故障诊断知识标准化描述方法综述

2018-07-04，，，

计算机测量与控制 2018年6期

关键词：诊断系统故障诊断实体

，，，

(1.陆军工程大学石家庄校区，石家庄 050003; 2.陆军北京军事代表局，石家庄 050000)

0 引言

故障诊断就是指故障检测和故障隔离的过程。近年来，为了满足复杂系统的诊断要求，智能化诊断系统走上了历史舞台。诊断知识是智能诊断系统的核心，如何把诊断知识以一种简洁、灵活、透明的方法表示描述出来，成为影响智能诊断系统发展的一个重要方面。

1 故障诊断知识的表示方法

故障诊断知识共享主要有两方面的内容：一是在静态层次上的知识共享和重用，二是在动态层次上的知识共享。知识的静态共享就是在故障诊断系统的建立和开发过程中利用已有的知识模型，共享和重用已有的知识。为了实现静态层次上的知识共享和重用，就需要提供基于知识共享和重用的开发环境、提供知识的一致性描述手段，保证数据格式、数据语义的一致性。动态的知识共享和重用就是在诊断过程中多个知识系统协同工作，通过知识通讯和交换技术支持知识的再生成和应用，这就要求知识或诊断信息的交换格式要一致[1]。软件的可移植就需要构建组件式或模块式的诊断系统，使系统的模块可以在不同的平台间移植。无论是知识的静态共享还是动态共享以及知识的可移植在很大程度上取决于知识的描述方法。

在基于人工智能的故障诊断中，诊断的效果一方面决定于知识的获取程度、知识的表示方式，另一方面决定于推理方法的选取。在获取的知识容量一定时，知识的表示方法及推理策略的优劣对专家系统的性能起着至关重要的作用。有关知识表示的问题一直是人工智能诊断中十分重要的研究课题。随着智能诊断方法在不同领域的不断应用，诊断知识的表示和管理也得到了迅速的发展，概括起来主要包括：传统的知识表示、面向对象的知识表示、AI-ESTATE诊断知识标准化表示、基于XML语言和ATML标准的诊断知识表示。

1.1 传统的知识表示方法

传统的知识表示方法包括逻辑表示法、产生式规则表示法、框架表示法、语义网络表示法等。

逻辑表示法是最早用于人工智能中表示知识的一种方法。其中较常见的是一阶谓词知识表示方法。它采用了接近于自然语言的形式且具有严格的形式定义及推理规则，易于被人接受、语义严密、容易实现。但是谓词逻辑不能表示不确定性的知识，特别是在知识增加时容易产生组合爆炸、推理过程冗长、诊断效率低。随着逻辑表示方法在故障诊断系统的不断应用，针对不同特征系统的新的逻辑表示法也不断出现。文献[2]提出了采用时间逻辑的知识表示法，并将其应用到了航天器实时故障诊断专家系统中，为解决实时诊断问题提供了一条途经。文献[3]针对传统电机故障诊断专家系统中存在的知识表示能力弱、无法呈现完整的知识等缺陷，提出了基于描述逻辑的知识表示方法，有效地表示了电机故障知识之间的关系。

产生式规则表示法是由美国数学家波斯特首先提出的，它是人工智能专家系统中使用广泛的一种知识表示方法。其优点是表示方式自然、直观，便于进行推理。它既可以表示确定性的知识也可以表示不确定性的知识；它表示的规则同推理机相对独立，便于模块化处理。文献[4]针对国家八五攻关项目大型测试系统的故障诊断，提出了采用产生式规则的方法进行知识的表达。文献[5]针对运行过程中知识具有的模糊性的问题，提出了采用模糊产生式规则进行知识的表达并应用于火电厂凝汽器运行故障诊断中，结果证明了其方案的有效性。但是产生式规则也存在如下不足：不能表达结构化的知识；推理过程中不能实现事先无法确定的相继关系，必须进行逐步的前后匹配，降低了诊断效率。

