某型飛機(jī)武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)＊

（海軍駐蘭州地區(qū)軍事代表室 蘭州 730070）

1 引言

飛機(jī)武器發(fā)控通道是指用于控制和管理飛機(jī)所攜帶的各種武器，涉及“機(jī)載武器控制系統(tǒng)（又稱(chēng)懸掛物管理系統(tǒng)）—發(fā)射裝置—機(jī)載武器”的航空武器綜合體。目前，部隊(duì)維護(hù)人員通過(guò)相關(guān)測(cè)試設(shè)備可以對(duì)某型飛機(jī)武器發(fā)控通道進(jìn)行維護(hù)，但維護(hù)工作中存在故障定位周期長(zhǎng)、故障隔離與定位不準(zhǔn)確和故障排除效率低等狀況。因此，本文將人工智能技術(shù)應(yīng)用到武器發(fā)控通道故障診斷領(lǐng)域［1］，通過(guò)建立故障診斷專(zhuān)家系統(tǒng)，對(duì)導(dǎo)彈發(fā)射通道故障進(jìn)行快速準(zhǔn)確定位，并提出專(zhuān)家級(jí)維修建議。

傳統(tǒng)的診斷類(lèi)專(zhuān)家系統(tǒng)大都采用基于規(guī)則推理（Rule-Based Reasoning，RBR）的方法，這種方法適合于專(zhuān)家知識(shí)易用規(guī)則表達(dá)的簡(jiǎn)單系統(tǒng)。但是，對(duì)于武器發(fā)控通道這樣復(fù)雜的系統(tǒng)，許多故障現(xiàn)象是難以用結(jié)構(gòu)化數(shù)據(jù)來(lái)表達(dá)的，如果全部用規(guī)則的形式來(lái)表示故障診斷知識(shí)，不僅提煉規(guī)則相當(dāng)困難，而且規(guī)則庫(kù)也十分龐大和復(fù)雜。因此，單純采用基于規(guī)則的方法并不是很有效。論文采用基于案例推理（Case-Based Reasoning，CBR）與基于規(guī)則推理相結(jié)合的思想，將過(guò)去已有的大量診斷案例和可能發(fā)生的故障和排除方案作為知識(shí)的來(lái)源，同時(shí)與傳統(tǒng)的基于規(guī)則推理方法相結(jié)合，設(shè)計(jì)了基于CBR 和RBR 混合推理的武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)［2］。

2 故障診斷專(zhuān)家系統(tǒng)設(shè)計(jì)

基于CBR 和RBR 的武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)結(jié)構(gòu)模型如圖1所示。

圖1 故障診斷專(zhuān)家系統(tǒng)結(jié)構(gòu)模型

系統(tǒng)主要由基于CBR 的高層診斷模塊和基于RBR 的低層診斷模塊構(gòu)成，其設(shè)計(jì)思想是基于分層診斷的策略［3］。高層診斷模塊由診斷信息獲取模塊、案例庫(kù)、案例庫(kù)管理單元、CBR 推理機(jī)、動(dòng)態(tài)數(shù)據(jù)庫(kù)和自學(xué)習(xí)模塊組成，完成基于案例的診斷推理。高層診斷原則上主要用于診斷過(guò)程的剪枝，即縮小狀態(tài)空間的搜索范圍，以提高系統(tǒng)工作的效率。低層診斷模塊實(shí)際上是一個(gè)典型的基于規(guī)則的專(zhuān)家系統(tǒng)，主要由知識(shí)庫(kù)、RBR 推理機(jī)、動(dòng)態(tài)數(shù)據(jù)庫(kù)、知識(shí)獲取單元、解釋單元等部分組成。當(dāng)用戶(hù)提交一個(gè)診斷任務(wù)時(shí)，首先由高層診斷模塊進(jìn)行診斷，將故障范圍確定到功能單元級(jí)部位。高層診斷模塊的求解方案都是以定位到功能單元級(jí)部位的子故障描述作為最小解單元，這些功能單元級(jí)的子故障又作為低層診斷單元的診斷任務(wù)進(jìn)行進(jìn)一步診斷。按照層次診斷策略設(shè)計(jì)的武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)，不僅降低了知識(shí)提取和組織的難度，而且大大提高了系統(tǒng)的工作效率。

3 知識(shí)庫(kù)及其管理系統(tǒng)設(shè)計(jì)

