基于本体技术的装备智能检验验收方法研究
2020-04-16李泽西孟晨王成
李泽西，孟晨，王成
(1.陆军工程大学 石家庄校区,河北 石家庄 050003；2.陆军装备部驻西安地区军事代表局 驻西安地区第四军事代表室,陕西 西安 710000)
0 引言
装备检验验收是依据装备订货合同或协议、产品图样和技术文件、相关标准及检验验收程序等，对生产单位提供的装备进行检查、测试和实验，并根据结果确定是否接收的过程[1]，作为质量监控的重要手段，其效率和有效性对装备最终的交付质量影响重大。
随着信息技术的发展和新老装备更新速度的加快，传统的基于纸质规范和人工判定的装备检验验收方法存在着工作量大、重复性高、验收效果依赖于检验人员经验和主观判断等问题，已无法满足数字化质量监督和高精密复杂武器质量监控的现实需要。针对上述问题，目前主要有两类相关研究：一类是从宏观角度对实现数字化检验验收的探讨和展望[2]，例如：文献[3]阐述了军事装备数字化检验验收的推行模式，文献[4]对比了检验信息化的优势，文献[5]从整体上探讨了构建复杂武器装备数字化质量检验系统所涉及的关键技术，文献[6]提出了一种基于人工智能方法的航天产品制造总检模式。另一类是利用本体技术对质量监控方法进行智能化改进，例如：文献[7]设计了环境知识管理与质量监测平台，文献[8]提出了基于本体的电能质量监测信息智能检索模型，文献[9]建立了基于标准规范的工程质量合规性监控框架。第一类研究涉及面广、可操作性不强，第二类研究侧重于对静态知识的分析表述，对质量监控工作流程的动态性关注不足，不利于形成对质量的闭环控制；同时，对本体技术的具体运用没有详细描述，未能针对领域情况提出适宜的本体建模方法，加之对质量合格判定规则的设计相对单一，导致后续基于知识推理的质量符合性判断能力灵活性不高，难以满足复杂情况下的合格判定要求。
本文在分析装备检验验收领域特点的基础上，提出一种基于本体技术的装备智能检验验收方法，详细阐述了该方法中装备检验验收本体库构建方法和流程、装备检验验收规则库设计、基于本体知识推理的检验结果智能判定等关键实现技术。最后以炮弹产品部分检验验收信息为例，在本体开发工具Protégé平台上验证了所提方法的有效性。
1 装备智能检验验收方法设计
1.1 整体思路
装备检验验收是一项政策性和技术性都很强的工作，检验验收的依据、范围、条件、步骤等都必须严格符合规定，其总体程序分为准备、实施和总结3个阶段，又可进一步细分为受理检验、检验准备、实施检验、合格判定、接收与拒收、签署合格证、拒收产品批的处理、资料整理和归档等步骤[10]。如图1所示，其中C(Conformity)代表合格，N(Nonconformity)代表不合格。各步骤之间环环相扣，当且仅当产品在上一步骤中符合所有要求才可进入下一个环节。
图1 装备检验验收程序Fig.1 Inspection and acceptance procedures of equipment
装备检验验收作为一种兼具事前预防和事后把关双重作用的质量监控手段，需要覆盖对所有类型产品的检验，包括零部件检验、成品检验和包装检验；涉及对整个检验过程的精细化管理，从产品提交条件审查、检验准备、检验试验到检验结果的合格判定与资料归档；还需要通过对检验过程和检验结果的综合分析，为质量问题定位分析、解决措施制定和质量问题的预防提供指导。
因此，本文对照装备检验验收程序，将装备智能检验验收方法相应地设计为准备、实施和总结3个阶段，各阶段按照装备检验验收程序的具体规定展开并各有侧重，其流程如图2所示。
图2 装备智能检验验收方法流程图Fig.2 Flow chart of equipment intelligent and inspection acceptance method
1.2 准备、实施和总结各阶段关键技术
1.2.1 准备阶段
准备阶段主要完成对装备检验验收本体库的构建，这是装备智能检验验收方法的基础环节。
装备检验验收本体库是装备检验验收知识的载体，其质量好坏对装备智能检验验收的效果至关重要。构建本体库是一个非常繁杂的过程，需要对目标领域有着精准的把握，最好在专家指导下进行。