框架表示法是以1975年美国著名人工智能学者明斯基提出的框架理论为基础发展起来的一种结构化的知识表示方法。它是一种描述所论对象属性的数据结构，现已在多种系统中得到应用。其优点是善于表达结构性的知识，能够把知识的内部结构关系及知识间的联系表示出来；通过槽值的设定可以表示复杂知识间的继承关系。文献[6]提出了面向故障树的基于框架和广义规则的混合知识表示。它把每个故障树作为一个对象，有关该树的诊断信息封装在一个独立的框架中，而框架的每个槽对应一条广义规则，从而提高了诊断速度。

知识的语义网络可以表示事实性的知识，也可表示有关事实性之间的复杂联系。与框架表示法一样，语义网络表示法也是一种结构化的知识表示法。其主要优点是灵活性和继承性，缺点是缺乏形式化的表示结构，没有标准规则来使相同的元素和相互关系有确定的表示方式[7]。

传统的知识表示方法在表示知识和推理能力上有各自的优点和不足。文献[7]以采煤机故障诊断专家系统为例讨论了产生式规则表示法、一阶谓词逻辑表示法和“规则框架+规则体”等知识表示方法的优缺点，为这些知识表示法的应用提供了参考依据。构造实际诊断系统时，可以综合运用不同的知识表示方法，扬长避短。文献[8]采用了框架结合产生式规则的表示方法构造了PA6船用柴油机的故障诊断知识库来实现不同类型知识的表示。

故障诊断系统要求既能表达领域对象的静态特性、行为特征及约束，又要表达专家经验、判断决策等知识，还要有较强的数值计算及过程控制能力。上述传统的知识表示方法均不能满足这种要求。面向对象的知识表示方法具有这种能力[9]。

1.2 面向对象的知识表示

文献[10]考虑到火控系统结构复杂、系统诊断能力不仅取决于专家知识还考虑到专家对系统结构的认知能力，提出了采用面向对象的方法表示火控系统故障诊断知识。面向对象的知识表示方法以对象为中心,将对象的属性、动态行为特征、相关领域知识和数据处理方法等有关知识“封装”在表达对象的结构中。先首先识别确定对象，然后归类形成底层类，最终形成层次结构。这种知识表达方式构造的知识库具有良好的体系结构,通过对象类和对象的知识表达,实现数据抽象与信息共享,加强了知识的重复使用能力,易于维护,便于专家系统的开发。但是不论是传统的知识表示还是面向对象的知识表示，其知识描述都是不标准、不统一的。

1.3 基于AI-ESTATE的诊断知识标准化表示

为了规范智能测试诊断系统的知识表示与服务、确保诊断推理系统相互兼容且独立于测试过程、测试诊断知识可移植和重用，IEEE制订了全测试环境的人工智能交互和服务(Artificial Intelligence Exchange and Service Tie to All Test Environments ,AI-ESTATE)标准。AI-ESTATE采用EXPRESS规范了测试诊断域的知识描述，基于EXPRESS语言的故障树诊断信息模型、增强型诊断推理信息模型等；为诊断信息的无疑义通信、共享奠定了基础，实现了诊断知识表示的标准化。文献[11]依据AI-ESTATE采用EXPRESS语言描述了故障树诊断知识。但是由于AI-ESTATE标准采用的描述语言EXPRESS在实际工程中使用较少，编辑EXPRESS文件的工具也很少，使得这种标准化的诊断知识描述在实际的诊断系统中使用的并不多。国内仅有东方信标技术有限公司开发的TADS软件中采用EXPRESS语言描述诊断信息，其它相关资料未见报道。

1.4 基于XML语言的ATML标准的诊断知识表示

网络技术的发展和故障诊断技术自身发展的需要，使得基于Internet的远程设备监测与诊断技术、集成诊断系统得到了快速的发展。在实现过程中，诊断客户与诊断服务之间信息的表示是一个重要的问题。知识的表示方法影响了诊断知识的共享和重用、诊断知识的平台无关性。基于XML语言的诊断知识表示可以实现不同操作系统之间的数据交换，为远程故障诊断的实现、诊断数据的共享带来了极大的方便。

