面向远程诊断的AI-ESTATE智能诊断系统研究动态

姜会霞， 范书义， 王 成

(军械工程学院 导弹工程系，石家庄 050003)

面向远程诊断的AI-ESTATE智能诊断系统研究动态

姜会霞， 范书义， 王 成

(军械工程学院 导弹工程系，石家庄 050003)

通过封装服务、规范标准服务，AI-EATATE为诊断系统的客户端和应用对象的扩展、测试与诊断的分离提供了条件，使其更适合远程控制的诊断系统的构建；分析了武器装备远程故障诊断对知识重用与共享、软件互操作的需求，提出了面向远程诊断的AI-ESTTAE智能诊断系统构建的方法；研究了AI-ESTATE智能诊断系统的基本结构和框架，讨论了AI-ESTATE在发展过程中其服务的变化对开放、远程智能诊断系统构建的影响；最新的AI-ESTATE标准规范的服务更加强了对诊断过程的控制和效果评估，论文采用状态图的方式分析了最新的AI-ESTTAE服务在远程故障诊断过程的作用，为符合AI-ESTATE标准的远程故障诊断系统的开发提供了方法。

AI-ESTATE；远程诊断；服务；接口

0 引言

随着武器装备的复杂度越来越高，单靠武器装备的使用单位的维修人员或者现场维修力量解决装备各层次的故障问题也越来越难[1]。如何充分利用装备的各类信息和诊断策略，如何远程支持装备的诊断过程，实现诊断资源的共享，提高装备诊断和维修效率则是面临的关键问题。这就需要构建装备的远程故障诊断系统，充分利用信息共享和诊断策略的综合与优化。

美军较早提出和应用了武器装备远程诊断的理念。随着美军装备复杂程度的不断提升，特别是美军海外作战的现场需求，为了使作战部队的装备维修人员获得急需的维修支持、故障诊断信息，提高作战部队野战抢修能力，迫切需要建立远程维修支援系统，如1993年开始的远程维修支援系统(TMAINT)。美国各军种也针对开放式、信息共享、远程支援等装备保障问题制定相应的发展计划，例如美国空军制定的MATE(Modular Automatic Test Equipment，模块化自动测试设备)发展计划，美国海军制定的CASS(consolidated Automated System，综合自动支持系统)发展计划，美国陆军制定的IFTE (Integrated Family of Test Equipment，集成测试设备系列)发展计划。在美军装备维修保障改革中也特别指出了装备维修、保障信息的远程共享。其注重利用网络技术开发可交互的电子维护手册、远程支援维修系统、可穿戴式维修辅助系统等。1995年美国国防部启动了几个主要计划，其中最主要的是敏捷快速的全球作战支持(Agile Rapid Global Combat Support，ARGCS)先进概念技术验证(Advance Concept Technology Demonstration，ACTD)计划。ARGCS采用多军种使用的标准接口，围绕开放式体系结构、快速的可重新配置技术和以网络为中心的故障诊断进行设计。在该计划推动下，美军的下一代的自动测试系统体系架构规定指装备测试、诊断、维护等采用的信息、服务标准。其中诊断数据和诊断服务标准采用IEEE1232标准AI-ESTATE(Artificial Intelligence Exchange and Service Tie to All Test Environments，全测试环境人工智能交换与服务)[3-6]。

我国也在积极研究装备远程诊断系统建设与关键技术。文献[8]提出了关于海军舰船装备远程维修支援系统的构想，论述了系统的总体构成和软件体系结构。文献[9]论述了装备远程协同诊断服务共享框架及其关键技术研究，提出了采用Web Services技术为核心实现诊断信息和服务共享。文献[1,10-13]均针对信息共享、远程诊断提出了构建基于服务的远程诊断体系结构，并详细分析其体系中各层次单元的功能划分，服务种类，为远程诊断系统的实现提供了结构框架。