武器發(fā)控通道是個(gè)復(fù)雜的大系統(tǒng)。作為一個(gè)對(duì)象系統(tǒng)，武器發(fā)控通道具有結(jié)構(gòu)層次性，可以將其劃分為若干系統(tǒng)，然后進(jìn)一步劃分為若干分系統(tǒng)、子系統(tǒng)和功能單元。通過(guò)分析武器發(fā)控通道故障的產(chǎn)生及傳播機(jī)理，可以總結(jié)出武器發(fā)控通道的故障具有層次性、相關(guān)性、時(shí)間性和不確定性等特點(diǎn)。針對(duì)診斷對(duì)象的上述特性，采用分層和分類(lèi)的方法對(duì)知識(shí)庫(kù)及其管理系統(tǒng)進(jìn)行合理設(shè)計(jì)［4］。

3．1 知識(shí)的分類(lèi)

武器發(fā)控特點(diǎn)結(jié)構(gòu)復(fù)雜，進(jìn)行故障診斷所需要的知識(shí)覆蓋面很廣，為了很好地組織和記憶知識(shí)，并便于檢索和維護(hù)，將完成診斷任務(wù)時(shí)有關(guān)具體對(duì)象的知識(shí)分為以下五類(lèi)：

1）功能結(jié)構(gòu)知識(shí)：指對(duì)發(fā)控通道結(jié)構(gòu)和性能的描述知識(shí)，主要包括測(cè)控設(shè)備的結(jié)構(gòu)層次，功能層次，相互間的輸入、輸出行為關(guān)系以及設(shè)備本身的工作原理等。

2）專(zhuān)家經(jīng)驗(yàn)知識(shí)：指對(duì)發(fā)控通道故障、征兆和原因等直接聯(lián)系的專(zhuān)家啟發(fā)式經(jīng)驗(yàn)知識(shí)，它是領(lǐng)域?qū)＜业慕?jīng)驗(yàn)總結(jié)，常以規(guī)則的形式存在于專(zhuān)家的頭腦而被專(zhuān)家非常靈活的應(yīng)用。

3）信號(hào)特征知識(shí)：指在發(fā)控通道進(jìn)行診斷時(shí)，許多參數(shù)是無(wú)法檢測(cè)的，因此，大量應(yīng)用的是運(yùn)行過(guò)程中產(chǎn)生的外部直接可觀測(cè)的信號(hào)（如振動(dòng)、噪聲、溫度等），通過(guò)對(duì)這些特征參數(shù)信號(hào)的分析，能比較準(zhǔn)確地診斷設(shè)備故障。

4）環(huán)境知識(shí)：表示與診斷對(duì)象有關(guān)的外圍知識(shí)，如設(shè)備使用時(shí)間、工作環(huán)境與故障頻率及故障類(lèi)型分布等。

5）控制知識(shí)：表示對(duì)領(lǐng)域知識(shí)的運(yùn)用起指導(dǎo)作用的知識(shí)，即表示問(wèn)題求解的控制策略。

3．2 知識(shí)庫(kù)的建立

知識(shí)庫(kù)是專(zhuān)家知識(shí)的存儲(chǔ)器，其結(jié)構(gòu)是否合理關(guān)系著系統(tǒng)診斷的效率。知識(shí)庫(kù)的表示方法很多，復(fù)雜系統(tǒng)的知識(shí)往往需要將多種不同的表示方法相結(jié)合才能有效表達(dá)出領(lǐng)域知識(shí)，本文主要采用了產(chǎn)生式表示法和基于案例的表示法。

1）產(chǎn)生式表示法

產(chǎn)生式表示法又稱(chēng)規(guī)則表示法，其基本形式是：

如果〈前提〉，那么〈結(jié)論〉〈可信度〉。

將所有的武器發(fā)控通道故障統(tǒng)一編號(hào)，以數(shù)值故障為例。以“故障編號(hào)L（或S）”的形式組合，作為規(guī)則的前提。故障編號(hào)是指將數(shù)值故障進(jìn)行編號(hào)，如編號(hào)1是指導(dǎo)彈發(fā)射電壓，編號(hào)2是指某部件電壓測(cè)量。如果實(shí)際測(cè)得的數(shù)值量比標(biāo)準(zhǔn)量偏大，用L（Large）表示，如果偏小，用S（Small）表示。按這種方式建立規(guī)則知識(shí)庫(kù)，如表1所示。

表1 規(guī)則知識(shí)庫(kù)結(jié)構(gòu)

