航，張 杰

(中國人民解放軍61769部隊，黑龍江 哈爾濱 150039)

0 引言

北斗監測站是北斗地面運控系統的重要組成部分，及時解決監測站運行過程中出現的各種故障，確保監測站的可靠運行，對提高整個北斗系統服務質量具有重大現實意義。目前，監測站故障診斷主要由值勤人員根據自己的專業知識和經驗進行人工故障診斷與定位，存在故障診斷時間長、診斷結果對值勤人員專業素質依賴性比較大等問題。

故障診斷專家系統能夠模擬領域專家推理過程進行故障診斷及定位，并給出故障處置方案，實現設備故障診斷的自動化和智能化[1]。隨著人工智能和信息處理技術的發展，故障診斷專家系統在機械電力、交通運輸和航空航天等領域有著廣泛的應用[2-4]，并創造了巨大的經濟效益。目前常用的故障診斷專家系統主要有基于規則的故障診斷專家系統、基于實例的故障診斷專家系統以及基于人工神經網絡的故障診斷專家系統等[5]。文獻[6-10]介紹了基于故障樹分析法的故障診斷專家系統設計方案，本文在此基礎上，結合監測站設備工作原理，對故障樹知識表示方法和推理機設計進行了改進，通過為故障樹節點設置故障判斷規則索引的方法，縮小了推理機的知識搜索范圍，大大提高了推理機的工作效率。

1 總體設計

為了提高系統故障診斷速度，增強故障診斷的實時性，監測站故障診斷系統采用故障樹分析法與專家系統相結合的故障診斷方法。其工作原理為：首先根據監測站設備故障排查方案，建立監測站設備故障樹知識庫及故障判斷規則庫，用于進行故障推理及故障定位。故障診斷專家系統通過局域網自動獲取故障特征值，并根據故障樹知識庫及故障判斷規則庫進行故障推理和故障診斷，并將故障推理過程和故障判斷依據通過人機交互界面提供給值勤人員。

根據故障診斷專家系統工作原理[11]，將系統分為故障特征值獲取模塊、故障監測模塊、故障診斷模塊、參數設置模塊以及數據庫讀寫模塊。故障診斷專家系統總體結構如圖1所示。

圖1 故障診斷專家系統總體結構

故障特征值獲取模塊通過監測站局域網自動獲取監測站設備故障特征值，用于故障監測及故障推理；故障監測模塊通過遍歷故障特征值中的故障標志，實現對監測站設備狀態的實時監測；故障診斷模塊是整個故障診斷專家系統的核心模塊，主要實現監測站設備故障診斷，并向值勤人員提供故障推理過程、故障判斷依據以及故障情況處置預案等信息，為值勤人員進行故障處置提供輔助決策支持；參數設置模塊主要對故障診斷專家系統的知識數據庫進行編輯和修改以及基本參數的設置；數據庫讀寫模塊用于系統數據庫的管理和操作，為系統其他模塊讀寫數據庫提供統一的接口和操作方法；知識數據庫用于存儲故障樹知識及故障判斷規則，用于故障推理和判斷；綜合數據庫用于存儲監測站設備故障特征值，為設備故障推斷提供數據。

2 知識表示方法及知識數據庫實現

專家系統運用知識來進行推理和判斷，合理的知識表示方法是進行準確判斷的重要前提。知識表示應滿足以下2點要求：利于推理機的推理和方便存儲[12]。知識表示方法主要有產生式規則表示法、框架表示法、面向對象表示法和神經網絡表示法等，其中產生式表示法和框架表示法是目前較為常用的2種方法[13]。

2.1 基于故障樹的知識表示方法

故障樹分析法是一種評價復雜系統可靠性與安全性的重要方法，把系統最不希望發生的事件作為故障樹的頂事件，找出導致這一不希望事件所有可能發生的直接因素和原因，并由此逐步深入分析，直到找出事故的基本原因，即故障樹的底事件為止[14]。

基于故障樹技術的故障診斷專家系統進行故障診斷時，推理機首先根據故障現象定位到故障樹某一節點，然后遍歷該節點所有的底事件，并根據各底事件的故障規則表達式判斷該底事件是否發生故障。根據推理機工作原理，監測站故障診斷專家系統采用框架和規則相結合的方法來進行知識的表示，利用框架來表示監測站故障樹結構，利用規則來表示故障樹底事件的故障判斷方法。