依据我国国家军用标准对装备检验验收程序中准备阶段的要求，该阶段的核心任务是完成产品提交条件审查，需保证所提交的产品是经承制单位检验部门按照规定检验合格且未处于停止验收状态的产品，即产品质量处于受控状态。按照产品质量波动理论[11]，在同样的生产过程中生产同样产品，它们的质量特性不会是一个固定不变的恒量，总是在一定范围内波动变化，而造成质量波动的主要因素简称为5M1E，即原材料(Material)、工艺方法(Method)、操作者(Man)、设备(Machine)、测量(Measurement)和环境(Environment)。考虑到装备检验验收是一个始终围绕产品质量把控的过程，可从5M1E指出的6个方面来提取装备检验验收信息中的核心要素，作为后续装备检验验收本体库构建的基础，同时应根据该领域特点设计合适的本体构建策略，以高效高质地完成装备检验验收本体库的构建。
1.2.2 实施阶段
实施阶段主要完成装备检验验收规则库的设计和对检验结果的智能判定，这是装备智能检验验收方法的核心环节。
装备检验验收规则库设计主要利用语义网络规则语言(SWRL)对质量约束标准进行语义表达。装备检验验收规则库设计应结合装备检验验收实际，从产品规范和工作程序两个角度出发，对涉及装备质量的各项约束规则进行分析拆解，并借鉴已构建本体库框架，使得规则库在兼顾不同产品检验项目多样性的同时保证较高的灵活性，并能配合完成装备检验验收实施阶段中的实施检验环节。
对检验结果的智能判定通过本体知识推理实现。已构建的本体库和规则库所组成的智能审查单元是进行知识推理的基础。利用网络本体语言(OWL)在本体库中描述的显式定义知识以及使用SWRL在规则库中表达的隐含约束规则，推理引擎可依据检验结果中的关键信息，通过推理算法找出智能审查单元中与之相关的质量约束信息并进行概念一致性检查，进而作出其合格与否的判定，若符合要求则进入智能审查单元效果评价环节，此处主要配合完成装备检验验收实施阶段中的合格判定环节。
1.2.3 总结阶段
总结阶段主要完成对智能审查单元的效果评价，这是装备智能检验验收方法的辅助环节。
智能审查单元的效果评价主要考察本体推理结果的正确性和时效性，在检验结果智能判定之后进行。通过对同一装备同一审查结果以及同一装备不同审查结果的多次分析，确保智能审查单元的稳定运行，并为审查单元的改进提供帮助。此处主要配合完成装备检验验收总结阶段的资料归档环节。通过将符合要求的判定结果与本体库、规则库及其他相关资料纳入结果库，形成对装备质量的闭环管理，并为后续的装备检验验收提供指导。
2 装备检验验收本体库构建
2.1 装备检验验收本体库构建策略
为提高建模的精度、降低建模的复杂程度，必须依据装备检验验收领域的特点设计合适的本体构建策略。基于七步法和全面质量管理理念，刘琳娜[12]提出一种基于质量环的领域本体建模方法，用于实现武器装备的本体建模，该方法与装备检验验收领域较为契合，但也存在步骤冗余、操作性较弱等弊端。因此，本文在该方法的基础上进行改进，提出装备检验验收本体库构建策略，如图3所示，主要包括核心本体界定、本体扩展、本体实现、本体检测和循环改进5大步骤。
图3 装备检验验收本体库构建策略Fig.3 Construction strategy of ontology library of equipment inspection and acceptance
步骤1核心本体界定，包括目标及领域分析、核心要素提取两个步骤。目标及领域分析是开展建模的基础，二者需同时进行；核心要素提取是核心本体界定的关键，关系到后续能否有效进行知识推理，应予以充分重视。
图4 核心本体界定Fig.4 Core ontology definition
步骤2本体扩展，主要包括考察复用现有本体、收集获取信息、本体内容设计3个方面。考察复用现有本体主要依据核心本体中的内容寻找现存的相关本体进行整合复用；收集获取信息是对装备检验验收过程中实际产生的各类信息进行采集、存储和处理；本体内容设计是从标准规范的角度对装备检验验收中的重要术语及其相互关系进行列举梳理，在此基础上定义类和类的等级体系、定义类的属性及属性分面。
