周晓燕 陈洁

[摘 要]本文以轻小型起重机为研究目标，采用案例推理技术对其进行故障诊断，应用数据结构和关系型数据库对故障案例进行表达并建立故障案例库，研究相似匹配策略及Levenshtein距离和加权平均算法的案例索引机制，设计基于案例推理的轻小型起重机故障诊断系统，不断地逐步积累案例、完善案例，使得轻小型起重机械排故工作更加准确、有效，保障轻小型起重机的安全运行。

[关键词]案例推理;索引机制;故障诊断

[中图分类号]TP182 [文献标识码]A

随着我国经济建设的高速发展，港口机械、航天航空工业和中重型机械设备的蓬勃发展，促进起重设备的广泛应用以及轻小型起重机数量激增。轻小型起重机在一定地域和时间范围内重复、间歇式运动机械，是起重机械的重要组成部分。轻小型起重机涉及领域广且构造复杂，集机械、液压和电气一体的现代智能设备，因此轻小型起重机所产生故障的较复杂且相互交织，当前对轻小型起重机进行故障诊断较为困难。

基于案例推理通过总结过去历史经验解决新问题的思路，寻求过去经验与现有问題的相似性，结合现有知识和以往的解决案例建立数据库，在新问题与历史案例之间不完全匹配时给出相似解，简化了知识获取;利用已有的经验和案例去解决新问题，在人工智能上广泛运用，

因此，基于案例推理的故障诊断技术，能快速、准确地辨识和解决轻小型起重机故障，已然成为轻小型起重机械解决故障的重要手段。本文采用基于案例推理技术，建立基于案例推理的故障诊断系统，对轻小型起重机械进行故障诊断，为解决轻小型起重机故障诊断提供一种新的技术方案。

1 基于案例推理的故障诊断系统设计

1.1 系统功能

基于案例推理的轻小型起重机故障诊断系统，将现有轻小型起重机的故障实例，描述成由故障特征和解决方案构成的案例单元且储存各单元中的案例并形成案例库;然后把新问题分解成一个新的案例单元，结合与数据库中最为相似案例相匹配，找到类似解决方案并应用于新问题。同时在匹配的类似解决方案无法解决新问题时，系统根据匹配程度对建议解进行修正并提出新的解决方案，新的解决方案可充实到案例库中，因此案例推理系统具有较强的自学习能力。基于案例推理是学习和积累不断充实的系统，面对复杂的轻小型起重机械故障诊断具有便捷性和实用性，程序功能框图如图1所示。

1.2 系统功能模块

故障诊断系统如图2所示，根据不同的功能划分为案例管理模块、案例推理模块和参数配置模块。案例管理模块中应用数据结构和关系型数据库，实现案例单元数据的添加和删除及案例库的快速读取、追溯性修改。案例推理模块是系统关键的组成部分，利用案例索引机制从案例库中检索相似案例，根据案例的相似度排序获取最佳相似案例，并利用案例重用策略将新匹配的案件添加到案例库中，实现案例推理。参数配置模块主要设置案例特征参数的权值和案例的相似度阈值。

2 基于案例推理的故障诊断关键技术

2.1 基于数据结构的故障案例表达及基于关系型数据库的案例库建立

案例推理的基本要素就是实现案例有效表达（即案例的结构和内容）。案例的表达是依据一定的结构和特点，遵循特定的表达规则，约束规范的结构，以便于实现高效的检索。每个案例分解成不同的小单元，构成多区域属性，用集合表示案例内容的特征集合A = {A1， A2， … An}，其中单元属性Ai （i = 1， 2， … n）又可以根据需要进一步细分为特有属性的集合Ai = {Ai1， Ai2， … Ain}。按照多层次和特有属性结构，每个案例由多个层次集合体属性单元构成，因此多层次和特有单元相互关联构建完整的案例库。

轻小型起重机故障案例由大量的故障信息构成，如控制系统故障、机械结构变形、液压系统故障等。描述故障案例时，首先应描述故障案例的主要特征部分。为了精确描述故障案例的主要特征部分，应首先查找故障案例表示的主要目标。故障案例表示最关键的目标是向设备维修人员提供故障参考信息，如起升机构失效、顶升油缸漏油等系统故障原因。因此，故障案例应包括如下内容：（1）故障环境。主要包括故障状态、故障位置;（2）故障信息。主要包括：故障描述、解决方案。

