舰炮供弹系统故障诊断知识本体建模研究*

彭 亮 岳冬梅 石晨光 赵 翀 孙文州

(1.海军大连舰艇学院研究生管理大队 大连 116018)(2.海军大连舰艇学院舰炮系 大连 116018)

舰炮供弹系统故障诊断知识本体建模研究*

彭 亮1岳冬梅2石晨光2赵 翀1孙文州1

(1.海军大连舰艇学院研究生管理大队 大连 116018)(2.海军大连舰艇学院舰炮系 大连 116018)

针对舰炮供弹系统故障频发,故障诊断知识激增,传统诊断难度增大的问题,在对供弹系统故障诊断知识结构和语义特点分析的基础上,提出了一种基于本体的舰炮供弹系统故障诊断知识建模方法和表示模型。构建了包含供弹系统故障源、故障现象、参数指标、故障原因及排故措施五要素,由决策树连接的供弹系统故障知识本体。并应用推理机Pellet对模型进行一致性检验。实例验证表明,该本体模型不仅表述直观、效率高,而且利于知识的共享和扩充。

舰炮供弹系统; 本体; Protégé; 故障诊断

Class Number TP182

1 引言

在舰炮领域有多种故障诊断方法,这些方法的诊断原理都是建立在知识库系统模型的基础上。舰船装备信息化程度在不断提高,舰炮领域所积累的知识也在激增,将这些知识和经验高效地表示和利用对舰船装备保障有重要意义。同时,新型装备往往缺乏保障数据支撑和经验丰富的保障人员。所以开发一种接口友好,知识表示方法完备,知识获取方法灵活,在舰炮领域内有通用性的故障知识库就愈发重要。

本体可以有效地描述知识层次结构及相互关联的模型,已经被广泛地引入到故障诊断系统相关领域,并充分展现出本体建模技术在知识共享[1～3],推理分析等方面的优势。本文将本体引入到舰炮供弹系统故障诊断知识领域中,应用W3C规范的本体描述语言OWL对舰炮供弹系统领域本体进行描述[4～6]。通过该本体实现供弹系统故障诊断知识的查询、重用和共享,以提高故障诊断的效率。

2 供弹系统故障诊断知识分析

供弹系统故障诊断过程,实际上是在发生故障现象后对可能发生故障的单元进行参数测试,确定故障原因,定位故障源,给予用户相应的排故措施的过程。通过上述分析不难得到供弹系统故障诊断涉及的五个要素：

1) 故障源。对舰炮装备而言,故障源可能是子部分控制系统,也可能存在于子机械系统。

2) 故障原因。发生故障的症结所在,简单故障可能容易找到,对于复杂故障需要专业的故障诊断人员才能获得[7]。

3) 故障现象。包括所有能够被人或仪器检测到的故障现象。

4) 参数指标。主要包括对舰炮供弹系统正常运行起重要影响的各单元的相关技术参数指标。通过参数指标可直接判断该单元的运行状态。

5) 排故措施。与故障原因对应,包括对故障单元进行维修、更换等处理。

图1 供弹系统故障诊断知识结构图

故障诊断知识是故障事实、诊断规则、相关概念的集合,一般以描述型方法存储和管理知识,形成一个故障知识域。图1为供弹系统故障诊断知识结构图。供弹系统有着复杂的构造,各型号装备还存在一定的差别,所以确定故障易发生部位之间的层次联系及确定各故障间的层次结构是建立知识库的重难点。此外,供弹系统故障的随机性与多重耦合(一种故障原因可产生多种故障现象,一种故障现象又常常对应多种故障原因),也为明确故障诊断知识结构设置了难度。

故障诊断的根本目的是提高装备的战备完好率,那么有效的故障诊断本体要清晰客观,且具有良好的可理解性、推理性、一致性、易维护性。

3 供弹系统领域本体构建

斯坦福的Gruber教授认为“本体(ontology)是关于共享的概念模型协议”[8]。斯坦福大学开发了基于Java的本体工具Protégé[9],鉴于其开放性的接口、良好的界面设计及支持储存本体数据,本文选择Protégé进行供弹系统故障诊断领域故障知识本体开发设计。主要建模步骤: 1) 确定模型目标和范畴; 2) 分析舰炮供弹系统故障类型的故障特征、敏感参数、故障原因、排故措施,列出所有的舰炮供弹系统故障知识,以其构建供弹系统故障知识本体的类; 3) 确定所需建立的供弹系统故障本体中的类和关系; 4) 利用相关本体开发工具建立供弹系统故障诊断本体,获得供弹系统故障知识的形式化表示与编码。

