李英順，江山青,2，陳悅峰，周建軍，張銀圖,2

(1.北京石油化工學院 信息工程學院，北京 102600；2.北京化工大學 信息科學與技術(shù)學院，北京 100020；3.北京特種車輛研究所，北京 100071)

坦克是我國陸地作戰(zhàn)的主要裝備，其龐大的體型、超大的質(zhì)量、復雜精密的結(jié)構(gòu)都給坦克的故障診斷帶來了諸多不便。而且隨著坦克作戰(zhàn)性能的提升，設(shè)備復雜度進一步提高，其維修難度也進一步加大?，F(xiàn)如今對坦克的維修主要還是依靠有經(jīng)驗的專家，但是專家的數(shù)量非常有限，專家的時間和精力也非常有限，因此坦克故障診斷的智能化已亟不可待[1]。

專家系統(tǒng)就是將多位專家具有的經(jīng)驗、知識融合在一起，模擬人類專家的思維方式，得到跟專家類似的推理結(jié)果。這非常符合坦克的實際情況，因此很多學者都已經(jīng)開始把專家系統(tǒng)應(yīng)用到坦克故障診斷中來。

目前專家系統(tǒng)主要有基于案例的[2]、基于規(guī)則的[3]、基于模型的、基于邊框的，其中基于案例和基于規(guī)則的專家系統(tǒng)應(yīng)用的最多、最廣泛，效果也較好。大多數(shù)專家系統(tǒng)目前都只是使用其中一種方法，使用單一的方法可能使某些有用信息遺漏掉，這樣出現(xiàn)誤診漏診的概率較大。筆者根據(jù)診斷信息和專家經(jīng)驗知識，分別使用基于案例和基于規(guī)則的方法得到兩個推理結(jié)果，然后使用D-S證據(jù)理論[4]把兩種方法所得的結(jié)果進行融合，組成了混合專家系統(tǒng)。混合專家系統(tǒng)使所有的故障信息均得到充分利用，提高了信息的使用效率，進而提高了故障診斷準確率，降低了誤診漏診率。

1 基于案例的推理方法

案例推理是一種相似或類比的推理方法，通過用當前的狀態(tài)和事實類比知識庫中過去同類問題的解而求解當前問題，即利用以前的經(jīng)驗和事例來解決現(xiàn)在的問題。完整的案例推理包含匹配、復用、修正、學習等過程[5]。目前案例知識的表示方法有多種形式，如語義表示法、框架表示法、形式概念表示法等等?；诎咐耐评矸椒ㄖ苯永靡酝鉀Q問題的實例，能有效地解決知識表達困難或無法表達的領(lǐng)域問題。

1.1 案例的知識表示

這里采用矩陣的形式保存案例庫中的源案例，然后通過數(shù)據(jù)相似度進行匹配，最后得到推理結(jié)果。采用矩陣的形式表示源案例，案例表示結(jié)構(gòu)清晰，易于建立案例庫，且各個源案例之間沒有耦合聯(lián)系，可以很方便地根據(jù)實際情況對案例庫中的知識進行修改、調(diào)整，也可以很方便地添加新的案例而不影響之前的案例知識結(jié)構(gòu)。案例知識庫矩陣如表1所示。

表1 案例知識庫矩陣

表1中Si(i=1,2,3,…,m)為第Si個源案例，m為源案例總數(shù)；Rj(j=1,2,3,…n)為第Rj個屬性特征；ωj(j=1,2,3,…,n)表示第Rj個屬性特征的權(quán)重，用于計算待檢測案例與源案例的相似度，它也保存在案例知識庫中。

1.2 案例相似度計算

在獲得待診斷案例x=(x1,x2,…,xn)后，通過計算x與案例庫中每一個源案例的相似度，并比較其大小來決定案例推理結(jié)果。

(1)

式中，α、β分別為xj歷史檢測到的最大值和最小值。

(2)