可扩展标记语言(eXtensible Markup Language，XML)采用文本的方式并且可创建标识，它作为定义标记语言的元语言，常用于特定应用领域的数据交换。XML语言表达诊断知识既可以看作是一种知识表示的方法也可以看作是知识存储、管理的方法。XML文件本身描述的是信息的结构和定义，并不描述信息的显示格式，信息显示格式的定义可以使用样式表附加到XML文件上，实现信息的内容和表示相分离。因此XML可以将用户界面和结构化数据相分离，允许不同来源的数据无缝集成以及对同一数据的多种处理[12][13]。从数据描述语言的角度看，XML语言灵活、可扩展，具有良好的数据结构和约束；从数据处理的角度看，它足够简单且易于阅读，同时易于被应用程序处理。文献[14]利用XML语言有效地表达了液压系统诊断知识，解决了页面显示与业务逻辑的分离，降低了系统开发的复杂性，缩短了开发周期。文献[15]采用XML语言进行转子系统状态信息和诊断知识的表示，方便了客户间和诊断模块间信息的传递和操作，使得诊断数据实现了更大程度的共享。

利用自动测试标记语言(Automatic Test Markup Language,ATML)是为了使信息的共享、交换、传递更方便制定的，以XML为基础，拥有XML语言运行环境适用性、编程语言交互性等优点，可以实现分布式开放环境下测试诊断信息的无缝交互，是目前最适合描述AI-ESTATE标准定义的各种测试诊断知识的语言。采用ATML可提高测试诊断知识的共享性和可移植性，缩短动态测试的故障定位及隔离时间。

目前AI-ESTATE是测试环境下诊断知识表示的规范，确保了知识描述的一致性和通用性。ATML标准则是ATS中的数据交互标准。如何使诊断知识的描述规范符合ATML描述方式则是诊断信息无缝连接到ATS中的关键。尽管SCC20委员会也建议AI-ESTATE标准进行诊断知识描述的转换，但是由于EXPRESS语言和XML语言的不对称性，目前这项工作尚未进行。

2 AI-ESTATE诊断知识的标准化描述

AI-ESTATE标准利用EXPRESS语言规范了智能测试诊断系统的知识与服务，确保了测试诊断知识可移植、可重用，诊断推理机相互兼容且独立于测试过程。ATML标准是新一代ATS的数据交换标准，采用ATML标准表达测试诊断信息，将实现分布式开发环境中测试诊断信息的无缝交互。诊断知识的标准化描述是诊断知识共享的重要保证，因此如何使各种诊断信息模型的描述既符合AI-ESTATE标准又符合ATML标准描述语言则是ATS诊断域信息描述的一个热点。

公共元素模型(Common Element Model ,CEM)规范了诊断域中与诊断相关的各种实体，也是各种诊断信息模型建立的基础，因此要使诊断知识描述符合ATML标准的描述方式，最关键的是CEM的标准化描述。

2.1 信息模型描述语言

目前，由国际化标准组织发布的信息模型描述语言有很多种，如NIAM、IDEF、EXPRESS、XML等。在新一代的ATS中测试诊断信息描述语言主要是EXPRESS语言和XML语言。

2.1.1 EXPRESS语言

EXPRESS 语言是STEP标准规定的一种建模语言，其目的是规定一种贯穿产品生命周期、计算机可识别的产品数据的无二义性表达和交换格式，这种格式独立于任何具体的计算机系统。不同编程环境中的数据可以通过产生的EXPRESS语言数据文件进行交互。

EXPRESS语言采用了一种面向对象方法的进行数据及其关系的描述。具有共同性质的一类对象称为实体(Entity)。EXPRESS语言允许将实体分类为其它实体的子类型，这样在实体间建立起层次关系：子类型(Subtype)/超类型(Supertype)。EXPRESS还提供了一系列的数据类型，如简单数据类型、定义数据类型和实体数据类型；它还规定了各种实体属性、算法、内部函数和规则。EXPRESS规定的规则有两种：唯一性规则和域规则。除此之外，EXPRESS语言还有一些内部的函数、表达式等[16]。EXPRESS语言通过模式(Schema)将相关实体和其它数据类型、函数、过程等集合定义在一个公共的范围内描述一个对象。

