吴延军

（91550部队，辽宁 大连 116023）

1 概述

由于武器火控系统设备量大，内部和外部接口繁多，发生故障的形式多种多样，所以说，武器火控系统故障诊断是一个具有多输入、多输出、不确定性多的复杂非线性问题。由于输入和干扰因素与输出的关系相当复杂，又是高阶非线性系统，再加上内部和外部参数的不确定性，使得为武器火控系统故障诊断选择合适的建模方式十分困难。知识获取是故障诊断系统的重要组成部分，它研究的主要问题是知识源到程序知识的传递和转换。构造故障诊断系统时，专业领域的专家和知识工程师要密切合作，不断总结和提取专业领域知识，并将其形式化，编码存入计算机中形成知识库。但是，由于专业领域知识大多是启发式的，较难捕捉和描述，专业领域专家通常善于提供事例而不习惯提供知识，所以，知识获取被公认为是故障诊断系统开发研究中的难题。

如何保证武器火控系统能够按照预期目标圆满完成其使命，一直是所有研究和设计人员的终极奋斗目标。从某种意义上讲，对武器火控系统的故障定位和故障诊断技术的研究，有利于提高数据判读的准确性、实时性和高效性，有利于提高武器火控系统试验测试结果的有效性。因此，武器火控系统的智能故障诊断是急需解决的关键技术之一，而解决这一关键技术的前提是建立科学、合理的知识获取数学模型。本文根据武器火控系统的故障特点和实际情况，针对故障诊断专家系统，提出以下2点思考：①将故障树分析法与专家系统相结合进行深推理，设计一个基于故障树模型的诊断系统，将系统的结构、行为和功能知识放入基于规则的故障树中，构成故障树模型；②将案例推理与专家系统方法相结合，实现基于案例的专家知识的浅推理，从而设计实现一个深浅知识相结合的完备的故障诊断专家系统。采用基于案例推理和故障树分析法建造武器火控系统故障诊断专家系统，知识库采用产生式和框架式多种知识表示与存储方式相结合的形式，推理机制采用正向推理与案例检索推理相结合的形式，从而有效提高系统的推理效率和准确度。

2 故障树分析法

从知识获取的角度来看，故障树具有标准化的知识结构，如果利用故障树知识生成诊断专家系统知识库，则可以显示出诊断专家的问题求解策略，从而极大地降低系统知识获取的难度。

实际上，故障树的顶事件是对应于专家系统要分析解决的任务，其底事件对应于专家系统的推理结果，而故障树由顶到底的层次和逻辑关系对应于专家系统的推理过程。我们可以把故障树和诊断专家系统的知识库通过割集联系起来：故障树的一个割集是系统的一种失效模式，同时，对应于知识库的一条规则；割集里的基本事件是该失效模式的最基本原因，对应知识库中规则的结论（故障源或故障原因）；从顶事件到割集的路径，是该割集区别于其他割集的中间条件，对应于知识库中规则的前提。但是，在故障诊断过程中，简单的故障描述是不够的。为此，要在知识库中增加一部分信息——故障现象的描述、故障的检测方式或方法、诊断建议和维修对策等。其中，故障现象的描述包括图形说明和文字描述两部分，它们分别反映了故障树的一个故障模式和在该故障模式下系统表现出的故障现象，这些都将是诊断专家系统推理的根据，它们构成了知识库规则的前件；故障的检测方式或方法属于故障的中间辅助描述部分，它给出了故障的检测方法；诊断建议和维修对策属于故障结论描述部分，它说明故障树事件对应的系统故障以及故障的排除方法和建议，它们正是专家系统要推理的结果。

