何永勃，王麗哲，楊燕輝

（中國民航大學(xué)航空自動化學(xué)院，天津300300）

基于CBR的飛機(jī)引氣系統(tǒng)故障診斷案例庫構(gòu)造

何永勃，王麗哲，楊燕輝

（中國民航大學(xué)航空自動化學(xué)院，天津300300）

為快速準(zhǔn)確排除飛機(jī)引氣系統(tǒng)故障，引入CBR方法進(jìn)行故障診斷。將來自運(yùn)營方的歷史故障經(jīng)驗(yàn)與生產(chǎn)方的專家知識相結(jié)合而構(gòu)造案例庫。首先設(shè)計(jì)了不同類型知識的表示方法，然后重點(diǎn)研究了案例檢索中的相似度，針對k-NN算法相似度作為參考的不足，提出了動態(tài)失效比的概念，并以此形成參考度，給出了計(jì)算模型。應(yīng)用示例表明該案例庫構(gòu)造可準(zhǔn)確定位故障，為高效的案例推理算法提供基礎(chǔ)。

飛機(jī)引氣系統(tǒng)；故障診斷；案例庫；動態(tài)失效率；參考度

飛機(jī)氣源系統(tǒng)分布范圍廣[1]，該系統(tǒng)故障將會影響飛機(jī)安全性。相比其它飛機(jī)子系統(tǒng)，A320系列飛機(jī)引氣系統(tǒng)設(shè)計(jì)的可靠性水平較低，故障率、虛警率高，且故障原因復(fù)雜。目前，引氣系統(tǒng)航線排故主要根據(jù)維修手冊隔離故障，工作量大、效率低、成本高。隨著人工智能的迅速發(fā)展，將CBR（case-based reasoning）技術(shù)用于飛機(jī)系統(tǒng)故障診斷中可節(jié)省大量時間，提高故障診斷水平。Jeff A.Frenster和R.V.Magaldi[2-3]等人將專家系統(tǒng)和CBR技術(shù)應(yīng)用在發(fā)動機(jī)監(jiān)控系統(tǒng)及英國航空航線排故中，取得了一定成果。AirBus公司的民用飛機(jī)維修監(jiān)控和分析的數(shù)字化排故及維護(hù)管理軟件AIRMAN（AIRcraftMaintenanceAnalysis）[4]，可幫助航站基地對整個機(jī)隊(duì)的維修信息進(jìn)行跟蹤管理，簡化和優(yōu)化排故工作，降低維修成本。然而該軟件僅利用維修手冊中的固定排故程序，未充分利用歷史維修案例，故障的定位深度和準(zhǔn)確度不高。國內(nèi)已在很多領(lǐng)域展開CBR應(yīng)用的研究。周敏、楊少春等人將基于案例推理運(yùn)用在安全審計(jì)系統(tǒng)與個性電子產(chǎn)品設(shè)計(jì)中[5-6]，都成功地解決了實(shí)際應(yīng)用問題。

在基于案例推理的故障診斷中，案例庫構(gòu)造是核心問題。當(dāng)引氣系統(tǒng)新故障出現(xiàn)，從案例庫中檢索出的以往案例能夠準(zhǔn)確地指導(dǎo)解決當(dāng)前問題，這是案例庫構(gòu)造的首要目標(biāo)。引氣系統(tǒng)部件故障往往征兆相似，但因季節(jié)不同而故障原因不同。k-NN算法相似度并未充分考慮到案例發(fā)生時間規(guī)律對其可參考性的影響。本文提出的案例庫構(gòu)造可有效地解決上述問題。

1 引氣系統(tǒng)案例庫結(jié)構(gòu)

基于CBR的飛機(jī)引氣系統(tǒng)故障診斷案例庫體系結(jié)構(gòu)如圖1所示。案例庫構(gòu)造涉及知識表示、案例的檢索機(jī)制及案例修正機(jī)制。在飛機(jī)引氣系統(tǒng)故障診斷過程中，案例庫首先將新故障表述成案例，然后采取檢索算法將相似度最高的一組歷史案例提供給用戶參考。最后當(dāng)搜索類似案例的相似度未達(dá)到閾值時，需對源案例進(jìn)行部分修改以加入案例庫，同時啟動專家知識以實(shí)現(xiàn)故障診斷。同時可以啟動資料案例庫進(jìn)行深知識的推理。

圖1 飛機(jī)引氣系統(tǒng)故障診斷案例庫結(jié)構(gòu)Fig.1 Case base structure of fault diagnosis for aircraft pneumatic system

2 引氣系統(tǒng)案例庫開發(fā)

