胡骁 李浩 张亚琳 李烨 王凯旋

（中国运载火箭技术研究院 北京市 100076）

1 引言

随着信息化技术的快速发展，面向信息化装备的软件产品的重要性日益凸显[1]。信息化软件主要负责装备的态势显示、任务调度、数据管理和故障处理，在态势显示和任务调度方面，由于算法较为成熟，不再赘述。本文重点针对数据管理和故障处理的关键技术进行说明。在数据管理方面[2-5]，传统的数据更新机制多采用“定时器+指定方法”的方式，该方式存在大量无效数据库IO 访问和无效数据处理，导致系统运行流畅程度与运行时间成反比（主要原因是系统数据量持续增长）。在故障处理方面[6-9]，传统的信息匹配机制多采用“建表+查表”的方式，该方式仅能运用纯表格化的信息，难以结合具体故障描述内容进行智能排查，导致信息匹配的准确性不高。

针对数据管理方面的问题，本文提出了一种基于组件订阅机制的数据关联与更新技术，为系统的高效运行提供了技术保障。针对故障处理方面的问题，本文提出了一种基于自然语言学习的信息智能匹配技术和一种基于层次分析法的数据智能处理技术，有效提升了信息匹配的准确性和数据处理的正确性。

2 一种基于组件订阅机制的数据关联与更新技术

本技术由基于绑定操作的组件订阅器注册子技术、基于基础框架的数据库访问敏感子技术和基于组件自动响应的数据更新子技术组成，见图1。

2.1 基于绑定操作的组件订阅器注册子技术

本子技术的核心功能是，首先定义组件的基本类型和关键属性，接着建立组件与数据库的绑定关系，在此基础上，明确组件与订阅器的注册方式，最终实现基于绑定操作的组件订阅器注册技术。

2.1.1 组件基本类型

本文识别了信息化软件组件的基础功能和关键属性，明确了组件的基本类型，见表1。

由于操作类组件、显示类中的静态文本类组件无需使用本文中的订阅机制，故不再进行描述，以下重点针对显示类中的动态加载类组件进行说明，见表2。

2.1.2 组件与数据库的绑定关系

本文制定了以“表+列+值（可缺省）”为基础，以“逻辑处理”为核心的组件与数据库的统一绑定关系，见表3。

2.1.3 组件与订阅器的注册方式

组件在完成数据库的绑定后，可申请注册至订阅器，订阅器自动提取组件与数据库的关联关系（通过DataConnection 方法）。

完成注册后的组件，可随时接收订阅器的触发信号，接收触发信号后，自动调用Update 方法，完成数据更新。

订阅器的工作流程见图2。

2.2 基于基础框架的数据库访问敏感子技术

本子技术的核心功能是，建立基础框架与数据库和订阅器的交互关系，具体包括：

（1）建立基础框架与数据库的唯一接口关系，本接口关系主要是实现软件对数据库的统一管理，避免数据库被未知的方式更改；

（2）建立基础框架与订阅器的唯一接口关系，本接口关系主要是自动捕获基础框架与数据库中“表+列+值”的更新关系，并将更新关系自动路由至订阅器。

本技术的工作流程见图3。

2.3 基于组件自动响应的数据更新子技术

本子技术的核心功能是，制定组件的Update 方法，并在组件IsTriggered 属性置位时，自动执行，完成数据更新。

本技术的工作流程见图4。

3 一种基于自然语言学习的信息智能匹配技术

图1：一种基于组件订阅机制的数据关联与更新技术

图2：订阅器工作流程

图3：基于基础框架的数据库访问敏感子技术的工作流程

图4：基于组件自动响应的数据更新子技术的工作流程

本技术由基于自然语言的数据库建模子技术、关键词匹配子技术和特征向量关联子技术组成，见图5。

3.1 基于自然语言的数据库建模子技术

为实现基于自然语言的关键词匹配技术，对故障库结构进行再设计，见表4～表5，其中，表4 为故障库整体目录结构，表5 为第五级第四部分展开后内容。

3.2 关键词匹配子技术

关键词匹配子技术的工作流程如下：

（1）根据确定的故障代码，选取给定的关键词（表5 中的关键词1～关键词N）；

（2）针对每一个给定的关键词，采用基于滑动窗口的关键词匹配技术，获取每一个关键词出现的次数；

（3）建立N 维向量，分别记录N 个关键词的出现次数。

3.3 特征向量关联子技术

特征向量关联子技术的工作流程如下：

（1）采用关键词匹配子技术，生成本次故障的特征向量＜x1,x2,x3,...,xn>；

（2）将本次故障的特征向量＜x1,x2,x3,...,xn>与故障库中的已解决故障的自然语言对应的特征向量逐一作差，生成偏差向量＜∆x1,∆x2,∆x3,...,∆xn>；