针对同一故障树，其故障搜寻方法有2种：①对于某一待诊断的子结点，其本身关键输出信号参数（故障征兆）在故障时将有一特征数值，因此，可直接测试子结点的关键参数，将其与自身的故障特征值比较，判断是否故障。这种诊断方法简单直观，易于理解，对故障搜寻来说，它是一种遍历式盲目搜索方式，计算量比较大。②任何子结点故障都会对上一级父结点的关键参数的输出产生影响，而且不同的子结点故障对上一级父结点参数的影响是不同的。换句话说，当不同子结点故障时，表现在上一级父结点输出参数上的故障特征值是不一样的。因此，可以根据上一级父结点的关键信号参数的测试直接搜寻下一级故障子结点，不必计算所有下级子结点的输出。而针对故障子结点的关键参数测试，可以采用同样的原理定位故障树结点，这是一种启发式故障搜索策略，与前者相比大大提高了故障搜寻效率。故障诊断专家系统采用第二种故障搜寻策略。

3 案例推理技术

对于某些没有模型或成熟知识的领域，在其处开发专家系统是比较困难的。在没有很强的理论模型、领域知识不完全但经验丰富的故障诊断、决策等领域，出现了基于案例推理的方法，并得到了广泛的应用。

3.1 案例描述

问题或情景的描述和解决方案是必不可少的部分，任何基于案例的推理系统必须要有这些内容，而结果部分有的系统中没有。由于案例包括了对问题的描述及其求解的情况，案例的表示至少应该包含这两个方面，因此，表示为一个有序对（问题描述，解描述）。如果有对于解的描述，即解的效果情况、所给出的解是否有效等，这样又表示成三元组（问题描述，解描述，症状描述），同时，对案例问题进行特征提取。案例诊断模块的结构如图1所示。

图1 案例诊断模块的结构图

3.2 案例的索引与检索

案例检索是位于案例推理系统的中心环节，检索质量关系着整个系统的质量，案例库索引和检索的目的是建造一个结构或过程来得到最适当的案例。案例的索引和检索技术通常有3种，即最近邻法、归纳推理法和知识引导法。基于案例的推理流程如图2所示。

3.3 案例的修改

案例的修改（又称为“案例的重用”）被公认为是案例推理中最具挑战性的问题，也是继案例检索之后的又一个热点。一般情况下，在修改检索出的案例时，要完成以下3个方面的工作：①分析新问题的各个特征项，根据检索出的案例特征对应项的内容进行修改；②追加新问题具有的案例特征项，并且修改特征项的内容，一般它是由计算机和用户或领域专家联合进行；③对于检索出的案例的某些不符合新问题要求的特征进行删除操作。

图2 基于案例的推理流程图

3.4 案例的学习和保存

一般来说，当系统用于解决新问题时，对于案例学习和保存采取以下做法：①如果案例库中的源案例与目标案例相同（相似度为1）或很接近（相似度大于设定的阀值），可以直接借鉴以前的经验，可以选择维持原案例库不变或用新案例刷新。②如果案例库中的案例与要解决的问题相差很远，那么，就需要更多的领域知识或人为介入重用的过程。解决问题之后，一般将其作为一个新的案例存储在案例库。这样系统就逐渐积累了解决相关问题的经验，使案例推理系统的推理能力不断提高。

4 案例推理的应用

本文采用了基于案例推理与故障树相结合的方法，对故障知识进行知识获取和管理，并建立了武器火控系统知识库管理系统（简称“知识库管理系统”）。该系统是对知识库中的知识进行管理和控制，完成对知识库的各种操作，并向用户提供检索、查询手段的软件系统，它包括知识获取、知识存储和分类、知识校验、知识查询和更新以及用户的使用权限管理等。

图3 武器火控知识库管理系统结构图

4.1 体系结构

武器火控系统知识库管理系统的结构如图3所示。

4.2 案例的表示

武器火控系统的故障案例可以定义为一个四元组，即：

式（1）中：D＝{d1，d2，…，dn}为一个非空有限集合，表示故障案例的描述信息，包括案例编号、故障发生时间、故障类型等；S＝{s1，s2，…，sn}为一个非空有限集合，表示故障案例征兆属性集；M为案例的结论信息；E为案例辅助信息。因此，一个故障案例可以定义为表1所示结构的对象。

