《一种航电设备故障诊断专家系统的设计》由会员分享，可在线阅读，更多相关《一种航电设备故障诊断专家系统的设计（5页珍藏版）》请在金锄头文库上搜索。
1、一种航电设备故障诊断专家系统的设计齐 怡 沈士团 李 杰( 北京航空航天大学 北京 100083)收稿日期: 2002-07-30 收修改稿日期: 2002-10-29文 摘 故障诊断专家系统在自动测试与诊断领域有着广泛的应用, 它是自动测试系统的核心技术之一。 文中介绍一种航电设备故障诊断专家系统, 对该系统的原理、 系统组成和基本设计思想做了较详细的介绍。主题词 故障诊断 专家系统 模糊规则 推进算法前 言随着航电系统复杂程度和规模的不断提高, 依靠耳听、 手摸、 眼看的传统人工维修方法越来越难以满足现代航电系统维护保障的需要。在这种情况下, 自动测试系统( ATSAutomatic Te
2、st System) 作为实现航电系统维护保障现代化的基本工具, 获得了很大的发展。故障诊断专家系统是 ATS 的核心技术之一, 所以, 设计适合航电设备故障诊断的专家系统是AT S 研制中的一个重要任务。 本文介绍一种针对航电设备实际维修情况而设计的 故障诊断专家系统, 并对该系统的基本设计思想、 系统组成、 原理和算法做了比较深入的叙述。1 设计方案图1故障诊断专家系统原理方框图诊断推理模块正向推理算法 反向推理算法 ( 规则a1匹配方法) ( 规则a2匹配方法) (规则b1匹配方法) (规则b2匹配方法) ( 冲突消解策略)整机规则库LRU规则库SRU规则库故障诊断规则库规则知识库管理模
3、块诊断知识维护模块动态 数据库解释机构故障征兆 提取模块诊断结果专家系统接口航电设备故障诊断专家系统的原理图示于图 1。它主要由故障诊断规则库及规则库管理模块、 诊断推理模 块、 故障征兆提取模块、 解释机构、 动态数据库、 诊断知识维护模块等几部分组成。 其中, 故障诊断规则库及知识库管理模块用来存储和管理诊断知识, 可以实现规则的读取, 增删和修改。 该数据库中的内容按被测节点的不同从 整机、 外场可更换单元 LRU( Line Replaceable Unit) 、 内场可更换单元SRU( Shop Replaceable Unit) 到各功能模块进行分块存储, 这样设计可以提高专家系统
4、的推理效 率。 诊断知识管理模块用来实现对数据库中规则的录入、读取、 显示、 修改、 打印等功能。专家系统得到测试数据后, 先通过故障征兆提取模块获取规则匹配所需的故障征兆。 诊断推理模块将这些征兆值和数据库中的规则进行匹配, 得到诊断结果, 并根据冲突消解策略将诊断结果进行排序, 诊断结果通过专家 系统接口输出给用户。解释机构根据用户的需要输出对诊断结果的解释和维修建议等内容。动态数据库也称黑板, 用来存放故障征兆、 推理的中间结果和最后结论、 控制信息等内容。本文介绍航电设备故障诊断专家系统的规则表示方法及相应的综合匹配算法。 1. 1 规则知识的表示方法规则表示方法分“ 或” 规则和“
5、与” 规则两种形式。但是一般来说, “ 或” 规则可分解成几条多输入、 单输出的“ 与” 规则 1, 所以, 规则库中的规则可以只用“ 与” 规则的形式描述。在本专家系统中, 要求所有的规则都表示成“ 与” 规则的形式, 对于需要用“ 或” 规则表示的诊断知识, 也应分解成几条“ 与” 规则来描述。 被测设备的故障诊断知识不仅包含许多原理性的确定性知识, 而且还包含许多经验性的不确定性知识。 设计诊断规则的开发人员不仅包括只需要故障字典这类简单故障诊断方法的外场开发人员, 还包括需要更复杂的知识表示方法的内场维修专家。为了很好表达这些知识, 同时又能方便用户和开发人员使用, 故障诊断专家系统采