步骤3本体实现，主要利用本体建模工具和本体描述语言对上述已经分析好的本体内容进行形式化表达，形式化表达时需要参照目前几种典型的本体形式化定义，以保证概念体系的完整性，关键是选择合适的本体描述语言。
步骤4本体检测，主要借助相关工具检查形式化后的本体是否存在逻辑错误，检测通过则建模完成，反之则重新进行本体扩展。
步骤5循环改进，用以保证本体具备持续的进化能力，也可表明本体建模是一个根据目标需求不断更新、改进和调试的过程。循环改进融合在前面4个步骤中。
2.2 装备检验验收本体库构建流程
2.2.1 核心本体界定
装备检验验收本体库的构建目标是合理筛选出影响装备质量的各个要素，建立可扩展、可重用、易移植、灵活高效的智能模型，并可作为其他相关领域的知识交流工具。该领域是衔接装备生产和装备使用的关键环节，目的是最大限度地保证装备质量，排除任何影响装备质量的潜在和显在因素。根据上文分析，其核心本体界定可围绕产品质量波动理论中影响产品质量的主要因素5M1E展开，结果如图4所示。
2.2.2 本体扩展
本体扩展主要包括考察复用现有本体、收集获取信息、本体内容设计3个方面。
考察复用现有本体可以大大降低建模的工作量。例如，按照装备检验验收的范围和要求，在装备检验过程中可能会出现对产品质量问题的处理，此处可参考本体在处理其他领域质量问题时已构建的相关模型，例如：基于本体的建筑工程质量通病诊断本体模型[13]、基于本体的建筑质量控制语义模型[14]、果蔬产品质量安全溯源信息本体[15]等，并结合装备检验验收的特点进行调整和裁剪，以实现本体的复用。
收集获取装备检验验收信息的工作量较大，这些信息既有以文件形式对装备检验过程及结果的存档，如产品履历书等，也有存储于专用工装或检测仪器中的检验结果数据。
本体内容设计是本体扩展的重点内容，包括抽取重要概念和术语、确定类和类的层次关系以及定义类的属性和属性分面。重要概念和术语主要来源于叙词表及我国国家军用标准，由于装备检验验收领域没有专门的叙词表，主要从各类我国国家军用标准中进行收集。收集术语后，将属于概念的术语进行分类和层次划分，剩下部分作为概念属性，可得部分类及其层次关系的结构如图5所示，在此基础上可进一步定义属性和属性分面。
图5 部分类及其层次结构图Fig.5 Partial classes and their hierarchical relational structure
2.2.3 本体实现
本体实现首先应选择合适的本体建模工具及本体描述语言。在众多本体建模工具中，由斯坦福大学设计开发的Protégé本体建模工具因其具备开源、界面友好、操作简单等特点，是大多数本体构建者的首选建模工具，故此处使用Protégé5.2.0本体建模工具进行装备检验验收本体库构建。网络本体语言描述逻辑(OWL DL)作为OWL的3个子语言之一，相对于只能提供简单分类层次和约束的OWL Lite和没有可计算性保证的OWL Full，它兼具了最强的表达能力并能够保持计算完备性和可判定性，因此选用OWL DL作为装备检验验收本体库的建模语言[16]。
目前几种典型的本体形式化定义中，以Perez等[17]提出的5个基本建模基元的应用最为广泛：即一个本体通常由概念类(Concept)、关系(Relation)、函数(Function)、公理(Axiom)、实例(Instance)5种元素组成。根据上述建模基元，可将装备检验验收本体库定义为一个5元组O=〈C，Pc，I，Po，Pd，A〉，其中：
C表示装备检验验收中所有概念的集合；
Pc表示装备检验验收所有概念之间关系的集合，既包括简单的层次关系，也包括复杂的交、并、补等关系；
I表示装备检验验收中不同检验验收实例的集合；
Po表示不同检验验收实例之间关系的集合；
Pd表示不同检验验收实例与其测试所得数据值之间关系的集合；
A表示质量约束公理，是进行基于知识推理的质量合格判定的基础。
利用Protégé软件将概念按照上述定义进行形式化编码，并以OWL格式的文件进行存储，即可得装备检验验收本体库。
2.2.4 本体检测
本体检测又称本体调试，是利用Protégé平台中的Debugger插件和Fact++推理机对已构建本体库进行的一致性和连续性检查。当构建的本体库没有逻辑错误时即通过检测；若出现问题，则需要重新转入本体内容设计步骤。经检测可知，所构建的装备检验验收本体库符合一致性和连贯性要求。
