王文棟，劉效磊，李璽仁，馬 壯

(空軍94287部隊，山東 濟南 250023)

1 引言

國內(nèi)外對專家系統(tǒng)的研究在上世紀末已趨于成熟，著名知識工程師Hayes Roth等人提出的專家系統(tǒng)的理想結構等改進模型，在許多領域內(nèi)都得到了廣泛應用。神經(jīng)網(wǎng)絡學的發(fā)展與應用始于20世紀90年代初，其基礎模型BP神經(jīng)網(wǎng)絡在使用發(fā)展過程中不斷變化改進，從人工神經(jīng)網(wǎng)絡到自適應神經(jīng)網(wǎng)絡，與遺傳算法、模糊數(shù)學等結合緊密，神經(jīng)網(wǎng)絡的學習功能和算法精度不斷提高，伴隨著計算機應用科學的高速發(fā)展，目前廣泛應用于各個領域[1，2]。在軍內(nèi)工程領域，隨著計算機網(wǎng)絡的普及，該方法已廣泛應用于科研院所的各研究領域，但一線部隊與實際工程應用的結合還較少，應用專家系統(tǒng)分析預測質量信息的工程應用前景十分廣闊，值得借鑒國內(nèi)外設計方法，與維修保障實踐工作相結合，深入開展研究。

近年來，部隊在檢查維護中發(fā)現(xiàn)、排除的發(fā)動機斷裂滲漏和耗損性故障多，發(fā)動機質量問題突出，有的甚至引發(fā)了嚴重飛行事故。因此，對發(fā)動機故障的統(tǒng)計與分析具有重大的現(xiàn)實意義。傳統(tǒng)使用的《航空維修管理信息系統(tǒng)》，存在發(fā)動機故障信息收集樣本小(僅局限于本部隊本機型)、統(tǒng)計分析預測能力弱等缺點。本文所設計的系統(tǒng)，就是要通過構建完備的故障信息數(shù)據(jù)庫、專家評測系統(tǒng)，基于模糊神經(jīng)網(wǎng)絡等計算方法，實現(xiàn)故障的統(tǒng)計及分析預測。

2 系統(tǒng)設計方法

2.1 系統(tǒng)的總體設計和功能模塊制定[3，4]

(1)系統(tǒng)的總體設計

某型發(fā)動機故障統(tǒng)計與分析系統(tǒng)由綜合數(shù)據(jù)庫、知識庫、推理機、解釋器、知識獲取、軟件平臺等6個部分構成，基本構成如圖1所示。

圖1 系統(tǒng)的總體結構圖Fig.1 Overall structure of the system

其中，知識庫只用于存放不依賴于領域中具體問題的知識，如一些判斷性知識和元知識；與領域中具體問題有關的知識(如描述問題的數(shù)據(jù)等)則放在綜合數(shù)據(jù)庫中。綜合數(shù)據(jù)庫用于存放系統(tǒng)運行過程中所需要和產(chǎn)生的所有信息，包括問題的描述、中間結果、解題過程的記錄等信息。

質量信息數(shù)據(jù)庫的架構是設計的一項重要內(nèi)容，數(shù)據(jù)組織、數(shù)據(jù)間聯(lián)系、數(shù)據(jù)管理需重點考慮。在專家系統(tǒng)中，數(shù)據(jù)的表示與組織結構應盡量做到和知識的表示與組織相容，以便推理機使用知識庫中的知識和描述問題當前狀態(tài)的數(shù)據(jù)去求解問題。

解釋子系統(tǒng)負責回答用戶提出的各種問題，包括與系統(tǒng)運行有關和與運行無關的系統(tǒng)本身的一些問題。解釋子系統(tǒng)是實現(xiàn)系統(tǒng)透明性的主要部件。

知識獲取子系統(tǒng)負責管理知識庫中的知識，包括根據(jù)需要修改、刪除或添加知識及由此引起的一切必要的改動，維持知識庫的一致性、完整性等。知識獲取子系統(tǒng)是實現(xiàn)系統(tǒng)靈活性的主要部件，它使領域專家可以修改知識庫而不必了解知識庫中知識表示方法、知識庫的組織結構等實現(xiàn)上的細節(jié)問題，這大大提高了系統(tǒng)的可擴充性。

軟件平臺的設計是實現(xiàn)人機交互功能的重要過程，要求系統(tǒng)不僅要為用戶提供熟悉的表示信息的手段(如自然語言、圖形、表格等)，而且人機接口蘊含在各子系統(tǒng)中，它負責把用戶輸人的信息轉換成系統(tǒng)的內(nèi)部表示形式，然后把這些表示形式交給相應部件去處理。系統(tǒng)輸出的內(nèi)部信息也由人機接口轉換成用戶易于理解的外部表示形式顯示給用戶，并支持外部打印、導出等基本功能。另外，系統(tǒng)設計中還著重考慮到與《航空維修管理信息系統(tǒng)》的交連，方便質量信息樣本的批量錄入和修改，使得系統(tǒng)更加開放，人機之間的交互性實現(xiàn)更強。