用故障樹表來存儲故障樹結構及相關信息，故障樹的每個節點對應一個框架，每個框架包括故障樹編號、故障樹名稱、所屬系統、父事件、故障判斷規則、故障等級、故障現象和故障處置流程等屬性。將每個框架的上述屬性作為一條記錄存儲在知識數據庫中形成框架表。推理機進行故障推理時，可以根據故障樹表中的上述屬性進行故障樹的遍歷以及故障樹各節點判斷規則的索引。例如，對于如圖2所示的故障樹，可以用表1所示的故障樹表進行表示。

圖2 故障樹示例

表1 故障樹表(部分屬性)示例

序號故障ID父節點故障判斷規則1A01NULLNULL2A11A01R013A12A01NULL4A21A12R02&R035A22A12R04

用規則庫表來存儲故障樹底事件的故障判斷規則。規則庫表中每條記錄對應1條產生式故障判斷規則，利用規則庫表中的1條或者幾條規則可以對故障樹底事件的故障進行判斷。故障判斷規則庫表如表2所示。

表2 故障判斷規則庫表(部分屬性)

規則ID變量名1變量名2運算符1運算符2門限值R01接收信號強度NULLNULL>-105R02理論方位角實際方位角->0.5

對于規則R01，其判斷規則表述為：如果接收信號強度大于-105，則判定該故障發生；對于規則R02，其判斷規則表述為：如果理論方位角與實際方位角之差大于0.5，則判定該故障發生。

2.2 知識數據庫設計及實現

故障診斷專家系統知識數據庫E-R模型如圖3所示。

圖3 故障診斷專家系統知識數據庫E-R模型

為方便知識數據庫的設計及管理，將知識數據庫用3個相關聯的知識表表示，分別為故障監測表、故障樹表和規則庫表。知識數據庫3個知識表及綜合數據庫之間的相互關系如下：

① 根據故障現象在故障監測表中獲得故障節點編號；

② 根據故障節點編號對故障樹表進行檢索，獲得該故障節點的相關信息，對該故障樹遍歷，獲得該故障樹所有底事件的故障判斷規則索引；

③ 根據故障判斷規則索引對規則庫表進行檢索，獲得該底事件的故障判斷規則表達式；

④ 根據故障判斷規則表達式中的變量名稱對綜合數據庫進行檢索，獲得該變量名對應的故障特征值。

3 推理機設計及實現

推理機是故障診斷專家系統的核心模塊，其工作原理是根據當前已知的事實，利用知識庫中的知識，按一定的推理策略進行推理，從而求得問題的答案或證明某個假設的正確性[15]。故障診斷專家系統能夠高效地求解復雜的問題，除了擁有大量的專業知識外，更重要的是能夠合理選擇及有效運用知識。推理機要解決的問題是如何在問題求解過程中選擇和運用知識。

3.1 推理機設計

監測站故障診斷專家系統采用正向推理方法進行故障推理，即根據監測站故障現象，通過遍歷該故障樹，尋找故障原因(底事件)[16]。

監測站故障診斷專家系統推理機工作原理如圖4所示。

圖4 推理機工作原理示例

在設計中，采取以下措施提高推理機的故障診斷效率：

① 為故障現象設置故障樹位置索引。通過為故障現象設置故障樹位置索引，確保每次遍歷的故障樹為導致頂事件發生的最小割集，從而避免推理機對與該事件無關的故障樹節點進行遍歷，在不影響故障診斷正確率的前提下，有效地減少推理機故障診斷時間。

② 為故障樹底事件設置故障判斷表達式。通過為故障樹底事件設置故障判斷表達式，可以有效地減少推理機在故障推理時對規則庫的搜索和匹配時間。推理機在進行故障診斷時，只需判斷底事件的對應故障判斷規則是否成立就可確定該節點是否發生故障，而不需要對整個規則庫的搜索和匹配，也不需要知識沖突消解，因此可大大減少故障推理時間。

3.2 推理機工作流程

推理機主要根據當前故障特征值進行故障診斷及定位，并向值勤人員提供故障判斷依據以及故障情況處置預案等信息。推理機進行故障診斷時，首先將最新的故障特征值更新至綜合數據庫中，然后對故障樹進行遍歷，并通過判斷當前綜合數據庫中的故障特征值是否滿足故障判斷規則，實現監測站設備的故障診斷及故障定位。根據推理機工作原理，推理機工作流程可分為故障樹的遍歷和利用故障判斷規則進行故障判斷兩部分。