目前无论是美军的远程诊断系统还是我军的远程诊断系统总体技术方向都是采用面向服务的方式实现，只是有的采用C/S方式，有的采用B/S的方式，也有构建专用网络的形式。在这些方式中也都是针对信息共享来解决远程诊断的问题。但是各系统中如何对诊断信息进行标准化描述和诊断服务的类型、定义的一致性都没有提出解决方法，限制了其开放性和共享性。即使是美军ARGCS计划中，也只是在体系结构中提出了采用IEEE1232标准，但是目前还没有实现。因此武器装备远程诊断中诊断信息的标准化描述、诊断服务的互操作是目前开放式远程诊断系统实现的一个瓶颈。

IEEE1232标准AI-ESTATE(Artificial Intelligence Exchange and Service Tie to All Test Environments，全测试环境人工智能交换与服务)通过定义诊断推理机与测试系统、用户、知识库等系统间的接口，规范诊断知识描述为测试系统与诊断系统分离，诊断知识可互换，诊断软件可移植提供了条件，通过进一步的规范诊断过程的接口函数，使得与AI-ESTATE兼容的系统更适合远程故障诊断系统。

1 AI-ESTATE功能与结构

AI-ESTATE可以实现以下功能：1)推理机和测试系统其他功能组件的接口标准化，确保测试系统各组件的互操作性；2)测试相关知识的规范定义，满足测试、诊断知识的兼容性；3)推理系统的最大兼容性；4)适合嵌入和外置式推理系统与测试系统组件的互操作性；5)系统维护、保障和升级费用的显著减少；6)维修专家知识的可移植性、重用和共享。

为了实现以上功能，AI-ESTATE采用信息模型的方法规范诊断知识和数据描述、规范推理机与测试系统、诊断用户、测试信息知识库或其它数据库之间的各种接口服务描述[3]，如图1所示。

图1 AI-ESTATE体系概念图

通过构建以上组件式体系结构，AI-ESTATE可以满足以下要求：一是诊断推理机之间的数据和知识交换，通过提供可交换的文件即可满足；二是通过定义和规范诊断过程中的需求服务实现测试环境下诊断推理机与其它组件之间的互操作。

2 基于服务AI-ESTATE体系结构的演变

在80年代，专家系统广泛应用于美军的装备维护系统中，大大降低了装备保障的费用并提高了其维护性。但是，随着专家系统和专家系统的开发工具在当时美军自动测试设备(ATE)中越来越多的使用，也发现了测试与诊断系统知识与被测对象数据紧密联系而带来的当被测对象改造或升级后，原有的测试与诊断系统必须重新进行开发的问题。原有的测试与诊断软件难以移植、诊断知识难以共享，开发过程重复。这就促使了美军及其相关的测试设备生产厂，如AAI公司，开始考虑如何在不影响传统测试语言的基础上，利用专家系统的优势实现对测试过程和诊断过程的有效控制。这也就意味着，必须要建立标准化的人工和机器接口。

作为AI-ESTATE标准制定的重要成员Leslie A.Orlidge在文献[4]提出了通用专家系统模型接口体系结构，这也成为了最早的AI-ESTATE的概念结构框架。该结构将测试与诊断系统分为专家系统用户、ATE、测试软件、外部数据库、知识库和通用专家系统模型。各模块之间通过接口实现通信。专家系统可以独立于ATE也可以嵌入至ATE中。专家系统作为整个系统的测试策略层开始进行系统的进程控制。但是该框架并没有指出如何进行各模块的分离和通信。

随着基于知识的诊断系统、神经网络等新的智能诊断方法的研究与运用，为了使AI-ESTATE故障诊断体系结构具有广泛的适应性，在IEEE1232-1995 AI-ESTATE中将诊断的中心统称为推理系统[6]。尽管在该标准的名称中仍然重点包含专家系统，但是在标准的上下文语义中，推理系统代表了所有的能够综合各种知识得出诊断结论的诊断方法。此时，AI-ESTATE标准包含了一系列的文档：IEEE Std 1232-1995，应用于自动测试设备的人工智能和专家系统试用标准；IEEEP1232.1，AI-ESTATE数据和知识描述标准草案；IEEEP1232.2，AI-ESTATE服务描述标准草案；IEEEP1347,应用于自动测试设备的人工智能和专家系统解释草案。在该标准体系中明确提出了基于服务的诊断系统体系结构。所有的单元或模块均通过服务实现相互的通信。但是除定义了测试执行服务和用户接口服务的功能之外，该标准当时并没有对服务的种类和模式特别是推理机的服务进行规范和定义。在这一阶段，AI-ESTATE提出了体系结构尽管可以使诊断和测试分离，实现推理机对测试诊断系统的运行控制，但是采用什么样的服务如何在应用系统中实际执行仍没有定义。