6、552003 年 3 月遥 测 遥 控用简单规则和模糊规则并存的多种规则表示方式来存储诊断知识。各类规则具有相同的基本表示方式, 即每条规则都包含一个前提部分和一个结论部分, 其一般形式为: IF C1is F1and and Cnis Fn T HEN 结论( 规则置信度u) 在一条规则的前提中, 各条件为“ 与” 的关系。 其中, Fi为条件 Ci的成立范围, Fi可以是一个区间数、 一个语义范围 或一个模糊隶属度函数。 结论部分包括规则的结论和规则置信度 u。 其中, u 表示当规则条件完全成立( 规则各条 件的置信度都为 1) 时, 规则结论( 故障) 发生的可能性。各种规则的不同体现
7、在对规则条件的表示上。根据实际的需要, 本专家系统提供四种规则条件的表示方法, 即简单规则条件表示法、 普通规则条件表示法、 模糊规则条件表示法和模糊语义规则条件表示法等。1. 1. 1 简单规则条件 a1 表示 实际维修中经常会碰到被测设备出现严重故障的情况, 这时, 从测点测得的信号会出现一些极端情况。如测 点没有信号。在这种情况下, 对测点的指标测试无从谈起; 有时即使有信号, 但测点的各项指标都超出正常值范围。 对于这种情况通过测点信号的指标作为前提的条件建立规则变得复杂繁琐。 据统计, 电子设备的硬故障占总 故障的 60% , 而上述情况在硬故障中占有很大的比例。 所以本系统专门为这
8、类故障的诊断设计了规则表示方式,这样不仅可以方便专家诊断系统的计算, 还方便用户对规则的理解和二次开发人员对故障规则的设计。 专家系统将这类规则前提的条件( 即测点的信号) 分为正常、 不正常、 无三种语义表示方式。测点信号“ 正常”说明测点信号各项指标都在正常值范围内; 测点信号“ 不正常” 说明测点信号至少有一项指标不在正常值范围内; 测点信号“ 无” 说明测量不到测点信号。其规则表示情况如下:IF 信号名称 1, ( 正常, 不正常或无) andand 信号名称 n, ( 正常, 不正常或无) THEN 结论( 该情况下, 结论发生概率, 即规则置信度) 1. 1. 2 普通规则条件 a
9、2 表示一般情况下, 人们习惯于将规则前提的条件( 即测试信号指标) 以一定的数值范围或普通的语义形式来表达。 以数值范围表达是指将测试指标以一个有上下范围的区间数来表示。以普通语义形式表达是将测试指标的可能范围分成数个区间, 每个区间用一个语义名称来表达。例如, 电台接收机灵敏度( 输出信号信噪比为 3 时) 可以用 如下的普通语义表示:普通语义表示好较好一般较差差输入信号值(?V) 0, 1. 5( 1. 5, 2(2, 2. 5(2. 5, 5( 5, 20系统为用户提供这两种前提表示方式, 可以保证用户根据实际的需要灵活地使用知识的表达方式。 其规则表 示形式如下:IF 信号 si特征
10、 ci, 范围或语义表达 andand 信号 s1特征 c1, 范围或语义表达THEN 结论( 该情况下, 结论发生概率) 1. 1. 3 模糊规则条件 b1 表示 模糊规则和以数值范围表示的普通规则类似, 只是信号指标的数值范围以模糊隶属度函数的方式表示。 由于这种模糊规则表示方法使用灵活但有一定的设计难度, 所以, 这种规则表示方式比较适合高级开发人员表达不确 定的故障诊断信息。为方便开发人员的使用, 减少推理算法的计算复杂程度, 故障诊断专家系统中模糊规则的模糊度隶属函数采 用梯形分布或半梯形分布 1, 隶属度函数的公式如下:梯形分布隶属函数公式 F1( x) =x - x1 x2- x
11、1 x1 x x21x2 x x3x4- x x4- x3 x3 x x40other( 1)降半梯形分布隶属函数公式 F2( x) =1 x x1x2- x x2- x1 x1 x x20 other( 2)56一种航电设备故障诊断专家系统的设计第 24 卷第 2 期升半梯形分布隶属函数公式 F3=x - x1 x2- x1 x1 x x21 x2 x0 other( 3)模糊规则的表示形式如下:IF 信号 si特征 ci, 模糊度隶属函数 andand 信号 s1特征 c1, 模糊度隶属函数THEN 结论( 该情况下, 结论发生概率) 图 2 为梯形模糊隶属函数的示意图。图2梯形模糊隶属度