表1 故障案例的结构

4.3 案例的表示

4.3.1 故障特征向量

武器火控系统的故障特征向量表示为：Ai＝[Ai（1），Ai（2），…，Ai（k），…，Ai（n）]，i∈[1，m]，k∈[1，n].其中，Ai表示第i个案例的故障特征向量，Ai（k）表示第i个案例中的第k个指标经参数化处理后得到的特征值。以武器火控系统中发控子系统故障特征为例，其故障特征一般表现为3种类型：①用文字描述的无序枚举型数据，比如当前工作状态可以分为“待机、作战、武器维护、武器训练”等；②用具体的数值描述的定量数据，例如温度、湿度、液位、导航参数等；③逻辑型，只存在2种状态。

4.3.2 案例特征权向量

武器火控系统的案例特征权向量可以表示为{案例特征权重编号，权重数值}两部分。其中，案例权重编号与案例集编号一致，权重数值部分记录着案例权重的具体数值。

4.3.3 案例集编号

武器火控系统案例集可以用多元组方式表示为：

式（2）中：ID为案例集编号，案例集编号的内容是数据库的表名，相同部件的故障以记录的形式存储在同一张关系数据库的表中；T为案例特征向量，同一对象的故障具有相同的故障征兆（特征），指向特征表中与案例集标号对应的特征；W为案例特征权重向量，指向特征权重表中与案例集编号对应的权重。

4.3.4 故障的结论信息

故障的解决措施：记录故障的解决措施，历史案例的解决方案。

故障手册：故障手册的作用是辅助故障的解决，当解决措施不能完整解决问题时，可参考故障手册。

结果评价：故障解决后，专家对该案例的评价和建议。

4.3.5 故障辅助信息

故障成功匹配次数：记录了案例成功匹配的次数，反映了该案例的发生频率。

代表案例标识和所属子案例库编号：为了有效地组织案例库中的案例，方便索引和检索，提高检索效率，对同一案例集进行聚类，相似的案例归为一类，即子案例库。

案例学习质量：用来判断增加新案例到案例库中后，对案例库准确分类的影响程度。

4.4 故障案例的决策表示

为了便于故障推理阶段案例特征权重的提取，要先把故障案例表示成决策表的形式。

设S＝（U，A，V，F）为武器火控系统知识表达系统，A＝C∪D，C∩D＝Ø称为条件属性集，D称为决策属性集，具有条件属性和决策属性的知识表达系统称为决策表。其中，U称为论域，表示一组有限的非空对象集，U＝ {x1，x2，…，xn}；A＝C∪D，C∩D＝Ø表示有限属性集，包括条件属性子集C和决策属性子集D。在故障诊断系统中，故障征兆属于条件属性，故障模式属于决策属性。V＝ΣVa是属性的值域，其中，Va表示属性a∈R的取值。F：U×A→V是一个信息函数，表示U中每个对象（案例）的属性值。这样定义的知识表达系统可以方便地用表来描述，表中的列表示属性，一个属性对应一个等价关系，行表示对象，一个表可以看作是被定义的一组族等价关系。

通过上面的分析，故障案例的决策表表示如表2所示，条件属性是故障案例的特征，即故障征兆；决策属性是故障案例所属的故障模式。

表2 故障案例的决策表表示

论域U＝{x1，x2，…，xn}表示案例库中所有故障案例，条件属性集C＝{C1，C2，…，Cn}表示每个故障案例包含的故障征兆，Vij表示第i个故障案例的第j个故障征兆的取值，决策属性D＝{d}表示故障案例所属的故障模式，di（i＝1，2，…，k）表示第i个故障案例所属的具体故障模式。这里我们假设故障案例决策表是一致的，即不存在2个故障案例，其条件属性取值完全相同，而决策属性的取值不同。

5 结论

知识获取是进行问题求解的专家领域知识，是从领域专家或其他各种知识源转换到专家系统知识库中的一个重要过程。与基于规则的推理相比，基于案例的推理技术更适用于没有模型的领域，案例检索易于实现，案例库易于维护，并且可以从不同的领域中学习新知识。本文开发的基于故障树和案例推理技术的诊断系统能够快速、有效地诊断出武器火控系统的各种故障，并及时确定出故障组件所处的状态。利用案例推理的知识获取技术、实现诊断是武器火控系统故障诊断领域的主要研究方向。