IEEE Std 1232-1997标准即IEEE 1232.1—适用于所有测试环境的人工智能交换和服务：数据和知识规范试用标准，进一步的用一种纯文本语言EXPRESS语言规范了诊断知识、测试数据等信息的描述。该标准的规范使得诊断知识和数据信息不仅仅能够满足模块化体系结构的要求，还使得信息的一致性交互成为可能，进而带来了推理系统能够充分利用各类知识和数据实现各种诊断方法的最优组合。但是该标准在服务的规范上并没有新的进展。

IEEE Std 1232.2-1998即IEEE Std 1232.2规范了诊断推理机提供的服务标准[9]。该标准规范了推理机的服务、协议等的描述以确保在AI-ESTATE兼容系统间的互操作性。这些封装的服务用以驱动系统的测试和诊断。封装服务的模式使得AI-ESTATE故障诊断系统可以实现客户-服务器端模式，从而满足分散式测试诊断系统需求。但是IEEE Std 1232.2-1998的描述的服务类型更侧重与对诊断过程中知识和数据的交换服务，而对诊断过程的系统状态和控制服务没有规范。

IEEE Std 1232-2002 采用基于组件的思想，规范了原有的诊断模型管理服务和推理机的互操作服务，提供了对诊断过程的历史状态、诊断过程的控制服务，从而进一步增强了诊断推理机对诊断过程的操作与控制[10]。

IEEE最新公布的是IEEE Std 1232-2010[2]。在诊断知识描述方面，IEEE Std 1232-2010在保留以前版本的实体描述的基础上，进一步扩展了对于诊断对象失效分布的描述，使得AI-ESTATE不仅能够描述诊断对象逻辑状态变化，还能描述其概率数学模型；在服务定义方面，IEEE Std 1232-2010 弱化了对模型中数据操作服务的标准化描述，加强了对模型运行状态的管理以及对推理机操作过程的服务描述。这使得AI-ESTATE标准不仅仅提供了智能诊断知识的标准化描述，还对故障诊断模型的建立、运行过程提供了标准化的控制机制。

目前AI-ESTATE规范的知识描述和服务规范的思想已经逐步渗透到测试诊断域中系统的开发。国内跟踪和参与AI-ESTATE标准的制订和验证的工作较晚，针对AI-ESTATE标准本身的研究尚未见报道。在标准应用方面，航天测控技术有限公司、东方信标有限公司开发的自动测试系统平台软件采用了以IEEE1232推理、诊断技术为核心的面向信号通用自动测试、诊断软件架构。

3 面向远程诊断AI-ESTATE服务描述

远程故障诊断系统普遍采用基于服务-客户端的模式，AI-ESTATE推理机通过向客户端提供各类推理机操作服务和过程控制服务实现对客户端的远程支持，如图2所示。这里所指的客户端并不局限与诊断用户，还包括测试对象、维护系统、知识库等各组件。

图2 基于服务的远程诊断系统概念结构

诊断推理机组件包含了被测系统诊断过程中所需要实现推理的各种服务，这些服务就构成了推理机与其它应用系统的接口。在该结构中，所有的服务都是由AI-ESTATE定义的信息模型中的实体和类型构成的，客户端无需重新建立诊断单元，只需要根据AI-ESTATE的诊断模型的要求增加对象信息即可完成诊断推理模型。诊断过程中，客户端通过调用诊断推理机的诊断模型服务，返回诊断服务响应的方式实现与诊断推理机的通信和被测对象的诊断。该方法通过共享诊断信息模型和推理机服务，减轻了客户端系统开发的工作量，并允许客户端的扩展。通信协议可由系统制定，例如TCP/IP协议，而其内容的描述则是由AI-ESTATE规范的服务属性决定。因此该结构就可以构建为基于AI-ESTATE的远程诊断系统。