2）案例表示法

案例是故障診斷知識(shí)的一種表示模式，它將專(zhuān)家的知識(shí)與經(jīng)驗(yàn)用描述案例的數(shù)據(jù)結(jié)構(gòu)和眾多的案例表示出來(lái)。實(shí)際就是專(zhuān)家求解問(wèn)題的一個(gè)具體例子。用案例進(jìn)行知識(shí)表示并不是一種新的知識(shí)表示方法，而是在以往各種表示方法（如產(chǎn)生式、語(yǔ)義網(wǎng)絡(luò)、框架、面向?qū)ο蟮龋┥系囊患?jí)抽象。其實(shí)現(xiàn)方法也是基于現(xiàn)有的各種知識(shí)表示方法。在武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)中，基于案例的知識(shí)表示采用了“而向?qū)ο螅蚣堋钡闹R(shí)表示方法來(lái)建立案例知識(shí)庫(kù)，其結(jié)構(gòu)如表2所示。

表2 案例知識(shí)庫(kù)結(jié)構(gòu)

3．3 知識(shí)庫(kù)的維護(hù)

知識(shí)庫(kù)的維護(hù)是對(duì)知識(shí)庫(kù)進(jìn)行類(lèi)似于數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)的維護(hù)。通常，對(duì)知識(shí)庫(kù)的維護(hù)包括：知識(shí)庫(kù)的建立、刪除、查詢(xún)、更新等。

4 推理機(jī)設(shè)計(jì)

4．1 基于案例的推理機(jī)制

基于案例的推理機(jī)制的工作流程如圖2所示。

圖2 CBR 推理的工作流程

問(wèn)題的提交是指用戶(hù)按照某種格式向系統(tǒng)描述面臨的問(wèn)題；索引建立是指在分析用戶(hù)提交問(wèn)題描述的基礎(chǔ)上，建立索引關(guān)系；檢索與匹配是基于一定的索引方式和類(lèi)似度定義，完成新問(wèn)題與案例庫(kù)中案例的匹配及相似案例的檢索；修改與適配是基于一定的適配規(guī)則或在用戶(hù)的自覺(jué)參與下，完成對(duì)檢索出的案例的解策略的修改，使它能夠解決當(dāng)前問(wèn)題；驗(yàn)證是對(duì)適配得出的解策略的有效性檢驗(yàn)（一般是通過(guò)實(shí)踐來(lái)檢驗(yàn)），判斷它是否真有效；案例存儲(chǔ)是指將有效的解策略及其問(wèn)題描述構(gòu)造成一個(gè)新案例，存入案例庫(kù)并維護(hù)有關(guān)的索引［5］。

1）索引策略。本文采用了基于最近相鄰法、歸納法和基于知識(shí)法綜合的面向?qū)ο蟮陌咐饕龣C(jī)制。首先用歸納法按照武器發(fā)控通道結(jié)構(gòu)的層次性建立案例的分類(lèi)索引，這個(gè)分類(lèi)索引與武器發(fā)控通道結(jié)構(gòu)層次直接對(duì)應(yīng)。然后用最近鄰法在同屬一類(lèi)的案例集中進(jìn)行最近鄰索引，即為每個(gè)案例建立最重要特征的索引。

2）檢索和匹配策略。與案例的索引相對(duì)應(yīng)，CBR 系統(tǒng)中案例的檢索也有三種：相聯(lián)檢索、層次檢索和基于知識(shí)的檢索。這里采用了三者結(jié)合面向?qū)ο蟮臋z索策略，首先利用案例的分類(lèi)信息進(jìn)行分類(lèi)檢索，確定案例所處的類(lèi)別。然后在同屬一類(lèi)的案例集中進(jìn)行最近鄰匹配，找到相似度最高的案例。同時(shí)，也可根據(jù)案例中最重要的特征進(jìn)行檢索，這樣可以縮短檢索時(shí)間。

檢索到一個(gè)相似案例集后，需確定出當(dāng)前案例同案例集中哪一個(gè)最相似，這就要用到匹配算法，即計(jì)算兩個(gè)案例的相似度。匹配算法公式如下：

式中，i表示第i個(gè)匹配的關(guān)鍵特征；相似度［i］表示案例間第i個(gè)關(guān)鍵特征的相似度；權(quán)重［i］表示第i個(gè)關(guān)鍵特征的權(quán)重因子。

3）適配策略。通過(guò)最近鄰匹配檢索到的最相似的案例，若與當(dāng)前案例不完全相同，則歷史案例的解決方案只能部分滿(mǎn)足當(dāng)前問(wèn)題的求解，這種情況下就需調(diào)整和修改舊的方案來(lái)適配新問(wèn)題。適配方法通常有置換和轉(zhuǎn)移兩種。本文采用了置換的適配策略，即案例求解方案的組成部分能被置換，其中包括故障的檢查方法、原因分析和維修建議等部分，置換的多少取決于選擇的案例與當(dāng)前解決問(wèn)題的差異大小。