3.1 舰炮供弹系统本体的相关定义

定义1 供弹系统故障知识分别用C,A,P,R,M来描述,C为供弹系统故障知识本体模型中所有故障源的非空有限集合,C={C1,C2,…,Cn};A为供弹系统故障知识本体模型中全部故障现象的非空有限集合,A={A1,A2,…,An};P为供弹系统故障知识本体模型中全部参数指标的非空有限集合,P={P1,P2,…,Pn};R为供弹系统故障知识本体模型中全部故障原因的非空有限集合,R={R1,R2,…,Rn};M为供弹系统故障知识本体模型中全部排故措施的非空有限集合,M={M1,M2,…,Mn}。

3.2 列举术语

表1 供弹系统的故障术语

因为本体构建的最终目标是共享,所以保证术语的通用性至关重要。通过对故障描述语句的分析,可将语句划分为可以表达语义的一些关键词汇。表1是提取出的供弹系统故障诊断领域的术语。

3.3 定义类及类层次

以具有炮塔供弹部分、补弹系统、扬弹机的典型舰炮供弹系统为研究对象,建立其及类层次。由于篇幅限制,这里仅列出炮塔中供弹部分易发生故障部件,如图2所示。

图2 炮塔供弹部分组成框图

定义3 供弹系统本体可表示为四元组O=〈C,R,P,I〉。其中：C为本体中的类集;R为类的关系集合;P为属性(Properties);I是实例集(Instances)。类由类间关系加以约束,通过实例予以呈现,不同类的实例又通过属性赋以联系。

最典型的类间关系是继承关系(is-a),还存在等价(Equivalent)、先类(Ancestor)、父类(Super)、子类(Descendant)等诸多类间关系,特别指出相离(Disjoint)是对系统推理起重要作用的关系,一般用于同一层次的类。比如故障现象与故障原因的关系就是相离。

定义4 任意两个类C1和C2,如果不存在任意x,使得x同时属于C1和C2的实例,则称C1和C2是相离的(Disjoint),记为disjoint(C1,C2)。这里disjoint(C1,C2)与disjoint(C2,C1)是等价的。

3.4 定义属性

在建立了供弹系统的类后,需要建立类间的关系。定义属性主要是定义类的对象属性(Object Properties)和数据属性(Data Properties)。对象属性的作用是说明各类间的实例关系。供弹系统的故障类型有故障现象(has_reaction)、参数指标(has_Parameters)、故障原因(has_Reason)、排故措施(has_Measure),所对应的逆关系为Is_Reaction_Of、Is_Parameters_Of、Is_Reason_Of和Is_Measure_Of。数据属性作用是说明类所具有的数据特征。例如,在供弹系统故障诊断领域,对“上扬弹机”定义数据属性“特征频率,integer型数据”、“排故工具,string型数据”等。

属性也有自己的约束。属性有定义域(Domain)与值域(Range)。例如”has_reaction”的定义域是故障组件,值域为故障现象。此外还可以定义函数约束Functional,对称约束Symmetric,传递约束Transitive,逆约束Inverse。

3.5 添加类实例

定义5 供弹系统故障实例FSIndividuals可定义为FSIndividuals=(FS_Instances),公式中FS_Instances为实例的集合。

在建立起本体的框架后,就要向各类添加故障诊断实例,实例的数量和准确度也对本体的质量有相当大的影响。利用Protégé的插件Ontograf可以完整展示出已经建立的故障知识本体模型。

4 实例验证

4.1 故障诊断实例

根据故障现象定位故障原因,并给出解决方案是故障诊断系统的主要功能。决策树是连接故障现象和故障原因的桥梁。假定由某一故障原因引起系统故障,系统依据故障发生概率可生成如图3所示的扬弹机电机异响状态下的故障诊断决策树。图中用“□”表示决策点,由它引出的分枝叫做方案分枝。用“○”表示机会点,由它引出的分枝叫做事件(状态)分枝。用“△”表示结果点,它是决策树的叶节点,表示排除故障所应用的方法。当用户对扬弹机电机异响的现象请求故障诊断支持时,诊断系统在故障域中搜索扬弹机电机异响概念。此概念与测试域中保险丝检测概念连接概率值最大,因此系统将提示进行保险丝检测。如若检测未发现异物,系统按概率值降序给出与扬弹机电机异响概念相连接的异物进入检测提醒,引导用户进行诊断排故。诊断系统用据故障决策树依概率进行故障原因排查,有效提升了故障诊断效率。

图3 故障诊断决策树示意图

4.2 一致性检验实例

因为结构不完整和知识进化歧义等问题,不断增加的本体知识和本体已有知识可能会发生冲突。因此,供弹系统故障知识本体要进行类间关系一致性检验以保证本体的有效性,主要包括类间结构继承与关系冲突一致性检验[10]。检验定理1、2为实例检验提供理论依据。

