基于夾角余弦值的冷鏈物流設(shè)備故障處理研究

(商丘工學(xué)院 河南 商丘 476000)

一、研究環(huán)境

案例推理是人工智能領(lǐng)域中一種重要的基于知識(shí)的問(wèn)題求解和學(xué)習(xí)方法，具有良好的可擴(kuò)充性和可移植性以及自學(xué)習(xí)能力[1]?；诎咐评淼墓收显\斷系統(tǒng)基本原理是，將以往已成功解決的故障事件以案例的形式存儲(chǔ)起來(lái)，每個(gè)案例包括條件屬性、決策屬性以及解決方案，當(dāng)有新的故障出現(xiàn)時(shí)，輸入新故障的特征條件屬性值，然后在歷史案例庫(kù)中檢索與待解決故障案例最相似的案例，即可根據(jù)檢索出來(lái)的最大相似度案例的解決辦法對(duì)待解決故障案例進(jìn)行適配。

二、冷鏈物流設(shè)備故障診斷系統(tǒng)

在冷鏈物流設(shè)備故障診斷系統(tǒng)中，輸入端為待解決冷鏈物流設(shè)備的故障屬性值；運(yùn)算中心由熵權(quán)法運(yùn)用相應(yīng)的歷史案例庫(kù)中各故障案例的條件屬性值及決策屬性值計(jì)算各屬性權(quán)重的計(jì)算模塊和夾角余弦值計(jì)算歷史故障案例與待解決故障案例的相似度的計(jì)算模塊組成；輸出即為各歷史故障案例與待解決故障案例的相似度。

(一)熵權(quán)法確定屬性權(quán)重

要計(jì)算歷史故障案例與待解決故障案例的視圖相似度，首先要確定故障案例的視圖，即冷鏈物流設(shè)備故障的各屬性權(quán)重向量。

應(yīng)用熵可以度量冷鏈物流設(shè)備故障案例方面中數(shù)據(jù)所蘊(yùn)含的信息量，并以此確定各方面的權(quán)重。采用熵權(quán)法確定方面權(quán)重的步驟如下[2]-[4]：

1.構(gòu)建無(wú)量綱冷鏈物流設(shè)備故障方面值矩陣。假設(shè)有m個(gè)待檢測(cè)案例，每個(gè)案例有n項(xiàng)

屬性即方面，vij表示第i個(gè)案例在第j項(xiàng)屬性下的屬性值。根據(jù)屬性值構(gòu)建矩陣V=(vij)m×n，由于每個(gè)屬性在量綱、數(shù)值等方面上存在差異，因此需要對(duì)各屬性值進(jìn)行無(wú)量綱處理。得到標(biāo)準(zhǔn)化矩陣R=(rij)m×n；

(二)夾角余弦值計(jì)算相似度

夾角余弦值又稱余弦相似度，是用向量空間中兩個(gè)向量夾角的余弦值作為衡量?jī)蓚€(gè)個(gè)體間差異的大小的度量。在采用夾角余弦值計(jì)算冷鏈物流設(shè)備歷史故障案例與待解決故障案例的相似度時(shí)，每個(gè)案例屬性視為多維空間中的一個(gè)維度。余弦?jiàn)A角注重于目標(biāo)案例與歷史案例方向上的差異。本文將在傳統(tǒng)夾角余弦算法的基礎(chǔ)上，加上由熵權(quán)法給出的各屬性權(quán)重，來(lái)計(jì)算冷鏈物流設(shè)備故障視圖相似度。

加權(quán)的余弦相似度算法：

三、案例分析

以某冷鏈物流設(shè)備的一個(gè)電路板故障維修為例，故障信息包括條件屬性集和決策屬性集，選取與待解決故障相關(guān)的一組子案例庫(kù)，如表1所示，待解決故障即目標(biāo)案例為：Cq::={vCq_ac1:323;vCq_ac2:514;vCq_ac3:472;vCq_ac4:139;vCq_ad1:null}；用戶通過(guò)測(cè)量物流設(shè)備電路板不同位置的電壓值來(lái)判斷電路板的故障類型，從而采取相應(yīng)的解決措施。將故障案例及目標(biāo)案例的方面值進(jìn)行離散化并將故障ID轉(zhuǎn)換成知識(shí)表達(dá)系統(tǒng)的論域新值，結(jié)果如表1所示。案例c1各方面值為3,3,2,3，屬于第一類問(wèn)題；案例c2各方面值為2,1,1,2,屬于第二類問(wèn)題；案例c3各方面值為1,1,1,2,屬于第二類問(wèn)題；案例c4各方面值為3,1,2,3,屬于第一類問(wèn)題；案例c5各方面值為1,1,1,1,屬于第三類問(wèn)題；案例c6各方面值為3,1,2,2,屬于第一類問(wèn)題；案例c7各方面值為2,1,2,1,屬于第三類問(wèn)題。

利用熵權(quán)法計(jì)算各屬性權(quán)重得p1：0.2314；p2:0.3248;p3:0.2325;p4:0.2113；通過(guò)加權(quán)的余弦相似度算法得歷史案例與目標(biāo)案例的夾角余弦值相似度分別為：0.9095；0.9616；0.9824；0.9676；0.9731；0.9539；0.9497。通過(guò)歐氏距離與余弦?jiàn)A角相融合的隱性知識(shí)外顯案例視圖相似度計(jì)算后，得到歷史案例庫(kù)中C3與待解決故障案例有最大相似度，此時(shí)輸入待解決問(wèn)題的條件部，可給出其解方面值，即：

Cq::={vCq_ac1:323;vCq_ac2:514;vCq_ac3:472;vCq_ac4:139;vCq_ad1:II}，冷鏈物流設(shè)備維修員可按類型II對(duì)應(yīng)的維修方法展開(kāi)修理過(guò)程。

四、結(jié)束語(yǔ)

本文在分析相關(guān)文獻(xiàn)的基礎(chǔ)上，基于CBR的系統(tǒng)思想，建立了智能化的熵權(quán)法和夾角余弦值的冷鏈物流設(shè)備故障案例相似度匹配算法。并在文末通過(guò)算例檢驗(yàn)了本文方法的有效性。不需要構(gòu)建詳細(xì)的模型就能進(jìn)行故障診斷。其較高的靈活性和可操作性可以使冷鏈物流設(shè)備診斷系統(tǒng)更加高效、準(zhǔn)確。但是對(duì)于最大相似度案例仍不能滿足維修需求是的修正與存儲(chǔ)過(guò)程還需進(jìn)一步研究。