(2)主要功能模塊劃分

系統(tǒng)要實現(xiàn)的功能主要有錄入、查詢、統(tǒng)計、解釋、預測、監(jiān)控等，主要功能模塊可分為錄入模塊、查詢模塊、分析和預測模塊、監(jiān)控和校驗模塊四個部分。其中，分析和預測模塊是該專家系統(tǒng)設計的重點和難點，其任務是通過對過去和現(xiàn)在已知狀況的分析，總結歸納信息規(guī)律，推斷未來可能發(fā)生的情況。需要設計模糊神經(jīng)網(wǎng)絡計算模型，用于實現(xiàn)學習預測功能。

2.2 模糊神經(jīng)網(wǎng)絡計算模型的建立

本系統(tǒng)采用的模糊神經(jīng)網(wǎng)絡是結合模糊控制和神經(jīng)網(wǎng)絡兩種技術的一種新的智能技術。利用神經(jīng)網(wǎng)絡去高速并行地實現(xiàn)模糊推理，從而得到更為準確的規(guī)則和更強的自學習、自適應能力。

為了實現(xiàn)系統(tǒng)的開放式自主學習能力，本系統(tǒng)研究使用了一種結構化的模糊神經(jīng)網(wǎng)絡，并設計了一種自適應預測控制方案，采用了遺傳算法和BP算法相結合的混合學習算法。

(1)模糊神經(jīng)網(wǎng)絡自適應系統(tǒng)的設計

利用一個神經(jīng)網(wǎng)絡辨識器和模糊神經(jīng)網(wǎng)絡控制來解決非線性滾動優(yōu)化問題，引入辨識器來對控制效果進行預測，以使系統(tǒng)在控制點間具有學習能力，從而提高收斂速度，增強系統(tǒng)的穩(wěn)定性。

(2)模糊神經(jīng)網(wǎng)絡控制模型的設計

模糊神經(jīng)網(wǎng)絡控制模型如圖2所示。圖中兩個輸入(x1，x2)分別表示誤差和誤差變化率，而模糊子空間則劃分成子集{PB，PM，PS，ZO，NS，NM，NB}，分別表示 {“正大”，“正中”，“正小”，“零”，“負小”，“負中”，“負大”}，輸出為 y。

圖2中，網(wǎng)絡的(Ⅰ)-(Ⅱ)層對應于模糊控制規(guī)則的前提“IF-THEN”部分；(Ⅲ)層對應模糊邏輯，每個節(jié)點輸出表示一條規(guī)則的觸發(fā)強度(隸屬度)，“∏”表示模糊隸屬度取極小運算；(Ⅳ)層對應于規(guī)則推理的結論部分“THEN-PART”，完成推理合成，逆模糊運算。

(3)神經(jīng)網(wǎng)絡辨識器的設計

當采用BP算法的多層前饋網(wǎng)絡進行系統(tǒng)辨識時，單輸入、單輸出系統(tǒng)的非線性動態(tài)模型如式(1)所示。式中，u(k)、y(k)分別為系統(tǒng)在k時刻的輸入和輸出， f｛·｝為非線性函數(shù)，m、n分別表示與前m次輸入及前n次輸出有關。

為保證整個辨識結構的穩(wěn)定性，并使模型的輸出充分逼近實際對象的輸出，一般采用串-并聯(lián)辨識模型：

為使模型更加真實地反映實際對象，并考慮到反饋控制的作用可能會使邊界輸入、輸出系統(tǒng)變得無界，因此首先對系統(tǒng)進行離散辨識，然后將網(wǎng)絡模型加入控制系統(tǒng)，以適應對象參數(shù)的時變，得到精確的局部預測模型。

(4)模糊神經(jīng)網(wǎng)絡混合學習算法

模型使用遺傳算法和BP算法相結合的混合學習算法，為縮短運算時間和提高準確度，在模糊神經(jīng)網(wǎng)絡學習算法的基礎上采用BP算法對模型實時調整。

式中：η為學習速率；β為動量項系數(shù)，加入動量項系數(shù)是為了減少學習過程中的振蕩。

2.3 程序編制和軟件開發(fā)