控制服务可以实现对诊断过程的状态控制，主要包括创建诊断序列服务类、模型加载服务类、结束诊断序列服务类。信息服务用于客户端从诊断推理机请求诊断信息，如诊断结果。响应服务则是诊断推理机从客户端接收服务的响应状态码。各服务在诊断推理状态转移中的关系如图3所示。

将诊断推理的过程划分为5个状态：A无会话等待、B无模型准备、C模型加载、D有效会话、E信息响应。在A状态时，诊断过程处于等待状态，应用系统可以启动一次诊断推理。诊断用户通过initializeDiagnosticProcess服务启动指定的测试系统的诊断会话，然后返回会话的名称，诊断过程进行到B状态。如果诊断系统通过pauseDiagnosticProcess服务中止了原有诊断推理的进程或通过setCheckpoint服务设置了诊断检测节点，则可以通过resumeDiagnosticProcess服务或restoreCheckpoint服务直接进行到D状态，按照原来保存的诊断模型进行推理。B状态时，诊断诊断模型还未被加载，但是允许加载被测对象的诊断推理的历史数据。当用户调用loadDiagnosticModel服务或loadDiagnosticModelFromLocation服务时，推理机按照指定位置、指定名称对应的诊断模型加载到诊断会话中，并转移至C状态。如果指定模型不存在则返回错误代码，并继续保留在B状态。C状态用于确保在诊断推理之前有可用的静态模型。通过服务setActiveModel服务将加载的诊断模型激活并使诊断过程处于在推理会话状态D。D状态准许用户通过getDiagnosticResults、getTestOutcomesFromDiagnosisOutcome等服务向推理机请求调用诊断信息，推理机则根据诊断推理的需要通过requestResourcesNeeded服务等向用户发出诊断的资源信息。在诊断会话进行中，诊断推理机和用户之间进入一次信息交互时，诊断过程进入信息响应状态。在每次服务的响应完成时返回至D状态否则停留在E状态。所有的状态均可通过closeDiagnosticProcess服务结束诊断推理过程并使系统进行到等待状态。上述服务的综合即可构成一个完成的诊断过程。

图3 诊断过程状态图

4 有待解决的问题

AI-ESTTAE标准通过规范诊断信息的标准化描述和推理机诊断服务的结构定义，为面向服务的武器装备远程诊断体系结构、知识共享和服务管理使用提供了良好的基础。但是要开发满足所有武器装备应用的开放式、标准化、信息化、互操作的远程诊断系统还有待于解决以下问题。

1)符合ATML标准的诊断信息的标准化描述。AI-ESTATE标准在其提出之时，为了满足信息交换的一致性和跨平台性采用了EXPRESS语言。这种语言不仅可以描述逻辑信息还可以描述数学信息，这个特征有利于各种诊断方法的描述。但是这种语言在测试诊断域的应用很少。目前网络环境下及其测试诊断标准ATML均采用XML语言，这就使得采用EXPRESS语言的诊断信息描述很难与目前的开放式网络和测试、维护信息描述难以一致。即使可以通过STEP21、STEP28标准实现两种语言的转换，但是在应用时却不得不舍去对诊断数学模型的内部语言描述的优势。因此如何构建符合AI-ESTATE标准的诊断实体和数据类型XML全信息和约束描述是远程诊断系统实现中必须要面临的问题。

2)诊断推理机服务的选择和优化。远程诊断不仅要实现诊断信息的共享还希望实现诊断推理模型可移植、互操作。目前AI-ESTATE标准的参与人John W.Sheppard在验证标准中所提出的服务的可实现性和对远程诊断效率的提升验证。在其进行的推理机模型管理服务验证中发现要实现这些服务，系统的开发非常复杂，因此建议适当使用模型管理服务。之后其重点对典型推理机互操作服务进行了演示验证。因此这些服务在构建某领域的远程诊断系统时，必须要进行服务的选择和优化。