3 装备检验验收规则库设计及检验结果智能判定
3.1 装备检验验收规则库设计思路
仅使用OWL DL语言所描述的存储于装备检验验收本体库中的知识还不足以支撑装备检验验收智能化的实现，装备检验验收中所蕴含的大量复杂的质量约束标准和工作程序要求都需要使用表达能力更强的语言才能完整描述[18]。相对于无法表示“IF-THEN”产生式知识规则的OWL DL语言，SWRL不但可以有效兼容OWL DL语言，还拥有更多表达规则语义信息的机制[19]。同时，以往研究中对质量监控规则库的设计大都通过直接抽取具体规范条文并进行表达，但装备检验验收是一项政策性和制度性都很强的工作，特别强调按程序办事，因此规则库的设计还应结合装备检验验收程序和本体知识库的组织架构。综上所述，装备检验验收规则库设计是在借鉴本体库结构和装备检验验收程序的基础上，利用SWRL对规范进行语义表达来实现的[20]，如图6所示。其总体思路如下：
步骤1根据待验装备的情况选择合适的规范，分析并抽取规范中对装备质量在定性或定量方面有具体要求的条款，并对条款中的关键信息进行提取，在此基础上拆解其中的核心指标，使其以最小单元的状态呈现。
步骤2依据我国国家军用标准中对装备检验验收程序的有关规定，筛选程序中与上述质量约束要求相关的步骤进行横向对照，将程序中的步骤融入规则设计。
步骤3结合已构建的装备检验验收本体库，参照本体库中类和属性的情况，保证所表达的规则与本体库有较高的契合度。
图6 SWRL规则标注过程图Fig.6 Annotation process of SWRL rule
定性质量约束规则如Rule1及Rule2所示，定量质量约束规则如Rule3及Rule4所示：
Rule1:Class(?p)∧Subclass(?p)∧MeasuredObject(?p)∧hasObjectProperty(?p,?NatureProperty) →Conformity(?p)
Rule2:Class(?p)∧Subclass(?p)∧MeasuredObject(?p)∧(hasObjectProperty=0)(?p) →Nonconformity(?p)
Rule3:Class(?p)∧Subclass(?p)∧MeasuredObject(?p)∧hasDatapropertyContentValue(?p,?dataproperty)∧swrlb:Built-in(?dataproperty,value) →Conformity(?p)
Rule4:Class(?p)∧Subclass(?p)∧MeasuredObject(?p)∧hasDatapropertyContentValue(?p,?dataproperty)∧swrlb:inverseBuilt-in(?dataproperty,value)→ Nonconformity(?p)。
将上述规则添加至装备检验验收规则库中，可作为后续基于本体知识推理进行检验结果智能判定的基础。
3.2 基于本体知识推理的检验结果智能判定
对装备检验验收本体库和规则库进行知识推理[21]，可实现检验结果智能判定，包括对检验结果合格判定情况的自动分类、质量约束标准与装备检验验收程序的组合、根据检验验收结果信息分析产品质量趋势等3个方面。
3.2.1 对检验结果合格判定情况的自动分类
当质量约束标准较为简单时，对检验结果合格判定情况的自动分类是利用OWL三大公理中的等价公理(EC)进行概念的包含性检测的过程。其核心思想是将合格类(Conformity)与不合格类(Nonconformity)分别定义为等价类，即分别等价于具有合格值范围的属性和不合格值范围的属性，若某一个检验结果实例具有同样属性，且该属性符合合格类属性的约束条件，则自动分类于合格类，反之为不合格类。以合格类等价条件为例，其设计思路如图7所示。
图7 合格类等价条件Fig.7 Qualified class equivalent condition