2.1.2 XML语言

XML作为一种与平台无关、简单易用、自描述型的数据描述格式，已经成为Internet上的数据交换的主要标准之一。任何时候当一个程序需要与另一个程序通信时，XML语言都是最合适的交换格式。它让使用不同系统和不同编程语言的人们能够相互交流和分享数据。

XML语法简单，包括标记、元素、属性、注释、声明等。它严谨有效地定义了XML文档文件的结构。而且整个文档采用纯文本撰写且拥有树形的逻辑结构，人们可以轻易的阅读和理解它们。不过XML语言缺乏像关系数据库函数那样的语义约束定义，然而这点并不影响XML成为最适合的数据交换语言[17]。

2.2 EXPRESS语言与XML语言的匹配规则

如何使AI-ESTATE描述的诊断信息元素和信息模型符合ATML标准描述语言，目前还没有统一的解决方法。最新发布的AI-ESTATE-2010中仍然采用EXPRESS语言对诊断知识和服务进行了标准化的定义。不过在其标准的解释中也明确指出了可以采用STEP21对EXPRESS语言描述的产品和数据进行文本解析实现信息的交互；可以采用STEP28标准实现EXPRESS语言知识描述转换为XML形式。这就为面向ATML标准的AI-ESTATE诊断知识的标准化描述指明了方向。

EXPRESS语言与XML语言的匹配关系应遵循以下规则[18]：

XML采用能够满足EXPRESS的关键语法并保持与EXPRESS语义表达关键字的一致性；

如果不能满足要求的，则采用扩展的XML定义；

如果一种验证方法不能完全匹配EXPRESS Schema的所有定义，可以考虑采用多种验证方法融合以保证信息的完整性，准确性和互通；

如两者表达方式相同但出现语义冲突时，则以语义匹配为主进行关键词表述的修改；

如果以上皆不满足，则直接将EXPRESS在XML中以原文表达。

EXPRESS语言的标识符对大小写不敏感而XML名称则是区分大小写的。出现在XML Schema 定义各声明中的每一个EXPRESS标识符将被匹配为XML的名称或XML名称的本地部分。XML名称和EXPRESS 标识符是相同的，除了首字母大写其它字母小写之外。

以下EXPRESS 特征是不能基于STEP28被匹配的：

——规则声明;

——函数和过程;

——常数;

——实体的局部约束WHERE;

——使用和引用;

——子类和超类。

2.3 面向ATML标准的AI-ESTATE诊断信息标准化描述方法

2.3.1 常数类型的描述

EXPRESS中可以对一个常数类型数据进行定义。定义中要对该常数的名称、类型等进行属性信息描述。因此基于STEP28标准和语言匹配规则将一个常数转换为元素。

基于STEP28改进的常数映射关系如图1。

图1 基于STEP28改进的EXPRESS常数类型映射关系

其中的基本类型可以是EXPRESS的简单类型也可以是定义类型。

典型的AI-ESTATE的NoFault常数描述如下：

5.1.6

2.3.2 数据类型的描述

AI-ESTATE CEM中依据EXPRESS中基本数据类型扩展了标准中进行诊断知识描述的数据类型，如置信度confidence_value。confidence_value类型声明是一个实数型定义数据类型而且其数值还有约束。EXPRESS confidence_value类型不仅指出了类型的标识符和基本类型REAL，还通过WHERE规则域和SELF关键字对类型值进行了约束，其EXPRESS描述如下：

TYPE confidence_value = REAL;

WHERE

Range : (0.0<=SELF) AND (SELF<=1.0);