4）測(cè)試與存儲(chǔ)。通過(guò)匹配檢索，找出相似案例并修改得出診斷報(bào)告后，若通過(guò)實(shí)際測(cè)試或?qū)嵺`檢驗(yàn)，證明方案正確，則作為一個(gè)新的案例被存儲(chǔ)在案例庫(kù)中，若不正確則需繼續(xù)調(diào)整、修改方案。

4．2 基于規(guī)則的推理機(jī)制

基于規(guī)則的推理機(jī)制的工作流程如圖3所示。

在武器發(fā)控通道故障診斷系統(tǒng)基于規(guī)則的推理中，采用了基于數(shù)據(jù)驅(qū)動(dòng)控制策略，即正向推理。其基本思想是：從問(wèn)題已有的信息（事實(shí)）開(kāi)始，正向使用規(guī)則，當(dāng)規(guī)則的條件部分與已有的事實(shí)匹配時(shí)，就把該規(guī)則作為可用規(guī)則放入候選規(guī)則隊(duì)列中，然后通過(guò)沖突消解，在候選隊(duì)列中選擇一條規(guī)則作為啟用規(guī)則進(jìn)行處理，并將其結(jié)論放入數(shù)據(jù)庫(kù)中，作為下一步推理時(shí)的證據(jù)［6］。如此重復(fù)這個(gè)過(guò)程，直到再無(wú)可用規(guī)則可被選用或者求得了所要求的解為止。

圖3 RBR 推理的工作流程

沖突消解過(guò)程，是指在進(jìn)行模式匹配后，若有兩條以上的規(guī)則成為競(jìng)選規(guī)則，系統(tǒng)必須從中選擇一條來(lái)執(zhí)行的過(guò)程。根據(jù)武器發(fā)控通道的結(jié)構(gòu)層次性和故障的層次性，如果用樹(shù)形結(jié)構(gòu)來(lái)描述問(wèn)題求解過(guò)程，武器發(fā)控通道的故障診斷過(guò)程通常呈現(xiàn)出窄而深的鏈樹(shù)形狀。一顆窄而深的樹(shù)適合采用深度優(yōu)先的方法進(jìn)行搜索。因此，在設(shè)計(jì)沖突消解策略時(shí)采用了深度優(yōu)先的搜索方法。

5 其他模塊設(shè)計(jì)

1）解釋模塊。負(fù)責(zé)回答用戶(hù)提出的各種問(wèn)題，并能對(duì)專(zhuān)家系統(tǒng)的求解過(guò)程和求解結(jié)果給出合理解釋。本專(zhuān)家系統(tǒng)解釋模塊的設(shè)計(jì)采用的是預(yù)置文本法，即將每一個(gè)問(wèn)題求解方式的解釋框架采用易于被用戶(hù)理解的形式事先組織好，插入數(shù)據(jù)庫(kù)中。在執(zhí)行目標(biāo)的過(guò)程中，同時(shí)生成解釋信息。一旦用戶(hù)詢(xún)問(wèn)，只需把相應(yīng)的解釋信息填入解釋框架，并組織成合適的文本提交給用戶(hù)。

2）診斷信息獲取模塊。完整的診斷信息是進(jìn)行故障診斷的先決條件。故障診斷信息是指系統(tǒng)發(fā)生故障時(shí)的異常狀態(tài)，導(dǎo)彈發(fā)射通道故障診斷信息主要包括：多功能顯示器、平顯顯示的故障信息、系統(tǒng)的自檢故障信息、自研檢測(cè)設(shè)備提取的信息及檢測(cè)結(jié)果和飛行員反映的空中信息等。

3）診斷報(bào)告。用于給出診斷最終結(jié)果和維修建議。

4）人機(jī)界面。用戶(hù)與專(zhuān)家系統(tǒng)交互的接口。包括輸入和輸出兩大部分。一方面，它把信息進(jìn)行識(shí)別、理解輸入給系統(tǒng)；另一方面，把專(zhuān)家系統(tǒng)產(chǎn)生的結(jié)果的內(nèi)部形式轉(zhuǎn)換成人類(lèi)能夠接受的形式輸出給用戶(hù)。良好的人機(jī)界面為用戶(hù)的使用提供了方便的途徑，同時(shí)也為系統(tǒng)的維護(hù)和改進(jìn)提供了有效的工具。