当质量约束标准较为复杂时，对检验结果合格判定情况的自动分类实质上是一个基于规则的推理过程。即将质量约束标准逐条拆解后，分别按照SWRL推理前件head和推理后件body的组织形成进行表达与存储，特别是需要熟练运用其Atom中的 swrl:Building限制，其设计思想如图8所示，规则如下：
DLSafeRule(Annotation(
Annotation(rdfs:comment " automatic classfication for judging the conformity of test result "^^xsd:string)
Annotation(rdfs:label "S1"^^xsd:string)
Body(ClassAtom(:Product Variable(:p))
DataPropertyAtom(:hasDataContentValue Variable(:p) Variable(:DataProperty))
BuiltInAtom(
"RangeofQualifiedValues"^^xsd:integer))Head(ClassAtom(:Conformity Variable(:p))))
BuiltInAtom(
"UnqualifiedValueRange"^^xsd:integer))Head(ClassAtom(:Nonconformity Variable(:p))))。
图8 检验结果合格判定情况的自动分类思想Fig.8 Idea of automatic classification for judging the conformity of inspection results
3.2.2 基于规则的质量约束标准与装备检验验收程序组合
对质量约束标准和装备检验验收程序的组合描述可增强装备检验验收智能化的动态性，也更加符合其按照程序办事的领域特点。针对这种动态规则的描述，可通过将程序以步骤为节点进行拆解，将各步骤的关联关系转化为属性约束，其思路如图9所示，进而使用SWRL，以组合描述方式将程序中的各步骤与检验结果合格与否的情况建立联系，从而实现装备检验验收全过程、动态化的智能推理。
图9 装备检验验收动态规则描述思路图Fig.9 Block diagram describing the dynamic rules of equipment inspection and acceptance
以产品提交条件审查到抽样阶段的过程为例，其规则描述如下：
Rule5:Submission(?p)∧Product(?p)∧QualityConstraintRule∧Comformity(?p)→Sampling (?p)。
对于不同的提交审查要求，只需要将上述规则中的质量约束标准部分(QualityConstraintRule)进行替换即可。这种逐条的组合设置方法具有很高的灵活性和通用性，可将传统的静态知识表示扩展到动态流程推理，更利于监管者从宏观上把控检验验收的总体进度。
3.2.3 根据检验验收结果信息分析产品质量趋势
装备检验验收不仅具有把关作用，还具有预防作用，其预防作用来源于根据检验验收结果信息对产品质量趋势的分析。根据长期的装备质量监控经验，加强对处于合格边界值的检验结果分析和关注更有利于发现质量隐患。对此，可通过建立筛选规则，从合格的检验结果中筛选出需要重点关注的检验结果实例，将其存入合格类的子类关注类(Attention)，剩余实例则存入合格类的子类安全类(Safety)。
图10 炮弹产品常规与智能检验验收方法流程对比图Fig.10 Comparison between the flow charts of the conventional and intelligent inspection and acceptance methods of shell products