系統(tǒng)使用Delphi語言實現(xiàn)，以SQL Server 2000為數(shù)據(jù)處理平臺，以航空維修管理信息系統(tǒng)數(shù)據(jù)庫Aero_qc為基本數(shù)據(jù)庫，調研空軍相同、相似機型部隊，以及相關飛機、發(fā)動機大修工廠，結合本單位裝備保障實際，一方面盡力豐富系統(tǒng)分析所依托的基礎數(shù)據(jù)樣本，另一方面設計系統(tǒng)時預留信息批量錄入接口用于錄入模擬分析數(shù)據(jù)，為完成分析和預測兩大目的提供詳細、完備的數(shù)據(jù)資料，提高系統(tǒng)分析結果的可信度及精確度。在完成前期數(shù)據(jù)準備的基礎上，信息處理流程如圖3所示。

2.4 數(shù)據(jù)驗證及調試修正

(1)對2000～2010年某部質量信息樣本進行錄入分析，驗證系統(tǒng)設計以及模糊神經(jīng)網(wǎng)絡算法的數(shù)據(jù)處理精度和準確性，預測最近1年的質量信息(故障發(fā)生率、重要監(jiān)控指標、重點監(jiān)控的發(fā)動機及使用壽命階段等)，與實際故障情況進行比較，驗證設計系統(tǒng)的可靠性，對專家系統(tǒng)知識庫進行不斷的修正和完善。

(2)應用神經(jīng)網(wǎng)絡生成樣本數(shù)據(jù)，采用大樣本進一步驗證數(shù)據(jù)處理的準度和軟件的可靠性；計劃再應用該系統(tǒng)處理同類機型的其它部隊質量信息樣本，對故障規(guī)律性研究進行比較分析。

(3)廣泛征求領域專家、操作使用人員的使用意見，對軟件的交互性、容錯性以及可擴充性進行綜合調試修正。

3 結束語

通過收集歷年來外場維護、場內(nèi)修理中出現(xiàn)的大量故障，調研獲取工廠、院校和科研院所對某型發(fā)動機的使用維護意見，并結合部隊使用維護經(jīng)驗，建立應用系統(tǒng)，主要實現(xiàn)了以下功能：發(fā)動機故障數(shù)據(jù)的錄入和查詢，發(fā)動機故障數(shù)據(jù)的統(tǒng)計和分析，發(fā)動機故障信息的監(jiān)控和預測，提供典型故障的排除方法和預防措施等。

系統(tǒng)設計的主要經(jīng)驗做法：一是建立開放、完備的發(fā)動機質量信息分類數(shù)據(jù)庫，對質量信息進行細化標識，對故障類型、涉及系統(tǒng)、發(fā)生時機(檢查發(fā)現(xiàn)時機，飛機、發(fā)動機自然狀況，故障件的日歷期限、翻修次數(shù)、裝機使用時間等)進一步細化標準，實現(xiàn)基本的數(shù)據(jù)查詢、錄入等功能。二是建立規(guī)范的發(fā)動機質量信息專家評測系統(tǒng)。通過廣泛調研征求系統(tǒng)建立的意見、建議，科學架構質量信息評測系統(tǒng)，選擇有突出代表性的特征指標進行評測，給出階段性評測報告。三是針對質量信息大樣本，研究先進的學習預測算法(如神經(jīng)網(wǎng)絡、模糊控制等)，對質量故障情況進行分析預測，對多發(fā)性、危險性、突發(fā)性故障和質量問題進行發(fā)生概率分析，提出針對性預防維護措施。四是開發(fā)軟件平臺，實現(xiàn)人機交互。進一步規(guī)范故障及質量問題錄入系統(tǒng)，方便維修一線管理人員的統(tǒng)計分析、預測工作，突出體現(xiàn)故障和質量問題的排除方法及過程，階段性故障和質量問題的分析預測，以及針對性的檢查維護措施。目前，已運用該系統(tǒng)處理了大量的發(fā)動機維修保障信息，在實踐中取得較好效果。

[1]蔡開龍，付 敏，謝壽生.基于RBF神經(jīng)網(wǎng)絡的航空發(fā)動機故障診斷模型 [J].燃氣渦輪試驗與研究，2003，16(4)：9—11.

[2]于 剛，高正平，徐治皋，等.基于神經(jīng)網(wǎng)絡與專家系統(tǒng)的汽輪發(fā)電機組故障診斷系統(tǒng) [J].電器系統(tǒng)自動化，2004，28(4)：67—70.

[3]古瑩奎，黃開啟.發(fā)動機可靠性數(shù)據(jù)分析系統(tǒng)設計與研究[J].機床與液壓，2009，37(3)：176—178.

[4]汪振興，劉臣宇，李 麗，等.基于改進BP神經(jīng)網(wǎng)絡的某型裝備故障診斷專家系統(tǒng)[J].計算機與現(xiàn)代化，2010，(2)：200—203.