6 系統(tǒng)實(shí)現(xiàn)

武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)采用Delphi與CLIPS 混合編程的方法進(jìn)行軟件實(shí)現(xiàn)［7］。CLIPS（C Language Integrated Production System）是由美國(guó)航空航局（NASA）的人工智能部開(kāi)發(fā)的通用專(zhuān)家系統(tǒng)工具，功能完善，語(yǔ)法簡(jiǎn)捷。由于CLIPS是為人工智能設(shè)計(jì)的，對(duì)數(shù)據(jù)的處理不是它的技術(shù)優(yōu)勢(shì)；另一方而，設(shè)計(jì)者出于可移植性和易于集成的考慮，其操作是基于命令行式的，而且目前也沒(méi)有漢化版，不支持漢字的輸入輸出，所以不適合用來(lái)編制符合現(xiàn)代軟件工程要求的用戶(hù)交互界面。因此，采用了CLIPS和Delphi混合編程的開(kāi)發(fā)方法。用CLIPS編寫(xiě)核心的基于規(guī)則診斷推理部分，用Delphi編寫(xiě)用戶(hù)界面、數(shù)據(jù)庫(kù)管理以及高層的基于案例推理模塊。

如何實(shí)現(xiàn)CLIPS與Delphi的混合編程是系統(tǒng)實(shí)現(xiàn)的關(guān)鍵問(wèn)題。論文采用了動(dòng)態(tài)鏈接庫(kù)（DLL）方式，通過(guò)調(diào)用動(dòng)態(tài)連接庫(kù)clips．dll實(shí)現(xiàn)CLIPS的混合編程，該動(dòng)態(tài)庫(kù)倒出了CLIPS中所有的函數(shù)。但是DDL 方式并不符合面向?qū)ο蟮木幊淘瓌t，為了使該動(dòng)態(tài)庫(kù)更方便地在Delphi環(huán)境中開(kāi)發(fā)面向?qū)ο蟮某绦颍O(shè)計(jì)了一個(gè)類(lèi)，該類(lèi)把clips．dll的所有函數(shù)封裝起來(lái)，在程序中對(duì)動(dòng)態(tài)庫(kù)采用靜態(tài)調(diào)用，同時(shí)將CLIPS設(shè)計(jì)為一個(gè)面向?qū)ο蟮念?lèi)，大大方便了對(duì)CLIPS的嵌入使用，也更加符合面向?qū)ο蟮某绦蛟O(shè)計(jì)風(fēng)格。

7 結(jié)語(yǔ)

本文綜合運(yùn)用基于CBR 和RBR 的推理機(jī)制，設(shè)計(jì)了某型飛機(jī)武器發(fā)控通道故障診斷專(zhuān)家系統(tǒng)，并以Delphi和CLIPS混合編程方式予以實(shí)現(xiàn)。實(shí)際應(yīng)用表明，通過(guò)高效的推理，能夠給出合理的維修建議，提高了某型飛機(jī)武器發(fā)控通道的故障診斷效率。

［1］史慧，王偉，高戈，等．智能故障診斷專(zhuān)家系統(tǒng)開(kāi)發(fā)平臺(tái)［J］．計(jì)算機(jī)測(cè)量與控制，2005，13（11）：1167-1169．

［2］敖志剛．人工智能與專(zhuān)家系統(tǒng)導(dǎo)論［M］．合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2002：78-82．

［3］武波，馬玉祥，等．專(zhuān)家系統(tǒng)［M］．北京：理工大學(xué)出版社，2001．

［4］蔡自興，約翰．德?tīng)柦穑龋呒?jí)專(zhuān)家系統(tǒng)：原理、設(shè)計(jì)及應(yīng)用［M］．北京：科學(xué)出版社，2005．

［5］胡良名，徐誠(chéng)，李萬(wàn)平．基于案例推理的自行火炮故障診斷專(zhuān)家系統(tǒng)［J］．火炮發(fā)射與控制學(xué)報(bào)，2006（2）：53-56．

［6］韓兆福，葛銀茂，程江濤，等．故障樹(shù)分析法在某型飛機(jī)火控系統(tǒng)故障診斷中的應(yīng)用［J］．中國(guó)測(cè)試技術(shù)，2006，32（3）：39-41．

［7］Joseph Giarratano，Gray Riley．專(zhuān)家系統(tǒng)原理與編程［M］．北京：機(jī)械工業(yè)出版社，2000．