3)诊断对象测试深度的体系化。远程诊断要实现远程推理机的共享，其有效性的前提是要能够提供足够的测试资源、测试信息。因此就必须在武器装备研制阶段进行测试性的总体结构设计，处理好机内测试和机外测试截面的协同性，并对野战环境、基地级的层次划分、测试资源配套进行综合设计。

4)信息接口的标准化。远程诊断在实现诊断资源共享时，必须要考虑诊断对象与网络、远程资源的信息的互连、互通，这就必须符合信息接口、信息描述、信息驱动的全系统一致性。

5)诊断信息安全与快速通信。目前较多使用的远程诊断体系结构主要是B/S和C/S模式。两种模式都采用了面向服务的思想。B/S模式信息的共享性和分布性较好，但是速度和安全性上需要进行复杂的设计。C/S的安全性能可以很容易保证，响应速度快，但是更适合局域网，对客户端具有应用软件和操作系统软件的限制。如何协调开放性、安全性和快速性是构建远程诊断系统体系必须面临的问题。

5 总结

AI-ESTTAE智能诊断知识和服务交换标准针对知识的共享、重用和软件互操作规范了诊断知识和数据描述以及推理机对外的接口服务，为测试与诊断的分离提供了方法。随着AI-ESTATE推理机服务的不断发展和变化，使其已经由早期的侧重于诊断静态模型的构建服务向着控制和管理整个测试诊断过程、评估各种资源等方向发展。其标准的服务规范更适合于远程故障诊断系统的构建和扩展。依据该架构开发的远程故障诊断系统可以实现诊断知识的共享，提高故障诊断的效率，减少故障诊断系统开发、更新的费用。

[1] 多丽华.装备远程协同诊断服务共享模式及关键技术研究[D].长沙：国防科学技术大学.

[2] 赵建军,姚跃亭，杨 阳,等.导弹武器装备综合测试诊断系统体系结构研究及应用[J].计算机测量与控制,2008,16(9):1229-1232.

[3] 杨锁昌. ATS体系结构及RTS关键技术研究[D].石家庄：军械工程学院, 2012.

[4] 王 成.面向信号的ATS软件平台关键技术研究[D].石家庄：军械工程学院,2008.

[5] IEEE. IEEE Std 1671. IEEE Trial-Use Standard for Automatic Test Markup Language (ATML) for Exchanging Automatic Test Equipment and Test Information via XML[S]. 2006.

[6] IEEE P1636.1/D1.2，Standard Software Interface for Maintenance Information Collection and Analysis (SIMICA): Exchanging Test Results via the Extensible Markup Language (XML)[S].2004.

[7] Curry P A，Burden J， Lundy G A.Next Generation Automatic Test System (NGATS) Update[J]. IEEE AUTOTESTCON 2006：18-22.

[8] 杨 武,宋胜锋,李启元.关于海军舰船装备远程维修支援系统的构想[J].舰船电子工程,2005,25(6):54-56.

[9] 多丽华,杨拥民.装备远程协同诊断服务共享框架及其关键技术研究[J].设备管理与维修,2006(3):35-37.

[10] 范利花,杨占才,王 红.基于Web Service的综合诊断信息系统实现方法研究[J].测控技术,2011，30:228-231.

[11] 杨 武,宋胜锋,李启元.关于海军舰船装备远程维修支援系统的构想[J].舰船电子工程,2005,25(6):54-56.

[12] 雷文韬.基于多信号模型的装备远程诊断系统[D].成都：电子科技大学,2012.

[13] 吕 勇,李友荣.基于B/S模式的设备远程诊断中心的体系结构及应用[J].机床与液压,2005(6):179-182.

[14] 彭新潮,王昌宝,冯雪刚.装备故障远程诊断服务系统的设计[J].通信对抗,2006(2):47-49.

[15] 邹劲松,李宗娟.武器装备远程诊断网络体系结构研究[J].微计算机信息,2008,24(3-1):115-117.

[16] 李盘靖.远程协同故障诊断关键技术及其应用研究[D].西安：西北工业大学,2006.