3.2.1 故障樹遍歷

在故障樹知識庫中，故障樹信息是以表格的形式存儲的，而故障樹的表現形式是樹形結構，因此在設計中，推理機采用遞歸調用的方法實現故障樹所有節點的遍歷，具體方法如下：

① 根據故障現象的故障樹位置索引，獲取故障樹的入口；

② 故障樹知識數據庫中搜索以該編號為父事件的節點。如果不存在這樣的節點，說明該編號對應的節點為底事件，獲取該節點的故障判斷表達式進行故障判斷，確定該節點是否發生故障；如果存在這樣的節點，則說明該編號對應的節點為中間事件，將新的中間事件編號設置索引值，重復上述步驟。

在圖4示例中，推理機首先獲取故障現象的故障樹位置索引A01，然后在故障樹知識數據庫對父事件為A01的節點進行檢索，得到節點A10和A11，再分別以A10和A11為索引值對故障樹知識數據庫進行檢索，檢索結果沒有以A10和A11為父事件的節點，則說明節點A10和A11為底事件，利用底事件A10和A11的判斷規則進行故障判斷，得到本次故障診斷結果。

3.2.2 故障判斷

在故障樹知識庫中，每個底層事件節點都有對應的故障規則表達式，用于判斷該節點是否發生故障，底層事件節點故障判斷具體方法如下：

① 獲取底層事件節點對應的故障規則；

② 根據故障規則表達式中規則ID對規則數據庫進行檢索，獲得該條規則的數學表達式；

③ 根據規則數學表達式中的變量名稱，在綜合數據庫中獲取該變量名稱對應的故障特征值；

④ 將故障特征值代入規則數學表達式中，判斷該表達式是否成立，如果成立，則說明當前故障特征值符合故障判斷規則，該底層事件節點存在故障，否則說明設備正常；

⑤ 如果故障規則表達式由多條規則組成，需要首先對規則表達式進行解析，將其分解成多個規則和規則運算符，然后重復步驟③和步驟④，得到每個規則的邏輯計算結果，將上述邏輯結果代入故障規則表達式中得到該底事件節點的最終結果。

在圖4示例中，需要對底事件節點A10和A11進行故障判斷。對于節點A10，其故障判斷規則為R01，通過檢索規則庫獲得其數學表達式VAR1-VAR2>0.1；再根據表達式中的變量名稱通過檢索綜合數據庫獲得故障特征值，將故障特征值代入規則R01數學表達式，其計算結果為真，說明滿足故障成立條件，則節點A10發生故障。對于節點A11，其故障判斷規則為R02&R03，是由多條規則組成的故障判斷規則。首先對其進行解析，分解成規則R02和R03，重復節點A10故障判斷過程，得到規則R02計算結果為真，R03計算結果為假，利用故障判斷規則表達式中的邏輯運算符(&)對這2個結果進行運算，得到最終該節點的最終規則運算結果為假，即該節點設備運行正常。

推理機具體工作流程如圖5所示。

圖5 推理機工作流程

4 應用結果及分析

根據故障診斷專家系統總體設計方案，對系統各模塊進行詳細設計，完成軟件開發，并將系統部署在監測站局域網內進行功能測試和驗證。應用結果證明，系統能夠自動獲取故障特征值實現故障自動診斷和準確定位，并將故障診斷依據和故障處置預案等信息通過人機交互界面提供給值勤人員，為值勤人員進行快速故障處置提供決策支持。故障診斷專家系統故障診斷界面如圖6所示。

圖6 故障診斷專家系統故障診斷界面

與傳統故障診斷專家系統相比，北斗監測站故障診斷專家系統具有以下優點：故障診斷自動化、智能化程度高，系統能夠自動獲取故障特征值，根據知識數據庫中故障樹信息及故障判斷規則進行故障推理和定位，不需要任何人工干預即可完成故障診斷；故障診斷速度快，通過對知識表示方法以及推理機的優化設計，解決了當專家系統知識庫比較龐大、知識間關系比較復雜時，易出現知識“組合爆炸”和推理中“匹配沖突”的問題，大大縮小了推理機的知識搜索范圍，提高故障診斷效率。

5 結束語

本文介紹了一種基于故障樹分析方法的北斗監測站故障診斷專家系統設計方案，并對知識表示方法、知識數據庫實現以及推理機設計等方面進行了詳細介紹。北斗監測站應用結果表明，系統能夠自動獲取故障特征值，在不需要人工干預的情況下，實現監測站設備故障的實時在線診斷及準確定位，具有故障診斷速度快、自動化和智能化程度高等優點，改變了目前北斗監測站主要依靠人工進行故障診斷的現狀，將故障診斷時間由15 min左右縮短至1 min之內，有效地縮短了故障處置時間，從而減小設備故障對系統造成的影響。