基于CBR、RBR和KBG的閘門啟閉機故障應(yīng)急處理決策方法

張 濤，萬名炎，胡劍杰，彭康迪

（1.武漢大學動力與機械學院，湖北武漢 430072；2.湖北咸寧三合機電股份有限公司，湖北咸寧 437000；3.長江水利委員會設(shè)計院，湖北武漢 430010；4.湖北省電力裝備有限公司，湖北武漢 430030）

智能啟閉機是將設(shè)備在線狀態(tài)監(jiān)測、故障診斷、應(yīng)急處理、運行監(jiān)控等功能與環(huán)境狀態(tài)高度融合的水工閘門智能控制或驅(qū)動系統(tǒng)，是啟閉機與智能監(jiān)控系統(tǒng)的有機體。當環(huán)境狀態(tài)和設(shè)備故障確定后，及時做出應(yīng)急決策，是保障啟閉機能安全運行的關(guān)鍵[1]。啟閉機運行過程中應(yīng)急決策的影響因素十分復(fù)雜，基于實例推理（Case-Based Reasoning,CBR）和基于規(guī)則（Rule-Based Reasoning,RBR）的混合決策進行求解，可克服傳統(tǒng)專家系統(tǒng)知識表達和推理困難等問題，有效提高求解效率[2-4]，但啟閉機運行過程中的故障應(yīng)急決策過程高度復(fù)雜，求解過程中也很難全部抽象出形式化的規(guī)則，有時甚至找不到適用的應(yīng)急處理實例解[5-6]，而故障的突發(fā)性和動態(tài)性，又需要決策者快速制訂應(yīng)急決策方案[7-8]；雖然傳統(tǒng)基于知識導(dǎo)航（Knowledge-Based Guiding，KBG）的求解策略可通過抽象化的元規(guī)則引導(dǎo)系統(tǒng)按決策流程快速求解，但由于早期數(shù)據(jù)庫容量和數(shù)據(jù)挖掘技術(shù)的限制，該方法運用知識和規(guī)則的能力弱[9]。而近些年隨著大數(shù)據(jù)和人工智能技術(shù)的興起，海量數(shù)據(jù)的收集、清洗、存儲以及基于海量數(shù)據(jù)的規(guī)則推理等技術(shù)均得到了提升，使得KBG方法重新成為研究熱點[10-11]。而將CBR、RBR 與KBG 相結(jié)合，則有望提高智能啟閉機運行應(yīng)急處理決策求解的即時性和準確性。

1 實例庫構(gòu)建

CBR 求解策略的重點是建立分類準確、特征鮮明、語義清晰的案例庫[2]。首先，通過故障分類索引樹來組織實例（如圖1 所示），并且實例屬性（故障特征）采用數(shù)量型；然后，通過三元組來描述故障特征屬性，即問題P（Problem）、解S（Solution）、效果O（Outcome）。P 是對故障特征屬性的簡要描述（如電流、電壓、振幅、噪聲、溫度、應(yīng)力等偏離正常范圍值大小），是實例檢索的依據(jù)，S 是故障應(yīng)急處理的方法，O 是故障應(yīng)急處理后的效果，分別對其進行權(quán)重賦值[12]；接著，采用最近鄰索引(Nearest Neighbor Algorithm)和模板檢索(Template Retrieval)相結(jié)合的方法，在保證檢索效率的前提下最大限度提高案例的匹配度[13-14]，并根據(jù)實際需求修改檢索到的案例；最后，在實例庫中保存問題解決方案，作為新的實例。

圖1 啟閉機應(yīng)急處理方案實例庫組織

2 決策知識庫構(gòu)建

決策知識庫是KBG 和RBR 決策求解的基礎(chǔ)，閘門啟閉機故障應(yīng)急處理決策規(guī)則庫主要由元規(guī)則和領(lǐng)域規(guī)則組成[15]。

元規(guī)則是基于實例、規(guī)則、數(shù)據(jù)等復(fù)合知識的、高度抽象化的規(guī)則，用于KBG 應(yīng)急處理決策的全過程；主要包括故障特征屬性權(quán)重規(guī)則、應(yīng)急處理決策控制流程及其節(jié)點遷移機制、應(yīng)急處理規(guī)則調(diào)用方法、應(yīng)急方案優(yōu)選規(guī)則、閾值規(guī)則、評價規(guī)則等。采用元規(guī)則子集中的求解控制流程和評價機制，可動態(tài)、靈活地引導(dǎo)系統(tǒng)進行啟閉機應(yīng)急方案的選擇。其中，故障特征屬性權(quán)重選取基于歸一化后的特征向量之間的“最短歐氏距離”原則[16]；而通過元規(guī)則控制的節(jié)點遷移和路徑回溯則保證了求解的靈活性，應(yīng)急處理決策流程及節(jié)點遷移機制如圖2 所示。