12、函数示意图梯形分布降半梯形分布升半梯形分布x1 x2x3x4x1x2x1 x21. 1. 4 模糊语义规则条件 b2 表示在模糊语义规则前提中, 故障征兆的语义以模糊隶属函数的形式表示。采用这种规则表示方式, 用户可以直观地理解诊断规则, 而不需要了解很多抽象的知识, 所以对用户知识水平的要求不高。但是模糊语义的定义是一 个复杂的工作, 这类规则只能适合于经验丰富的开发人员设计, 为用户在规则的使用上提供方便。表示语义的模糊隶属函数同表示普通模糊规则的隶属函数一样, 都采用梯形分布或半梯形分布。例如, 某信号的模糊语义表示如下:过低较低正常较高过高( x1, x2)( x3, x4, x5,
13、x6)( x7, x8, x9, x10)( x11, x12, x13, x14)( x15, x16)图3模糊语义表示示意图1S x3 x1 x4 x2 x7 x5 x8x6x11x9x12x10x15x13 x16 x14模糊语义规则的表示形式如下:IF 信号 si特征 ci, 模糊语义等级and, 信号s1特征c1, 模糊语义等级THEN 结论( 该情况下, 结论发生概率) 图 3 为模糊语义表示的示意图。1. 2 诊断规则的推理算法规则库中有些规则可能为中间结论, 所以, 在匹配规则过程中要对当前诊断节点的所有规则进行多次匹配,直到再也匹配不到任何新的规则为止。中间结论的置信度作为使
14、用该中间结论的规则对应条件的置信度。1. 2. 1 规则匹配算法在规则中, 可以有四种不同的规则前提表现形式, 所以匹配算法对规则前提置信度的计算也分为下列四种。? 简单规则前提 a1 的置信度算法 当故障征兆和前提条件值相同时, 该前提的置信度为 1, 不相同时的置信度为 0, 即b =1 故障征兆 = 前提条件 0 故障征兆 前提条件其中, b 为规则前提的置信度。 ? 普通规则前提 a2 的置信度算法 规则条件a2 的征兆值范围以两种方式表示, 一种是区间数表示, 一种是语义表示。这两种表示的条件置信度计算方法如下:区间数表示条件置信度b =1 故障征兆 区间范围0 故障征兆 ? 区间范
15、围语义表示条件置信度b =1 故障征兆 = 前提条件0 故障征兆 前提条件572003 年 3 月遥 测 遥 控隶属函数模糊规则条件 b1的置信度算法b = F( x)其中F 为模糊隶属度函数, x 为故障征兆值。!语义模糊规则条件 b2的置信度算法 b = F( x)其中F 为条件中对应语义的模糊隶属度函数, x 为故障征兆值。得到一条规则前提中所有条件( 设条件数为 n) 的置信度后, 采用如下算法实现规则匹配 2: 当规则所有的条件都能够保证 bi? ( i= 1, , n) 时, 规则匹配成功, 其中 ? ( 0, 1 为开发人员设定的阈值。此时匹配成功的规则 置信度为 ei= ( b
16、1 b2 bn) u, 即ei= min( b1, b2, , bn) u。其中 ei为规则 i 的置信度; b1, , bn为 n 条前提的置信度; u 为规则结论的置信度。 图4规则匹配算法流程故障征兆故障原因1置信度匹配成功规则m 置信度匹配成功规则 置信度匹配成功规则1 置信度规则匹配条件b1条件置信度b1条件置信度a2条件置信度a1置信度上述算法为“ 与” 规则的匹配算法。由于本故障诊断 系统要求规则都以“ 与” 规则的形式表示, 加上规则库中采用模糊规则表示方法, 所以, 规则匹配后可能会出现多条规则支持一个故障原因的情况, 此时, 故障原因的置信度为 ef l= 1 -( 1 - ef l1) ( 1 - ef l2) ( 1 - ef lm)其中, ef l为故障原因 l 的置信度; ef l1, ef l2, , ef lm为支持 故障原因 l