2.1 知識表示

案例庫的規(guī)模和信息量對故障診斷的效果起決定性作用。引氣系統(tǒng)知識主要來源于兩方面：其一為飛機(jī)制造商提供的各種資料，如Airbus公司提供的故障隔離手冊TSM（trouble shooting manual）、飛機(jī)維護(hù)手冊AMM（aircraft maintenance manual）等，這部分為深層知識，用來構(gòu)造推理規(guī)則；另一個重要來源是航空維修企業(yè)2006年1月—2011年4月的8 331條歷史維護(hù)經(jīng)驗(yàn)，這部分為淺層知識。這兩方面內(nèi)容主要由資料案例庫和經(jīng)驗(yàn)案例庫存儲。

1）資料案例的表示

將TSM中的標(biāo)準(zhǔn)故障排除步驟進(jìn)行邏輯處理，以TASKNUMBER或相關(guān)故障的規(guī)范描述作為頂事件，引氣系統(tǒng)發(fā)生故障的全部原因作為底事件，建立成單調(diào)關(guān)聯(lián)故障樹（即只含有與門和或門的故障樹）。引入事件路徑狀態(tài)變量存儲故障樹。事件路徑狀態(tài)變量定義為

其中：i表示故障樹某條路徑，0≤i≤底事件數(shù)量和；j表示路徑中包含的狀態(tài)變量，0≤j≤故障樹深度。則故障樹可以由i個向量來表示

其中：Yi=（yi1yi2…yiwxij）為故障樹的一條路徑。依次對根到葉節(jié)點(diǎn)的路徑用路徑狀態(tài)變量表示，如圖2所示故障樹中第一條存儲路徑為T1-M1-M3-M5-X3，即Y1=（1101000200010000）。

圖2 TASK NUMBER為810-863的故障樹Fig.2 Fault tree when TASK NUMBER is 810-863

2）經(jīng)驗(yàn)知識表述

經(jīng)驗(yàn)案例庫存放以往的故障維護(hù)經(jīng)驗(yàn)案例。1條經(jīng)驗(yàn)即1條案例，以自然語言方式涵蓋發(fā)生的故障信息與維修措施、解釋。用粗糙集方法[7]對前述維修經(jīng)驗(yàn)的案例特征項(xiàng)進(jìn)行約簡，去除冗余信息。約簡方法為：

設(shè)U為所有案例，D為決策屬性，card（g）表示集合的基數(shù)，βc′用來表示特征項(xiàng)的重要性，該值接近0的特征項(xiàng)被剔除。公式如下

經(jīng)約簡后將經(jīng)驗(yàn)事例提取成以下特征屬性：故障現(xiàn)象描述（故障征兆）、故障地點(diǎn)、故障發(fā)生時間、故障發(fā)生階段、故障原因、維修措施及更換部件號。

2.2 案例檢索

案例檢索直接反映了案例的組織形式，故本文也將其劃分在案例庫的范疇。目前案例檢索中使用最廣泛的是k-NN法，即返回相似度最高的案例供用戶參考。中國幅員遼闊，不同地域、不同季節(jié)間溫度、濕度差異很大。而飛機(jī)引氣系統(tǒng)部件多為敏感器件，對濕度等條件依賴性強(qiáng)。在飛機(jī)大功率爬升時，外界環(huán)境條件變化劇烈，此時常會出現(xiàn)故障征兆類似，因季節(jié)不同而故障原因、處理方法不同。將相似度作為參考度，并未充分考慮到案例發(fā)生時間規(guī)律對其可參考性的影響，參考度應(yīng)隨著環(huán)境、時間的變化而變化。對此，本文提出動態(tài)失效比的概念，由用戶自己指定案例發(fā)生的時間段，并與相似度進(jìn)行綜合度量，生成參考度，按照參考度降序提供參考。飛機(jī)引氣系統(tǒng)案例的參考度定義為：描述信息的相似度和動態(tài)失效比的加權(quán)值，其數(shù)學(xué)描述如下

其中：Re f為案例參考度；Sim（X，Y）為案例X與案例Y描述信息的相似度；Dyn為動態(tài)失效率；wSim為描述信息相似度的權(quán)值；wDyn為動態(tài)失效率的權(quán)值。動態(tài)失效率定義為一定時間內(nèi)在原因j下某部件的失效率與同原因下該部件失效時間間隔標(biāo)準(zhǔn)差的比值，其定義表達(dá)式為

其中：k為某部件在原因i下失效故障數(shù)；n為某部件總故障數(shù)；xi為在原因j下該故障相鄰失效時間間隔；為在原因j下該故障平均失效時間間隔。xi與的量綱會對計(jì)算產(chǎn)生較大的影響，在計(jì)算相似度之前，須進(jìn)行線性歸一化處理，使之映射到[0,1]區(qū)間。

描述信息的相似度可按k-NN方法計(jì)算[8]