圖2 應(yīng)急處理決策流程及節(jié)點遷移機制

RBR 與KBG 集成不需要檢索實例,而是運用過程或子過程及其步驟節(jié)點遷移機制取代了CBR 中的推理機[15],且導(dǎo)航設(shè)計過程或子過程步驟節(jié)點完全可與實例修改過程或子過程步驟節(jié)點一致。

2）領(lǐng)域規(guī)則

用于規(guī)則推理，確定故障類型、分析故障原因。主要指由閘門啟閉機應(yīng)急處理領(lǐng)域知識形式化規(guī)則，如電動機電流控制規(guī)則、減速器齒輪失效（磨損、點蝕、斷齒）處理規(guī)則、鋼絲繩過載處理規(guī)則、制動器失效處理規(guī)則等。

3 混合求解策略

傳統(tǒng)基于知識導(dǎo)航（KBG）的求解策略是通過收集盡可能詳盡的系統(tǒng)運行狀態(tài)數(shù)據(jù)、案例知識、規(guī)則知識以及經(jīng)驗知識等，制定應(yīng)急處置策略[15]。但KBG 求解策略對經(jīng)驗知識依賴程度高，對案例知識和規(guī)則的運用能力較弱，導(dǎo)致應(yīng)急處理過程周期較長。為解決這一問題，需要與CBR、RBR、KBG 方法相結(jié)合，借助大數(shù)據(jù)技術(shù)將相關(guān)數(shù)據(jù)和知識形成數(shù)字化的數(shù)據(jù)系統(tǒng)，并依靠人工智能技術(shù)快速科學地制訂應(yīng)急預(yù)案，提高應(yīng)急處理的質(zhì)量和效率。混合求解的基本思路如下：

工況I：基于CBR 方法，通過實例檢索比對，在閾值滿足的條件下，通過實例庫直接輸出應(yīng)急處理方案；

工況II：若工況I不滿足，則需要降低閾值尋找相似解，以確定故障類型，再由RBR 基于規(guī)則推理分析故障原因，最后對現(xiàn)有應(yīng)急處理方案進行修改和優(yōu)化；

工況Ⅲ：若工況I、II 均不滿足，則需要運用KBG方法，基于元規(guī)則確定故障特征屬性權(quán)重和閾值以尋找相似解，再通過RBR 基于領(lǐng)域規(guī)則確定故障類型，分析故障原因，然后調(diào)用相似應(yīng)急處理方案，選擇相應(yīng)的子流程或利用節(jié)點遷移機制和規(guī)則調(diào)用機制分析故障原因，最后根據(jù)故障原因結(jié)合相應(yīng)規(guī)則知識形成新的應(yīng)急處理方案，并將經(jīng)過檢驗和評價的新應(yīng)急防范儲存在實例庫，實現(xiàn)實例庫的自我學習和動態(tài)更新，混合求解策略流程如圖3 所示。

圖3 啟閉機應(yīng)急處理決策混合求解流程

以卷揚固定式啟閉機上的電磁制動器故障應(yīng)急處理流程為例，對混合求解策略進行進一步闡述[3]：

2.設(shè)置懸念開頭。這種開頭可激發(fā)讀者的閱讀興趣和啟發(fā)讀者思考，產(chǎn)生一種非讀下去不可的欲望。《白楊禮贊》開頭：“白楊樹實在是不平凡的……”白楊樹是常見的樹，一般的樹，作者為什么要說它不平凡?讀者自然想知道其中緣由。《棗核》開頭：“動身訪美之前……”小小棗核，卻要從中國帶到美國去，而且還寫航空信來托付，怎能不使人感到蹊蹺?名篇《荔枝蜜》也是屬于這種寫法。

1）輸入故障特征參數(shù)（如斷電時閘門下落速度、通電時制動瓦松閘速度、工作時振動和噪聲率等）；

2）運用領(lǐng)域規(guī)則判斷故障類型（如制動瓦不抱閘、制動瓦不松閘、制動器振動大等）；

3）根據(jù)故障類型，選擇相應(yīng)的子流程（如制動瓦不抱閘應(yīng)急處理子流程由制動瓦間隙檢測、銜鐵行程檢測、銜鐵和鐵芯結(jié)合面檢查、制動表面油污檢查、電磁線圈檢查、電源電壓檢測、磁路油污及剩磁等組成），分析故障原因；