由式(1)和式(2)可以計算待診斷案例與每一個源案例的相似度，把Ssim(x,Si)(i=1,2,…,m)由大到小排列，取出前5項源案例對應(yīng)的診斷結(jié)果放入到集合Θ1中，Θ1={A1,A2,A3,A4,A5,P},P代表未知故障原因。

2 基于規(guī)則的推理方法

基于規(guī)則[6]的故障診斷方法是根據(jù)專家給出的模糊定性經(jīng)驗知識，通過粗糙集、故障樹等理論將其約簡、總結(jié)、歸納成一條條的規(guī)則。大多數(shù)基于規(guī)則的故障診斷專家系統(tǒng)都是用事實匹配規(guī)則的前件，如果事實與某條規(guī)則的前件吻合，則得出規(guī)則的結(jié)論，如果與所有的規(guī)則前件都不吻合，則診斷失敗。這樣不但很難知道所得結(jié)果的可靠性，而且對規(guī)則的匹配很嚴格，如果所得事實與所有規(guī)則前件都不吻合，但是與某條規(guī)則前件很相似，也不會激發(fā)該規(guī)則，同樣會診斷失敗。這樣就導致了對信息利用不充分，診斷效率低下。針對這種情況，一般有兩種解決辦法：

1)增加規(guī)則數(shù)量，把盡可能多的情況考慮進去。這種方法雖然在一定程度上可以提高事實與規(guī)則前件的匹配度，但是會給技術(shù)人員增加大量的工作，無法把所有情況考慮進去，增加了時間和空間復雜度，最終還是得不到結(jié)果的可靠性，難以從根本上解決問題，效果非常有限。

2)在制定規(guī)則時，先賦予每條規(guī)則一個可信度，然后在進行規(guī)則匹配時，先求取每條規(guī)則前件與事實的相似度，如果相似度大于閾值α，則可激發(fā)該規(guī)則，得到規(guī)則結(jié)論。規(guī)則結(jié)論的可靠性則可以由規(guī)則可信度與規(guī)則前件與事實的相似度計算得到。筆者采用的就是這種方法。

產(chǎn)生式規(guī)則表示的這種因果關(guān)系與人們的邏輯思維方式非常相似，可以很方便地把專家們給出的經(jīng)驗知識表示成一條條規(guī)則。再加上可信度因子，可以很好地表示專家模糊經(jīng)驗知識的不確定性。帶有可信度因子的產(chǎn)生式規(guī)則的表示形式如下：

IFATHENBre(A/B)，

其中：A表示規(guī)則的前件，可以是多個事實條件的組合；B表示規(guī)則的結(jié)論；re(A/B)是可信度因子，表示規(guī)則前件A發(fā)生概率為1時，得到規(guī)則結(jié)論B的可信度。

為了便于計算事實與規(guī)則前件的相似度，在制定規(guī)則時，只保留了多個事實條件“與”的情況。如:

IFa1anda2anda3THENb10.85，

表示當事實a1、a2、a3均滿足時，結(jié)論b1發(fā)生的概率為0.85.

對于規(guī)則前件中的事實條件存在“或”關(guān)系的，將其拆分為多個規(guī)則。如：

IFa1anda2ora3THENb10.8,

則可以拆分表示為兩條規(guī)則：

IFa1anda2THENb10.8,

IFa3THENb10.8.

把采集的數(shù)據(jù)放入證據(jù)集A中,A={ai|i=1,2,3,…,n},把單個指標ai偏離正常值的范圍定義為Ddisa(ai)，它表示了單個指標ai的不可靠度。坦克火控系統(tǒng)大部分的檢測信號都是電壓信號，其中又分為固定值和范圍值。

對于范圍值，當檢測值高于正常范圍最大值的0.5倍或低于最小值的0.5倍則屬于完全不正常。例如：水平向角速度信號正常范圍為-5～+5V，檢測值為a2，當|a2|≥7.5 V時，屬于完全不正常，Ddisa(a2)=1，當5 V<|a2|<7.5 V時，Ddisa(a2)=