[17] 姜会霞,郑思龙,李 柯.基于AI-ESTATE的开放式故障诊断系统体系结构[J].计算机测量与控制,2013,21(12):3166-3168.

[18] 姜会霞,王 成,李 岩. AI-ESTATE智能诊断系统研究[J].计算机测量与控制,2012,20(8):2068-2070.

[19] IEEE Std 1232-2010,IEEE Standard for Artificial Intelligence Exchange and Service Tie to All Test Environments (AI-ESTATE)[S].

[20] Orlidge L A. AI-ESTATE-A Standard for the 1990s and Beyond [A].IEEE system Readiness Technology Conference. IEEE AUTOTESTCON 1991[C]. Anaheim, CA, USA：IEEE,1991:243-249.

[21] Leslie A.Orlidge. IEEE P1232 AI-ESTATE The Standard for Test Related AI-Applications Takes Shape[A].IEEE system Readiness Technology Conference. IEEE AUTOTESTCON 1992[C]. USA：IEEE,1992:329-334.

[22] IEEE Std 1232-1995,IEEE Trial-Use Standard for Artificial Intelligence and Expert System Tie to Automatic Test Equipment (AI-ESTATE):Overview and Architecture[S].

[23] Orlidge L A.An Overview of IEEE1232 AI-ESTATE The Standard for Intelligent Reasoning Based System Test and Diagnosis Arrives[A]. IEEE Systems Readiness Technology Conference[C]. IEEE AUTOTESTCON 1996. USA：IEEE, 1996: 61-67.

[24] Sheppard J W. Standardizing diagnostic models for system test and diagnosis[A].IEEE System Readiness Technology Conference IEEE AUTOTESTCON 1993[C]. USA：IEEE, 1993: 343-349.

[25] IEEE Std 1232.1-1997,IEEE Trial-Use Standard for Artificial Intelligence Exchange and Service Tie to All Test Environments (AI-ESTATE):Data and Knowledge Specification[S].

[26] IEEE Std 1232-2002,IEEE Standard for Artificial Intelligence Exchange and Service Tie to All Test Environments (AI-ESTATE)[S].

[27] IEEE Std 1232.2-1998,IEEE Trial-Use Standard for Artificial Intelligence Exchange and Service Tie to All Test Environments (AI-ESTATE): Service Specification[S].

[28] Giarla A J, Meech D.AI-Estate model edging in a component based ATS[A]. IEEE Systems Readiness Technology Conference IEEE AUTOTESTCON 2001[C]. Valley Forge, PA, United States: IEEE, 2001: 679-690.

Research Trend of Remote Intelligent Diagnostic System Based on AI-ESTATE

Jiang Huixia， Fan Shuyi, Wang Cheng

(Missile Engineering Department ,Ordnance Engineering College, Shijiazhuang 050003,China)

By defining the encapsulated services and specific standard services, AI-ESTATE provides the method for the extension of user and application of diagnostic system and the separation of test and diagnosis. It makes the facilitation to construct remote intelligent diagnosis system. In the paper, firstly it is analyzed that the requirement of weapon equipment remote fault diagnostic system to reuse and share of diagnostic knowledge ,interoperate the information between two or more software system. Secondly, the method of constructing remote intelligent diagnostic system based on AI-ESTATE is proposed. Then the basic architectural concept and frame of AI-ESTATE is researched. There are different services definition in the development of AI-ESTATE standard .These services bring different affection to open remote intelligent diagnostic system. At present, the latest AI-ESTATE service definition strengthens the control to diagnosis process and the estimation of diagnosis effect. In order to analyze the usage of these services, the state diagram of diagnostic reason system is analyzed. It provides a method for the development of remote intelligent diagnosis system based on AI-ESTATE.

AI-ESTATE； remote diagnosis；service； interface

2016-09-12；

2016-10-24。

姜会霞(1975-)，女，河北鹿泉市人，博士，讲师，主要从事故障诊断和军用自动测试系统方向的研究。

1671-4598(2017)04-0001-04

10.16526/j.cnki.11-4762/tp.2017.04.001

TP183

A