4）根據(jù)故障原因、領(lǐng)域規(guī)則、評價規(guī)則等做出相應(yīng)的應(yīng)急處理決策方案（如按照檢修操作規(guī)程調(diào)整制動瓦間隙、調(diào)整電磁鐵行程、改善銜鐵和鐵芯結(jié)合面或更換電磁鐵、清除制動表面油污、更換電磁線圈、調(diào)整電源電壓、清理磁路油污、消除剩磁等），并實現(xiàn)方案的優(yōu)化。

4 系統(tǒng)實現(xiàn)

基于混合求解策略的需求和原理，對閘門啟閉機智能監(jiān)控系統(tǒng)的功能進行了擴充，擴充后的系統(tǒng)結(jié)構(gòu)如圖4 所示。監(jiān)控系統(tǒng)依然分為感知執(zhí)行、數(shù)據(jù)資源、服務(wù)、應(yīng)用和交互五個層次。

圖4 閘門啟閉機應(yīng)急處理決策系統(tǒng)結(jié)構(gòu)圖

其中，感知執(zhí)行層是數(shù)據(jù)的來源，也是控制執(zhí)行機構(gòu)，主要負責現(xiàn)場組網(wǎng)、通信、外部系統(tǒng)數(shù)據(jù)交換。監(jiān)測傳感器、變送器、視頻鏡頭等采集現(xiàn)場數(shù)據(jù)，接入現(xiàn)場網(wǎng)絡(luò)，由LoRa 通信采集模塊，以無線的方式傳輸?shù)街锌厥摇Ｒ曨l信號由光纖接入中控室。上層的控制命令由現(xiàn)場網(wǎng)絡(luò)下發(fā)到執(zhí)行機構(gòu)。

數(shù)據(jù)資源層是數(shù)據(jù)、模型、規(guī)則、實例等存儲、管理和分析的基礎(chǔ)平臺，包括基礎(chǔ)數(shù)據(jù)庫、實時數(shù)據(jù)庫（含報警數(shù)據(jù)、監(jiān)測數(shù)據(jù)）、運維數(shù)據(jù)庫、非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)庫、GIS 數(shù)據(jù)庫、BIM 模型庫等。為適應(yīng)混合求解策略的需求，需要對規(guī)則庫基于元規(guī)則和領(lǐng)域規(guī)則進行重新規(guī)劃，同時增加實例庫的動態(tài)學習功能，實現(xiàn)對新案例（求解策略）的即時更新。

服務(wù)層充分利用物聯(lián)網(wǎng)平臺和大數(shù)據(jù)技術(shù)把數(shù)據(jù)資源封裝成服務(wù)，為應(yīng)用提供支撐。包括物聯(lián)網(wǎng)平臺、地圖信息服務(wù)、數(shù)據(jù)分析服務(wù)、智能語音識別、微服務(wù)運行和控制平臺等。

應(yīng)用層是具體的應(yīng)用功能。包含在線監(jiān)測、數(shù)據(jù)分析、應(yīng)急決策、預(yù)報警管理、應(yīng)急管理、設(shè)備運維、閘站管理、系統(tǒng)管理幾大模塊。在該層架構(gòu)中，利用大數(shù)據(jù)技術(shù)開展系統(tǒng)運行數(shù)據(jù)預(yù)處理、運行強度分析、狀態(tài)異常分析、狀態(tài)特征分析、健康綜合評價等，同時基于CBR、RBR、KBG 的故障應(yīng)急處理混合求解策略也作為一個功能模塊嵌入該層，通過實例比對、規(guī)則推理以及知識導(dǎo)航等手段，針對故障快速形成應(yīng)急處理方案，提高系統(tǒng)運行安全。

交互層系統(tǒng)服務(wù)的對象是水利局、流域管理局、閘站管理處、應(yīng)急管理局相關(guān)的工作人員。通過現(xiàn)場PLC、中控軟件、手機微信程序，實現(xiàn)監(jiān)測、控制、運維、數(shù)據(jù)管理等操作。

5 結(jié)論

1）在領(lǐng)域規(guī)則缺乏完整性和實例解難以找到等情況下，基于CBR、RBR 和KBG 進行混合求解，可提高閘門啟閉機故障應(yīng)急處理決策能力和效率；

2）KBG 策略中的最優(yōu)決策流控制和節(jié)點控制機制是應(yīng)急方案求解的關(guān)鍵，也是下一步研究的重點；

3）隨著物聯(lián)網(wǎng)的普及，大數(shù)據(jù)和人工智能在故障診斷和應(yīng)急處理領(lǐng)域?qū)l(fā)揮更加重要的作用。