把規(guī)則前件與事實證據(jù)的相似度定義為Xsim(ri)，有了單個指標的不可靠度Ddisa(ai)，則可以計算產(chǎn)生式規(guī)則中整個前件與事實證據(jù)的相似度。如果規(guī)則前件只有一個事實條件，那么直接以不可靠度Ddisa(ai)作為與該規(guī)則前件的相似度，即Xsim(ri)=Ddisa(ai).如果規(guī)則前件存在多個事實條件，則可以通過下式計算其相似度：

(3)

式中：Ddisa(ai)表示規(guī)則前件中對應(yīng)的事實證據(jù)的不可靠度；n表示事實條件的個數(shù)。

當相似度Xsim(ri)低于某個閾值ω，則視為低概率事件，不再進行后續(xù)計算。ω的具體取值取決于經(jīng)驗總結(jié)，具有一定的主觀性。當Xsim(ri)高于閾值ω，則可通過相似度Xsim(ri)與規(guī)則可信度因子re(A/B)計算得到規(guī)則結(jié)論的可信度:

Ci=Xsim(ri)×re(A/B).

(4)

把所得結(jié)果按可信度Ci從大到小排列，取其前5項對應(yīng)的規(guī)則結(jié)論放入集合Θ2中,Θ2=(B1,B2,B3,B4,B5,P)，其中P同樣表示未知故障原因。

3 D-S證據(jù)理論融合

D-S證據(jù)理論是由Dempster在1967年提出，于1976年由他的學生Shafer進一步發(fā)展完善，所以又稱為D-S證據(jù)理論。D-S證據(jù)理論[7]目前已成為處理不確定性信息和融合多種推理結(jié)果的重要工具之一，它能綜合考慮多源信息中各信息的權(quán)重，減少多源信息推理產(chǎn)生的結(jié)論分歧。在故障診斷專家系統(tǒng)中，大多數(shù)學者都是在單一故障診斷專家系統(tǒng)中應(yīng)用D-S證據(jù)理論融合多個傳感器的結(jié)果，很少有人把多個專家系統(tǒng)的診斷結(jié)果通過D-S證據(jù)理論進行融合。

辨識框架[8]和基本概率賦值函數(shù)[9]是D-S證據(jù)理論中的兩個重要概念。辨識框架是指人們對某一問題所能認識到的所有可能的集合，集合中的事件都是獨立互斥的，用字母Θ表示。

Θ={A1,A2,A3,…,AN}.

Θ的所有子集組成的集合叫做Θ的冪集，用2Θ表示。

基本概率賦值函數(shù)用m表示，定義為：

(5)

式中：φ表示空集；A∈2Θ是冪集中的任一組成元素；m(A)表示證據(jù)支持事件A的概率。式(5)表示基本概率賦值函數(shù)m對空集不產(chǎn)生信任度，對所有可能發(fā)生事件的信任度之和等于1.

對于辨識框架Θ，若m(A)>0，則把A叫做證據(jù)的焦元。假設(shè)辨識框架Θ下有兩個證據(jù)對應(yīng)的基本概率賦值函數(shù)為m1和m2，焦元分別為Ai和Bj,則D-S組合規(guī)則為：

(6)

式中，k為沖突系數(shù)，可以衡量不同來源證據(jù)之間的沖突程度，表示為

(7)

把基于案例的的推理結(jié)果Θ1={A1,A2,A3,A4,A5,P}與基于規(guī)則的推理結(jié)果Θ2={B1,B2,B3,B4,B5,P}的并集作為D-S證據(jù)融合的辨識框架Θ，即Θ=Θ1∪Θ2，其對應(yīng)的m′1，m′2，m′(P)作為基本概率賦值函數(shù)。

把融合后的結(jié)果按概率大小依次排列，概率最大的為首要可能故障原因。P為未知故障原因，如果最終的推理結(jié)果得到P的概率最大，則表明事實與案例庫中所有源案例和規(guī)則庫中所考慮到的情況都不相符，故診斷失敗。如果經(jīng)實際排查找到了故障原因，則可以把該事例放入規(guī)則庫和案例庫，以充實系統(tǒng)的知識庫，提高該系統(tǒng)以后的診斷準確率。