为提高筛选的灵活性，引入实例危险范围指数因子Di，Di是一个自定义值，取值范围在0～1之间，可通过分析以往检验结果的情况得出，也可随机预设，再通过对筛选结果的分析进行调整。其中，关注类筛选规则为：Rule6:Product(?p)∧QualityConstraintRule∧Comformity(?p)∧DI(?p,?D)∧swrlb:lessThanOrEqual(?D,SelfDefiningValue)→Attention(?p)；安全类筛选规则为：Rule7:Product(?p)∧QualityConstraintRule∧Comformity(?p)∧DI(?p,?D)∧swrlb:greaterThan(?D,SelfDefiningValue)→ Safety(?p)。
4 实例分析
以炮弹产品的检验验收为例，采用常规检验验收方法和智能检验验收方法流程对比，如图10所示。
为验证智能检验验收方法的有效性，在Protégé平台上分别进行炮弹产品检验验收本体库构建、炮弹产品检验验收规则库构建并进行提交条件审查、合格判定和质量问题处理等3种类型的本体知识推理，最后查看推理日志，对上述智能检验验收的正确性和时效性进行评价。
4.1 炮弹产品检验验收本体库构建
以炮弹产品为例，从人、机、料、法、环、测等6类核心要素法抽取影响该产品质量的各类因素，构建炮弹产品检验验收本体库，该产品核心要素的抽取思路如下：
因素“人”对炮弹产品质量的影响主要体现在承制方的质量保证能力和订购方的质量控制能力，例如国家军用标准GJB1089A—99炮弹通用规范中条款4.1规定了承制方与订购方在实施炮弹产品检验时不同的检验责任。因素“人”可划分为人类型和人能力两个类，其中：人类型包括承制方和订购方，承制方包括研制人员、生产人员、检验人员和质保人员，订购方包括军事代表和使用部队；人能力包括质量保证能力和质量控制能力。
因素“机”是指炮弹产品生产和检验时所使用的相关仪器、设备和工具等，如炮弹弹体毛坯加工时使用的专用压力加工机械等，该因素对炮弹产品质量的影响主要取决于其质量状态是否满足生产和检验的要求，例如GJB1089A—99炮弹通用规范中条款3.12.3规定了检验工具的尺寸要求。因素“机”可划分为机器类型、机器用途和机器质量状态3类，其中，机器类型包括设备、仪器和工具，机器用途包括检验机器、加工机器和测量机器，机器质量状态分为机器合格和机器不合格。
因素“料”是指生产炮弹产品所需要的各类材料，如制作弹丸时使用的金属材料、药筒中的发射药、消焰药和黑火药等，该因素对炮弹产品质量的影响主要取决于材料的成分和理化性能等，例如GJB1089A—99炮弹通用规范中条款3.4规定了炮弹主要材料的一般要求。因素“料”可划分为料名称、料来源、料性能和料质量状态4类，其中料来源包括料承制单位名称和料承制单位资格，料性能包括料化学性能和料物理性能，料质量状态包括料质量合格和料质量不合格。
因素“法”一方面是指生产炮弹产品时应遵守的工艺规程、采用的工艺方法，例如GJB1089A—99炮弹通用规范条款3.11规定了炮弹装配前的零部件要求和装配要求；另一方面是指检验炮弹产品时应遵循的检验要求，例如GJB1089A—99炮弹通用规范条款4.2、4.4、4.5、4.6、4.7等，分别规定了炮弹产品的检验分类、检验项目、抽样方案和检验方法。因素“法”可划分为方法类型、方法对象、方法名称、方法内容和方法状态5类，其中，方法类型包括工艺方法和检验方法，方法对象包括弹丸和发射装药，方法状态包括方法有效和方法失效。
因素“环”是指生产和检验炮弹产品时的环境条件，例如GJB1089A—99炮弹通用规范中条款3.10.3、3.11.2规定了炮弹产品所处环境应满足的温度和湿度条件。因素“环”可分为环境名称、环境指标和环境条件3类，环境指标包括环境温度和环境湿度。
因素“测”是指炮弹检验所产生的各类检验结果，如炮弹产品的表面状况、尺寸、质量等，例如GJB1089A—99炮弹通用规范条款4.5规定了炮弹产品进行质量一致性检验时的检验项目及其方法和要求，实施相应的检验项目后则产生对应的检验结果，其包含于因素“测”中。因素“测”可分为检验项目、检验要求、检验内容和检验结论4类。
按照上述分析，在Protégé软件中建立炮弹产品检验验收本体库，结果如图11所示。
图11 炮弹产品检验验收本体库Fig.11 Shell product inspection and acceptance ontology library