案例表示方法最普遍采用关系数据库的方式，根据案例不同的特性进行存储，案例库表达式为：<案例编号，序列号，故障环境要素，故障信息要素>。其中：故障环境要素是指故障出现时的设备状态和发生部位等信息，如“轻小型起重机在顶升时，液压缸升降不到位”。故障信息描述是轻小型起重机故障发生后的故障描述和解决方案。根据上述分析可以利用特有的关系数据库建立案例库，详见表1和表2。

2.2 基于相似匹配策略及Levenshtein距离和加权平均算法的案例索引机制研究

案例检索方法是基于相似性和加权原理，从案例库中匹配出最佳相似案例，以此帮助维修人员快速找到问题来源和解决方法。本项目研究的案例检索方法是两级相似匹配策略，首先应用Levenshtein距离算法对故障特征进行相似匹配，然后用加权平均算法对整个案例进行相似匹配，通过两级相似匹配出的案例在正确性上有较高的保证。

2.2.1 故障特征的相似匹配

故障特征的相似匹配属于单字符串匹配，其核心算法是Levenshtein距离匹配算法。在20世纪60年代，Vladimir Levenshtein提出这个概念，因此以他的名字命名为Levenshtein算法，该算法是指两个字符串之间，由一个转换成另一个所需的最少编辑操作次数，具有计算方法简单、精度高的特点。

算法的基本流程：

但是当前的Levenshtein距离匹配算法存在一定缺陷，相互比较的两个字符串长度相差较大时，得到的两个字符串的相似度相对会较低。如故障描述字符串“断丝”，系统自动逐条读取故障案例库中案例的故障描述字符段。以读取到 “钢绳有断丝”为例，如果直接根据Levenshtein距离匹配规则，这两个字符串相似度为0.4，但是在实际匹配的过程中，“断丝”的字符串应该是被包含在“钢绳有断丝”的字符串中，显然这样的匹配并不准确。算法改进如下：

式中：SL是Levenshtein距离匹配算法得到的相似度，max（S1， S2）指的是字符串长度最大值。通过改进算法计算出来的相似度为0.92，因此能够显著改善字符串包含情况下的匹配的准确度。

2.2.2 故障案例的相似匹配

通常故障案例包含了一个或者几个故障特征字段，故障案例的相似匹配属于多字符串匹配，多个字符串与案例库中的案例关键字段进行逐一匹配，每个字符串都得到相应的相似度值，进行最后案例匹配中，需要对多个字符串的相似度进行综合。相似度综合采用了加权平均算法，以提高计算效率和精度。算法如下：

式中：SL1表示故障位置与案例库中的某个案例的相似度值 ，SL2表示故障描述与该案例的相似度值，α、β分别表示故障位置和故障描述的权重。系统中主要匹配两个字符串——“故障位置”和“故障描述”：首先对匹配进行归一化处理，再乘上相应的权重α和β（其中α + β = 1）;然后将实际案例与案例库中的某个案例的相似度与相似度的阈值进行比较，如果相似度大于阈值，则认为匹配成功，反之，则表明案例库中无匹配案例。

2.3 案例推理技术在轻小型起重机械故障诊断中应用

案例推理的目标就是运用计算机来得到类比推理和领域专家的记忆。当一个新的待解决问题提出以后，可以把它抽象成为一个新案例，为了解决这个问题我们从案例库中找出一个和新案例最相近的案例，其解决方案就可作为新问题的参考，并形成一个新的案例，实现案例的重用。輕小型起重机械中案例推理执行流程如图3所示。

3 结语

本文以轻小型起重机作为研究目标，建立故障案例表达、数据库建立和检索等，基于案例推理的故障诊断关键技术，研究探讨案例检索机制中字符串相似度的计算方法，同时建立轻小型起重机械故障检索机制。结合实际工作需要，开发设计一个基于案例推理的轻小型起重机故障诊断系统，系统以基于案例推理的诊断技术作为基础，采用关系型数据库存储故障案例数据，实现轻小型起重机械的故障诊断。

[参考文献]

[1] 王丽，娄建安，赵维霞.基于案例的智能维修训练系统.测试技术[J].2006（02）.

[2] 何庆飞，王汉功，陈小虎.故障树分析法在汽车起重机液压系统故障诊断中的应用[J].机床与液压，2008（02）.

[3] 罗天洪，杨彩霞，孙冬梅.基于故障树的汽车起重机液压故障诊断专家系统[J].机械科学与技术，2013（04）.

[4] 何正嘉，陈进，王太勇.机械故障诊断理论及应用[M].北京：高等教育出版社，2010.

[5] 付新哲，张优云，朱永生.滚动轴承故障诊断的案例推理方法[J].西安交通大学学报，2011（11）.