基于案例和規(guī)則D-S證據(jù)融合的混合推理流程如圖1所示。

4 實例分析

坦克火控系統(tǒng)是以火控計算機為核心的一套半自動武器系統(tǒng)，其能夠?qū)崿F(xiàn)對“自動跟蹤線”、“瞄準線”和“火炮軸線”的單獨控制。該系統(tǒng)為炮長提供對戰(zhàn)信息，根據(jù)目標姿態(tài)、距離、環(huán)境參數(shù)、車輛姿態(tài)、彈種、人工裝定量和綜合修正量等信息，控制火炮實現(xiàn)最高可能精度的射擊。

坦克火控系統(tǒng)主要包括觀瞄分系統(tǒng)、火控計算機與傳感分系統(tǒng)和炮控分系統(tǒng)等部件，根據(jù)專家經(jīng)驗和操作人員的總結(jié)性知識，總結(jié)出故障診斷規(guī)則。以炮控箱為例，列舉其部分規(guī)則：

IF 電源信號故障 and 交流供電異常 THEN 變流機故障 0.80;

IF 電源信號故障 and 交流供電異常 THEN 交流電源線路故障 0.20;

IF 電源信號故障 and 135 V電源異常 THEN T2變壓器損壞 0.85;

IF 電源信號故障 and +15 V電源異常 THEN T1變壓器損壞 0.70;

IF 水平信號異常 and 水平瞄準控制信號始端異常 THEN 操縱臺水平電位器損壞 0.85;

IF 水平信號異常 and 水平瞄準控制信號末端異常 THEN 4號板K7損壞 0.5;

IF 水平信號異常 and 來自陀螺儀組水平角速度信號異常 THEN 陀螺儀組內(nèi)水平放大器板損壞 0.8;

IF 水平信號異常 and 來自陀螺儀組水平角速度信號異常 THEN 陀螺儀組與炮控箱連線斷開 0.1;

IF 垂直信號故障 and 垂直功率輸出異常and 檢測XS8-9/10故障 THEN 9號板損壞 0.9;

IF 垂直信號故障 and 垂直放大輸出異常 THEN SFC放大器板壞 0.75.

通過100組已知故障原因的故障數(shù)據(jù)，驗證基于規(guī)則的故障診斷、基于案例的故障診斷和D-S證據(jù)理論混合故障診斷的有效性。依次根據(jù)不同的方法試驗每一組故障數(shù)據(jù)，最終的統(tǒng)計結(jié)果如表2所示。

表2 各方法診斷結(jié)果對比 單位:%

從試驗結(jié)果可以看出：基于案例的知識推理，漏診率較大，誤診率較小，漏診率大的主要原因是案例知識庫中的案例不夠多，知識不夠豐富，需要在使用的過程中根據(jù)實際情況不斷豐富案例庫，提高診斷準確率。基于規(guī)則的推理雖然漏診率較小，但是誤診率較大，主要是因為規(guī)則可信度因子re(A/B)的主觀性太強，難免出現(xiàn)偏差。D-S證據(jù)融合的方法很好地融合了兩種方法的有效信息，提高了診斷結(jié)果的準確率。

5 結(jié)束語

以某型坦克火控系統(tǒng)為對象，提出了基于案例和規(guī)則融合的混合故障診斷專家系統(tǒng)，首先根據(jù)專家經(jīng)驗和歷史數(shù)據(jù)以矩陣的形式建立了案例庫，然后用帶有可信度因子的不確定性產(chǎn)生式規(guī)則表示基于規(guī)則部分的知識。根據(jù)兩種推理方法得到的結(jié)果，確定了它們進行D-S證據(jù)理論融合的辨識框架和基本概率賦值函數(shù)，最后用D-S組合規(guī)則把兩種推理結(jié)果融合得到最終結(jié)果。經(jīng)實際檢驗，該方法克服了單一方法對信息利用不充分的缺陷，提高了故障診斷準確率，減少了漏診誤診率。