4.2 炮弹产品检验验收规则库构建
炮弹产品规则库中的规则主要从装备检验验收程序标准和炮弹产品规范提取。我国国家军用标准GJB3677A装备检验验收程序中规定了装备检验验收的依据、范围、要求、条件、步骤等相关内容。我国国家军用标准GJB1089A-99炮弹通用规范中规定了炮弹及其零部件的通用技术要求、质量保证规定、交货准备等内容。
4.2.1 炮弹产品提交条件审查规则提取
产品提交条件审查的通用规则来源于GJB3677A中的条款6，包括承制方质量保证、产品技术状态、检验环境条件、检验仪器设备、产品提交状态5个方面，专用规则来源于GJB1089A—99中的条款5.3.1，如图12所示。
图12 提交条件审查规则来源Fig.12 Submission of the source of conditional review rule
上述5个方面分别对应炮弹产品检验验收本体库中的人、法、环、机、测与料6类；由条款要求可知，当且仅当上述6个方面均符合要求，炮弹产品才可通过提交条件审查进入受理检验，否则进入拒绝受理，规则定义如下：
//炮弹产品通过提交条件审查进入受理检验
[Rule_AcceptSubmission:ShellProductSubmission(?x)∧hasConformityProductSubmissionCondition(?x,?y)∧ConformityProductSubmissionCondition(?y)→ShellProductAcceptSubmission(?x)]。
//炮弹产品未通过提交条件审查进入拒绝受理
[Rule_Resubmission:ShellProductSubmission(?x)∧hasNonconformityProductSubmissionCondition(?x,?y)∧NonconformityProductSubmissionCondition(?y)→ShellProductResubmission(?x)]。
4.2.2 炮弹产品检验数据合格判定规则标注
GJB1089A-99炮弹通用规范中条款4.5.1规定了炮弹产品质量一致性检验项目、要求及其方法。下面以其中序号4装配正确性检验项目中对不同质量黑火药制品的称量误差要求为例(见表1)，阐述如何标注合格判定规则。
表1 炮弹产品不同质量黑火药制品的称量误差要求Tab.1 Requirements for weighing errors of black powders with different weights in shell products
合格判定是一个分类过程，可以将每条要求分为合格规则和不合格规则两方面。由于上述规则属于定量判定规则，在利用SWRL进行标注时，可利用该语言Literals和Built-ins的比较功能，将检验项目作为1个类，将检验项目的要求作为属性，将检验项目的要求值作为划分合格判定分类的数值依据。上述规则可标注为：BlackPowder(?p)∧hasWeight(?p,?weight)∧Built-ins(?weight,weightvalue)∧WeightError(?p)∧hasWeightError(?p,weighterror)∧Built-ins(?weighterror,weighterrorvalue)→Conformity(?p)/Nonconformity(?p)。
4.3 炮弹产品智能检验验收功能实现
4.3.1 炮弹产品提交条件审查
以GJB1089A—99中对炮弹产品在环境方面的要求为例，依据GJB1089A—99炮弹通用规范中的条款3.10.3.2(装药工房的温度值应大于等于18 ℃)，选取某工厂20 d中装药工房的温度值变化情况数据，如表2所示。
首先进行提交条件合格与否的自动审查。将表2的数据以实例C1～C20的形式导入Protégé平台的本体库中，启动Pellet推理引擎，并利用DL query控件查询推理结果，分别得到该工厂装药工房温度值满足提交条件的14个实例和不满足提交条件的6个实例。