检验定理1供弹系统故障知识本体中的任意类C1、C2、C3,若有is-a(C1,C2),且is-a(C2,C3),则有is-a(C1,C3);

检验定理2供弹系统故障知识本体中的任意类C1、C2、C3、C4,若有is-a(C1,C3),is-a(C2,C4),且disjoint(C3,C4),则有disjoint(C1,C2)。

图4 一致性检验结构图

“系统不能启动”为扬弹机故障现象的子类,扬弹机有子类“扬弹机控制机组”,且“紧急制动”为扬弹机控制机组的故障现象。通过检验定理可知,“紧急制动”应为“系统不能启动”的子类。图4为以Pellet1.5.2为推理机得到的本体推理类一致性检验结构图,表明推理结果与分析结果一致。文中所构建的供弹系统故障知识本体的经过一致性检验证明没有歧义。

5 结语

本文研究了舰炮供弹系统故障诊断知识本体,分析了供弹系统故障诊断知识的语义结构特点,提出了对应本领域的本体构建方法,构建了供弹系统故障诊断知识本体模型,实现了由故障现象到排故措施的决策诊断模式并予以实例验证。利用工具Protégé和Pellet对构建的本体进行了推理一致性验证,结果符合逻辑分析。下一步对供弹系统领域推理规则与本体的检查与评价进行更深入的研究,完善故障诊断知识本体,开发共享度高的领域本体模型。

[1] CHAU K W. An ontology-based knowledge management system for flow and water quality modeling[J]. Advances in Engineering software,2007,38(3):172-181.

[2] Natalya F. Noy, Deborah L. McGuinness. Ontology Development 101∶1 Guide to Creating Your First Ontology[R]. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, March 2001.

[3] 徐斌,曹存根,张再跃.基于本体和规则的扬弹机故障诊断研究[J].火炮发射与控制学报,2012(2):63-66.

[4] 赵少华.基于本体论的汽车故障诊断知识建模及知识系统的研究[D].上海:华东理工大学,2011.

[5] 甘健侯,姜跃,夏幼明.本体方法及其应用[M].北京:科学出版社,2011:4-10.

[6] 窦丹丹,谢强,丁秋林.基于Ontology的故障诊断方法[J].计算机应用,2009,29(2):574-576.

[7] 陈国荣,鄢萍,陈燕华,等.高炉故障诊断本体构建方法实证分析[J].重庆大学学报,2012,35(5):35-29.

[8] Thomas R. Gruber. Toward Principles for the Design of Ontology Used for Knowledge Sharing[J]. International Journal of Human-Computer Studies,1995,43(5):907-928.

[9] Knublauch H, Musen MA, Rector AL. Editing Description Logic Ontologies with the Protégé OWL Plugin[C]//Proceedings of the 2004 Inter-national Workshop on Description Logics. Whistler,2004:70-78.

[10] 狄雪兰.基于本体的旋转机械故障诊断知识建模研究[D].湘潭:湖南科技大学,2011.

Research on Ontology-based Knowledge Modeling for Gun Feeding System Fault Diagnosis

PENG Liang1YUE Dongmei2SHI Chenguang2ZHAO Chong1SUN Wenzhou1

(1. Department of Graduate Management, Dalian Naval Academy, Dalian 116018) (2. Department of Naval Gun, Dalian Naval Academy, Dalian 116018)

Against the main problem of a great range of gun feeding system fault, the increasing knowledge of fault diagnosis and the more difficult to use traditional fault diagnosis, this paper studied knowledge structure and semantic properties for gun feeding system fault diagnosis. A kind of modeling method and fault knowledge representation was proposed based on ontology, which was working for gun feeding system. The system included fault units, fault phenomenon, parameter indexes, fault causes and control measures, connected by decision tree. The knowledge was proved to be consistent by Protégé and Pellet. The case study showed that the ontology can not only be intuitive and efficient but also useful in knowledge reusing and extending.

gun feeding system, ontology, Protégé, fault diagnosis

2014年5月7日,

2014年6月26日 作者简介:彭亮,男,硕士研究生,研究方向:舰载武器系统分析、论证与仿真。岳冬梅,女,硕士,副教授,研究方向:时滞系统、非线性系统鲁棒控制。石晨光,男,硕士,副教授,研究方向:装备维修保障。赵翀,男,硕士研究生,研究方向:舰载武器系统分析、论证与仿真。孙文洲,男,硕士研究生,研究方向:舰载武器系统分析、论证与仿真。

TP182

10.3969/j.issn1672-9730.2014.11.034