（4）将偏差向量模长|X|与其对应的成功匹配次数进行加权，求取最终匹配值；

（5）将最终匹配值按从小到大顺序排列。

4 一种基于层次分析法的数据智能处理技术

本技术由建立层次结构模型、构造成对比较矩阵、层次单排序及一致性检验和计算最终匹配结果组成，见图6。

结合故障设备代码、故障发生时工作内容、故障发生前工作内容和其它描述信息，利用层次分析法，对已确定范围内的故障原因及解决措施所对应的故障库第五级中的相关信息进行智能匹配，并在此基础上，将其对应的故障原因及解决措施按匹配程度进行展现。

4.1 建立层次结构模型

层次结构模型分为目标层、准则层和方案层，见图7，其中，目标层为计算故障库第五级相关信息的匹配程度；准则层为故障设备、故障发生时工作内容、故障发生前工作内容和其它描述信息；方案层为故障库第五级相关信息。

4.2 构造成对比较矩阵

成对比较矩阵用于描述本层所有因素针对上一层某一因素的相对重要性，成对比较矩阵的元素aij用1-9 标度方法给出，见表6。

表1：组件的基本类型

表2：显示类中的动态加载类组件的关键属性和方法

表3：组件与数据库的统一绑定关系

表4：故障库整体目录结构

表5：第五级第四部分内容

假设如下标度关系：

（1）故障设备：故障发生时工作内容=1:5；

（2）故障设备：故障发生前工作内容=1:2；

（3）故障设备：其它描述信息=1:3；

（4）故障发生时工作内容：故障发生前工作内容=5:1；

（5）故障发生时工作内容：其它描述信息=3:1；

（6）故障发生前工作内容：其它描述信息=1:3。

因此，成对比较矩阵A 如下所示：

4.3 层次单排序及一致性检验

说明：随机一致性指标RI 见表7。

因此，成对比较矩阵A 的不一致程度在容许范围内，可用其归一化特征向量作为权向量，即X 为权向量。

表6：aij 的1-9 标度方法

表7：随机一致性指标RI

4.4 计算最终匹配结果

经专家讨论，确定如下计算方法：

（1）针对故障设备、故障发生时工作内容和故障发生前工作内容，若本次故障信息与历史故障信息中对应部分信息一致，则该部分匹配程度为1.0，否则匹配程度为0.0；

（2）针对其他描述信息，直接采用“一种基于自然语言学习的信息智能匹配技术”的匹配结果，排名第一的匹配程度为1.0，排名第二的匹配程度为0.8，排名第三的匹配程度为0.6，排名第四的匹配程度为0.4，排名第五的匹配程度为0.2，其他为0.0；

（3）故障库第五级某条记录的最终匹配值为：故障设备匹配程度*0.1296+故障发生时工作内容匹配程度*0.8893+故障发生前工作内容匹配程度*0.1836+其它信息匹配程度*0.3982；

（4）按最终匹配值由大到小的顺序，对故障库第五级相关信息进行排序。

图5：一种基于自然语言学习的信息智能匹配技术

图6：一种基于层次分析法的数据智能处理技术

图7：层次结构模型

5 结论

针对信息化软件在数据管理方面存在的问题，本文提出了一种基于组件订阅机制的数据关联与更新技术，通过基于绑定操作的组件订阅器注册子技术、基于基础框架的数据库访问敏感子技术和基于组件自动响应的数据更新子技术的有机融合，大幅提升了软件的运行效率；针对信息化软件在故障处理方面存在的问题，本文提出了一种基于自然语言学习的信息智能匹配技术，通过基于自然语言的数据库建模子技术、关键词匹配子技术和特征向量关联子技术的有机融合，显著提升了信息匹配的准确性。在此基础上，本文提出了一种基于层次分析法的数据智能处理技术，通过建立层次结构模型、构造成对比较矩阵、层次单排序及一致性检验和计算最终匹配结果的有机融合，大幅提高了数据处理的正确性。