其次自动给出提交条件审查的结果。对上述实例进行进一步推理，验证是否满足温度值符合要求的装药工房实例进入检验阶段、不满足的实例进入重新提交阶段。编写相关规则，启动Pellet推理引擎，并利用DL query控件查询推理结果，所得进入检验阶段的装药工房实例与合格类实例、进入重新提交阶段的装药工房实例与不合格类实例的情况一致，如图13所示。
图13 炮弹产品提交条件审查Fig.13 Shell product submission condition examination
4.3.2 炮弹产品检验数据分析
从装药工房温度值满足要求的某天中选取该天对黑火药制品质量和称量误差的20组检验数据，如表3所示。
首先，对20组黑火药制品称量误差进行合格判定，利用4.2.2节中所建立的合格判定规则，通过本体推理筛选出符合要求的15个黑火药制品实例。
其次，对所筛选出的15个合格黑火药制品实例建立相应的筛选规则，并设置实例危险范围指数Di=0.1，将处于合格边界值处的产品划分为关注类、其余合格的产品划分为安全类，相应的关注类和安全类的数值设定如表4所示。
将上述规则添加至规则库中，启动推理引擎和查询控件；可得15个合格的黑火药制品实例中，需要关注的实例有5个，处于安全类的实例有10个，如图14所示。
由此可知，智能检验验收方法可快速、批量地进行炮弹产品检验数据的合格判定和边界值筛选等静态检验数据的分析。当以本体库和规则库形式存储产品的质量约束规则和检验数据后，利用本体推理可对同类型、同检验项目的产品进行快速、批量的合格判定，有效解决装备检验验收工作量大、重复性强等问题。同时，借助实例危险范围指数Di，可快速、准确地筛选处于合格边界值的产品实例，为快速定位产品质量问题提供指导。
表3 黑火药制品质量及其称量误差检验情况统计表Tab.3 Statistical table of weights and weighing errors of black powder products
表4 不同质量黑火药制品称量误差边界值与安全值设定Tab.4 Setting of error boundary values and safety values of black powder products with different weights
图14 炮弹产品检验数据分析Fig.14 Analysis of inspection data of shell products
4.3.3 炮弹产品智能检验验收方法效果评价
以4.3.1节中炮弹产品基于智能检验验收方法的提交条件审查为例，重复上述实验10次，将推理结果汇总，其推理耗时可从日志中读出，如图15所示。
图15 基于智能检验验收方法的炮弹产品提交条件审查的耗时及正确率Fig.15 Time-consuming and correct rate of shell product submission condition examination based on intelligent inspection and acceptance method
由图15可见：在10次实验中，单次同时对20个实例进行提交条件合格判定并自动分类的平均耗时为38.4 ms，平均正确率为100%；自动给出条件审查结果的平均耗时为49 ms，平均正确率为100%；综合上述两级推理的提交条件审查平均耗时为97.4 ms，平均正确率为100%.
综上所述可知，与传统基于人工审查的装备检验验收方法相比，基于智能检验验收方法的提交条件审查，在保证正确率的同时能够大幅度减少提交条件审查的耗时，更具优越性。
5 结论
本文通过分析装备检验验收程序，提出了一种基于本体技术的装备智能检验验收方法。为准确表示装备检验验收知识，提出并实施了装备检验验收本体库的构建策略。结合装备检验验收实际，从产品规范和工作程序两个角度出发，提出了装备检验验收规则库的设计思路，并对检验结果智能判定的3个方面进行了分析。最后，以炮弹产品部分检验验收信息为例，验证了所提方法的正确性和时效性。实例结果表明，该方法可改进目前装备检验验收工作量大、重复性高、检验效果依赖于人员经验和主观判断等问题。帮助质量监督者高效管控装备质量，合理制定装备质量监督计划，提高装备检验验收的综合效能。