其中：wi表示第i個屬性在整個案例屬性集合中所占的權(quán)重，其值由專家推薦；Sim（fiX，fiY）∈[0，1]為X和Y中第i個屬性的相似性。

案例參考度中wSim與wDyn權(quán)值的確定可采用最小二乘法動態(tài)調(diào)整取得[9]。首先從經(jīng)驗(yàn)案例集中選一個案例作為樣本，賦權(quán)重初始值，其次再選m個案例進(jìn)行參考度比較。這里設(shè)第i個案例相似度為Si1，其權(quán)值為W1，動態(tài)失效率為Di2，其權(quán)值為W2，W1+W2=1，案例參考度為yi。將m個案例逐個與樣本案例進(jìn)行參考度計(jì)算，可得到下列數(shù)據(jù)

案例檢索測試得到參考度yi后，專家對這些參考案例給出參考效果及允許誤差范圍（-ε，ε）。若yi超出誤差范圍，則調(diào)整權(quán)值，使得當(dāng)yi值落入允許誤差范圍內(nèi)，便可認(rèn)為該值可靠性已滿足。調(diào)整權(quán)值的方法是最小二乘法。設(shè)m組數(shù)據(jù)最小二乘法誤差總和記為

時，E以最快速度收斂到最小。δ為步長，取一較小正實(shí)數(shù)，如δ=0.01。把展開，得

這樣，給定一組Wj初值后，可依據(jù)上式得到Wj的下一組調(diào)整值，即

經(jīng)過不斷調(diào)整，當(dāng)計(jì)算所得的各個y值落入允許誤差范圍內(nèi)即可。

2.3 案例修正

目標(biāo)案例與源案例不夠接近時，需要對源案例進(jìn)行調(diào)整與修正。引氣系統(tǒng)故障診斷需要計(jì)算機(jī)學(xué)習(xí)與人為調(diào)整相結(jié)合的方法，即調(diào)用引氣系統(tǒng)設(shè)計(jì)的規(guī)則對從案例庫中提取的原有方案進(jìn)行修改。具體來說，案例的改寫主要包括以下幾個方面：

1）故障特征的調(diào)整。通常飛行器航行的過程中引氣系統(tǒng)發(fā)生故障的天氣條件、設(shè)備狀態(tài)、故障征兆各不相同，故系統(tǒng)須在人為干預(yù)下對提取的案例進(jìn)行改寫，以滿足目標(biāo)案例的要求。

2）故障結(jié)論的修正。對于用戶對診斷結(jié)果的評價不滿意，而參考度又很高的案例，須根據(jù)目標(biāo)案例的診斷結(jié)果對檢索到的案例進(jìn)行修改。

3 應(yīng)用示例

采用本文案例庫構(gòu)建方法，用Visual Basic 2010和SQL Sever 2008開發(fā)了“飛機(jī)引氣故障診斷專家系統(tǒng)”原型，對課題中8 331條歷史維修案例進(jìn)行試驗(yàn)。采用故障定位準(zhǔn)確度和排故工作量來評估參考度的性能。設(shè)有m個案例，一個案例對應(yīng)i（i≥1）個原因，故障定位準(zhǔn)確度定義為：故障診斷的結(jié)果由第一個故障原因?qū)е碌母怕省?/p>

新故障描述為“航前階段引氣系統(tǒng)指示燈為琥珀色，溫度在227℃～236℃間跳變，引氣壓力為38psi”。案例特征屬性集X=（航前，琥珀色，227～236，38），與新故障案例相似度最高的案例如表1所示，Y=（航前，琥珀色，225～245，36）。案例X特征屬性集中“航前”、“琥珀色”數(shù)據(jù)類型為列表型，引氣溫度為區(qū)間型，引氣壓力為數(shù)值型，由式（6）和文獻(xiàn)[8]中相似度計(jì)算方法，各特征屬性局部相似性分別為

Sim（fiX，fiY）=（1，1，0.825，0.269）i=1，…，4案例X與Y之間相似度為

表1 經(jīng)驗(yàn)案例庫部分案例Tab.1 Parts of case base

動態(tài)失效率的時間段根據(jù)用戶選擇，故障失效時間間隔單位為“天”，由SQL語句在歷史案例中選取此區(qū)間案例，由VB程序計(jì)算動態(tài)失效率、權(quán)值和參考度。用戶分別選擇7～9月或10～12月的時間間隔（60天），wSim、wDyn的初始值各為0.5，經(jīng)式（7）～式（11）調(diào)整，7～9月權(quán)重：wSim=0.429，wDyn=0.571；11～12月權(quán)重：wSim=0.387，wDyn=0.613。參考度的計(jì)算方法參照式（4）、式（5）。表2為傳統(tǒng)方法以相似度作為檢索結(jié)果和本文提出的參考度作為檢索結(jié)果的故障原因定位與排故工作量。

表2 相似度與參考度下的排故工作量對比Tab.2 Troubleshooting workload comparison between similarity degree and reference degree

