仪器故障诊断方法研究与软件实现

高业欣，臧石磊，刘天龙，刘健男，侯作亮

（辽宁省地震局，辽宁 沈阳 110034）

0 引言

近些年来迅速发展的智能诊断技术在故障诊断领域的成功应用为故障检测提供了一个很好的实现方案[1]，智能检测系统将专家的知识和经验以适当的形式存入计算机，利用类似专家的思维规则，对事例的原始数据进行逻辑或可能性的推理，演绎，并做出判断和决策，使得我们可以很大程度上摆脱传统故障诊断方法对人员素质的要求，解决维修难题。随着智能检测系统技术的逐渐成熟和其他学科的迅猛发展，其应用已经渗透到各个领域，所使用的技术也逐渐综合化，处理问题的难度和复杂度也不断增大。目前智能检测系统已经成为人工智能领域最重要的研究方面之一。

地震仪器受运行环境影响，呈现出运行状态真值唯一，故障状态真值多样性的特点[2]。针对这一特点，本文采用基于经验知识的专家诊断系统和基于模型相结合的集成诊断方法开展研究，实现理论和经验相结合，解决了单一专家系统面临的知识获取问题，以及单一基于模型的诊断方法对大型复杂系统的限制性问题，很好地表示了对象的故障诊断规则，提高了诊断系统的智能水平和诊断效率。

1 研究方法与思路

1.1 研究方法

人工智能（Artificial Intelligence）：主要研究如何用计算机来摸拟人的智能，因此也称为机器智能（Machine Intelligence）。人工智能技术包括专家系统，基于模型的诊断、人工神经，网络模糊逻辑等。

专家系统是把领域专家以往诊断的经验归纳成规则，并运用经验规则通过推理来进行故障诊断。专家系统由知识库、推理机、部分人机接口等几个部分组成[4]。建立一个专家系统的主要任务就是将领域专家的经验知识从专家头脑中提取出来，存入计算机中，这个过程称为知识获取，这一过程就是知识库的建立。基于知识推理的计算机实现构成了推理机，它是一种计算机程序[5]。基于模型的诊断方法是运用被诊断系统的运行模型和故障模型，由模型获得的预测形态和所测量运行形态之间的差异，来进行故障状态检测。

专家系统面临的主要问题是知识获取的瓶颈问题，一方面领域专家很难准确地描述自己所拥有的知识，对于具体的故障，他们往往只会知道如何去解决，却说不出采用这种方法的理由；另一方面，不同的专家知识可能不一样，甚至互相矛盾。基于模型的诊断方法，不依赖于被诊断对象的判定规则，并能对诊断结论进行解释。

地震台站仪器除了仪器自身的原理特性外，还与台站的运行环境息息相关[6]，除了仪器本身具备的模型真值外，还有很多个别的运行真值，我们不能把一些经验以规则的形式写入知识库，本文采用多种方法相结合的方式开展研究，通过模型方法完成仪器状态判断后，利用专家系统完成故障定位并提供排除决策。

1.2 研究思路

基于模型的检测方法作为故障初步判断方法。通过对仪器电路重绘，来解析系统模型，从模型获得预测形态，再通过测量，获取运行形态，由预测形态和运行形态之间的差异，完成被诊断系统故障状态的初步诊断。

基于专家系统的检测方法完成故障定位并提供维修决策，通过现场仪器运行测试，获得非真值集，将经验知识用产生式规则表达式写入专家系统知识库。采用开放式推理机设计，支持后续研究扩充，程序打破常规文字界面，采用可视化图形界面。研究方法及流程系统框图如图1 所示。

图1 研究方法及流程系统框图Fig.1 Research method and flow chart

2 知识获取及知识库表示

2.1 知识获取

建立一个专家系统的主要任务就是将领域专家的经验知识从专家头脑中提取出来，存入计算机中，这个过程称为知识获取。本文中的知识获取主要有三个方面：

理论真值：根据仪器电路板，重新绘制仪器电路图，解析仪器电路原理，梳理仪器信号流程。根据信号流程，充分考虑电路原理和可更换器件分布，设置检测节点及检测顺序。根据电路原理计算检测节点理论真值即预测形态库。