END_TYPE

利用前面分析转换匹配结构，在其XML描述中要指出标识符、基本类型xs:double，WHERE规则与和SELF在XML中不用进行匹配，而是通过XML的限制面进行EXPRESS地点子句的功能描述。符合ATML标准的confidence_value的标准化描述如下：

5.1.3

2.3.3 实体数据类型的描述

在EXPRESS语言中，实体是通过实体说明生成的，并说明对它引用的标识符。实体的性质表示为属性和限制。实体间的关系表现为子类型/超类型、继承关系。这类关系可以转换为XML语言的复杂类型的扩展派生。典型的诊断结果实体的XML描述如图2所示。

图2 实体diagnosis_outcome的标准化描述XML Schema

按功能分析，实体diagnosis用于表示一系列的诊断结论。最典型的诊断结论是失效和故障。通过将各种诊断结论彼此联系在一个架构中可以实现对诊断单元的划分。diagnosis实体可以表示任何级别的被测对象的诊断结论，它包含有诊断结果信息、失效率信息、失效模式信息和故障影响程度信息，并通过WHERE域规则对包含的属性进行约束。实体diagnosis的EXPRESS表示如下：

ENTITY diagnosis

SUPERTYPE OF (ONEOF(failure, fault))

SUBTYPE OF(hierarchical_element);

has_outcome : OPTIONAL SET [2:?] OF diagnosis_outcome;

has_rate : OPTIONAL failure_rate;

mechanism : OPTIONAL SET [1:?] OF failure_mode;

severity : OPTIONAL severity_category;

WHERE

outcomes_required_for_atomic_diagnosis : (SIZEOF(SELF.members) >

0) OR EXISTS(has_outcome);

minimal_outcomes : (NOT(EXISTS(has_outcome))) XOR

((SIZEOF(QUERY(tmp <* has_outcome |

tmp.standard_diagnosis_value = GOOD))= 1) AND

(SIZEOF(QUERY (tmp <* has_outcome |

tmp.standard_diagnosis_value = CANDIDATE)) = 1));

mechanism_at_leaves : NOT(EXISTS(mechanism)) OR (SIZEOF(members) = 0);

faults_at_leaves :(NOT('AI_ESTATE_COMMON_ELEMENT_MODEL.fault' IN

TYPEOF(SELF))) OR

(SIZEOF(members) = 0);

children_same_type : QUERY(tmp <* SELF.members |

NOT('AI_ESTATE_COMMON_ELEMENT_MODEL.diagnosis'

IN TYPEOF(tmp))) = [];

END_ENTITY;

按结构分析，实体diagnosis是实体failure、fault的超类、hierarchical_element的子类。diagnosis除了引用的hierarchical_element的属性外还扩展了属性has_outcome、has_rate、mechanism、severity和WHERE域规则。STEP28规定对WHERE域规则进行直译映射，在此暂不讨论WHERE的标准化描述，而只讨论其超类/子类和属性说明。

实体diagnosis是hierarchical_element的子类，因此就和实体hierarchical_element映射的复杂类型建立了扩展派生关系，实现对其属性的引用。

属性has_outcome是一个任选属性，它引用的是实体diagnosis_outcome的数集聚合，而且数集的下界为2。一般的数集可以用元素的最大、最小指示符minOccurs、maxOccurs表示，因此has_outcome的minOccurs=2，但是has_outcome属性的OPTIONAL关键字也是通过元素的最小指示符minOccurs=0实现的，显然在这种情况下两者的表示方法是矛盾的，必须进行改造。将数集SET[2:?] OF diagnosis_outcome仍表示为一个整体，映射为一个元素minOccurs=2的sequence组，而OPTIONAL则通过对该sequence组引用optional实现。采用同样的方法对属性mechanism进行映射实现其标准化描述。

属性has_rate引用的是具有OPTIONAL关键字的实体类型、severity引用的是具有OPTIONAL关键字的的枚举类型，通过minOccurs=0和元素类型引用实现映射，完成其标准化。根据以上分析，实体diagnosis的标准化描述如图3所示。