由表2可以看出，以相似度作為檢索結(jié)果，則Case1作為新故障排除時的參考案例，其中故障原因有1，2兩條，排故時需進(jìn)行4個操作步驟。本文提出方法中，7～9月間（夏季）最可能的故障原因?yàn)?，其排故工作量僅為1，2兩個步驟。若按相似度最高的案例作為參考，則故障原因有多個，故障定位不夠準(zhǔn)確，排故工作量大。本文方法綜合了時間因素對相似案例的影響，參考度的計(jì)算方法包含了故障時間規(guī)律信息。而且由權(quán)值可以看出，動態(tài)失效率對參考度貢獻(xiàn)偏大，這符合故障原因與季節(jié)性相關(guān)這一事實(shí)。利用本文提出的參考度方法，得到的故障定位準(zhǔn)確度如表3所示。可以看出，故障定位準(zhǔn)確度提高了近1倍。

表3 相似度與參考度故障定位準(zhǔn)確度Tab.3 Accuracy degrees of two fault-diagnosis approaches

4 結(jié)語

針對飛機(jī)引氣系統(tǒng)結(jié)構(gòu)及自身故障特點(diǎn)，總結(jié)維修領(lǐng)域規(guī)則與經(jīng)驗(yàn)，引入CBR技術(shù)，建立飛機(jī)引氣系統(tǒng)案例庫。以動態(tài)失效率和參考度形成案例組織，包含故障發(fā)生的時間規(guī)律信息，發(fā)掘引氣系統(tǒng)故障規(guī)律，有效解決季節(jié)因素對相似案例的影響問題。實(shí)例說明通過該案例庫構(gòu)造方法可準(zhǔn)確定位故障，利于快速查明故障原因，既緊密結(jié)合了飛機(jī)制造商對于故障的預(yù)期排除規(guī)范，又充分參考了歷史經(jīng)驗(yàn)，滿足適航要求。

[1]AIRBUS.A319/A320 Aircraft Maintenance Manual[Z].2005.

[2]JEFF A FRENSTER，RONAID L DEHOFF.Improved Flightline Diagnostics Using an Expert Maintenance Tool[C]//Aerospace and Electronics Conference，IEEE，NAECON，1990.

[3]MAGALDI R V.CBR for Troubleshooting Aircraft on the Flihtline[C]//Case Based Reasoning：Prospects for Applications，IEE Colloquium，1994.

[4]顧 錚.空中客車公司數(shù)字化排故及維修管理軟件AIRMAN[J].中國民航學(xué)院學(xué)報，2005，23（4）：26-28.

[5]周 敏.案例推理技術(shù)在安全審計(jì)系統(tǒng)中的應(yīng)用[J].微電子學(xué)與計(jì)算機(jī)，2007，24（3）：165-166.

[6]楊少春.基于實(shí)例推理技術(shù)的個性電子產(chǎn)品設(shè)計(jì)研究[J].微電子學(xué)與計(jì)算機(jī)，2007，24（6）：67-69.

[7]萬 磊，孫繼銀，王莎莎.基于粗糙集的CBR系統(tǒng)案例特征屬性優(yōu)化算法研究[J].微電子學(xué)與計(jì)算機(jī)，2008，25（1）：190-192.

[8]蔣占四，陳立平，羅年猛.最近鄰實(shí)例檢索相似度分析[J].計(jì)算機(jī)集成制造系統(tǒng)，2007，13（6）：1165-1168.

[9]劉纘敏，孫 義，史忠植.CBR檢索的線性回歸模型及實(shí)現(xiàn)[J].計(jì)算機(jī)工程，2007，33（4）：165-167.

（責(zé)任編輯：楊媛媛）

Case base construction of fault diagnosis for aircraft pneumatic system based on CBR

HE Yong-bo，WANG Li-zhe，YANG Yan-hui
（Aeronautical Automation College，CAUC，Tianjin 300300，China）

In order to troubleshoot the aircraft pneumatic system’s problem fast and accurately，CBR methodology is applied to the fault diagnosis and case base is made based onpractical experience from airlines and manufacture experts.Firstly，different types of knowledge representation methods are proposed.Secondly，the similarity in case retrieval is discussed in details.Aiming at the disadvantages of k-NN algorithm similarity as a reference，the dynamic fault ratio is established and the reference degree is formed based on it.Experimental results show that the proposed case base could detect faults effectively，and it is a robust foundation of fault reasoning algorithms.

aircraft pneumatic system；fault diagnosis；case base；dynamic fault ratio；reference degree

V263.6；TP182

A

1674－5590（2013）06－0029－04

2012-11-02；

2013-01-05

國家自然科學(xué)基金項(xiàng)目（61179004）

何永勃（1971—），男，陜西蒲城人，副教授，博士，研究方向?yàn)楹娇针姎夤收显\斷、自動化儀表.