经验真值：在实验室搭建仪器运行环境，测量检测点运行真值，到台站实地测量仪器台站运行真值，将这些经验真值添加至预测形态库。

故障真值：查阅以往维修案例，总结个人维修经验，将故障仪器检测节点特点添加至故障形态库。

2.2 知识表示

知识表示（Knowledge Representation）是知识的符号化和形式化过程。通过知识的有效表示，使专家系统能够利用这些知识进行推理和作出决策。

产生式规则的形式：

IF ＜条件＞THEN ＜结论＞

其中：＜条件＞也称为规则的前提;它可以是单个条件或多个条件通过逻辑符号AND、OR构成的逻辑组合。＜结论＞可以是一组结论或动作。该规则含义表示当条件满足时，可以根据该规则推导出结论部分，或执行相应的动作。

（O，A，V）三元组用于表示规则条件或结论部分的事实知识，其中O（Object）表示对象，它可以是物理实体或概念；A（Attribute）表示对象的属性，即与对象相关的某种特征或性质；V（Value）表示对象属性的取值。

例如：“U1 芯片6 脚输出为方波”，这一征兆事实可表示成：

（U1 芯片，6 脚输出，方波）三元组。

3 诊断推理策略

基于知识推理的计算机实现构成了推理机，它是用于推理的计算机程序，推理方式依赖于知识表示方法。本文中对于故障的判断采用基于模型的推理，对于维修决策采用规则推理。

基于模型的推理是由已知征兆事实到故障结论的推理，基本思想是从已知事实出发，正向使用规则，即将对象的属性与事实库中的事实相匹配，若匹配成功，则激活辅助决策规则，否则进行下一事实匹配，直到没有可匹配的事实为止[3]。

图2 模型推理演示图Fig.2 Model reasoning illustration

基于规则的推理属于正向演绎推理，是指由一组前提必然地推导出某个结论的过程，即：

IF ＜条件＞THEN ＜结论＞

诊断规则实例：

前置放大盒p4 位置7815 芯片故障诊断中有如下规则：

如果12 引脚间输入电压为20 V，且23 引脚间电压不等于15 V，则存在输出故障，请更换7815 芯片。

4 软件实现与应用测试

本文针对SSY 型伸缩仪开展了故障检测方法的软件设计与实际应用，软件内容由故障诊断指导系统和推理机平台组成。

4.1 仪器故障诊断指导系统

将SSY 型伸缩仪维修知识通过专家系统生成供用户使用的人机界面，用于为用户提供维修指导。用户选择测试仪器后，根据提供的流程进行测量，将测量结果反馈后，等待系统自动进行故障分析，并提供决策。界面由节点图形区、测试内容区、结果选项区，以及分析结论区组成。系统根据电路原理按相应的检测流程进行分步检测，当测量的选项为正常运行状态时，选项标绿并提示检测对象运行状态。当测量的选项为异常运行状态时，选项标红并在结论区生成故障排除决策。检测流程如图3 所示。

图3 故障检测流程图Fig.3 Fault detection flow chart

4.2 推理机平台

推理机是用于生成客户端管理平台，主要由用户管理、个人中心、检测流程生成管理三部分组成。各部分功能如图4 所示。

图4 推理机管理平台功能导图Fig.4 Background management function chart of inference engine

用户权限有管理员和普通用户两种，管理员有权对流程检测进行修改，普通用户只能对流程进行查看。该模块具备用户新增及查询管理功能。

个人中心主要是对开发者进行相关的信息维护。

检测流程是管理平台的核心，将流程写成操作步骤，供管理者添加，每一项内容分别对检测节点图形，测试内容，可能结果选项，以及分析结论区进行设置。根据知识经验编写流程及结果响应动作，可实现对故障定位的推理。流程检测功能根据知识经验指导，添加提供检测服务的仪器内容，并对仪器的分步检测流程，选项，结论进行编辑，生成客户端可使用的维修指导。用户使用软件界面如图5 所示。

图5 用户界面Fig.5 User interface

5 结论与建议

本文中采用的基于模型和专家系统集成的故障诊断方法，很好地发挥了两种诊断方法的优点，提高了诊断系统的智能水平和诊断效率。采用图形化指导界面代替文字描述，用户界面友好，达到了预期目的，为地震仪器的故障检测提供了新的思路后续推广建议：

（1）本文仅对SSY 型伸缩仪进行了维修指导，该成果可广泛应用于地震系统其他仪器，扩充系统对象，形成全网仪器专家诊断系统。

（2）继续开发多元化推理机（计算机程序），建立远程分布式全系统智能诊断系统，实现异地多专家对同一设备的协同诊断以及多台设备共享统一诊断系统。

（3）建立开源故障诊断平台，实现多用户对不同地区仪器故障进行总结，实时更新知识库，使诊断更为精准。