基于多信號流模型的診斷策略動態生成

林志文,馬 銳,萬 福

(1.海軍裝備技術研究所，北京 102442; 2.海軍指揮學院, 南京 211800)

基于多信號流模型的診斷策略動態生成

林志文1,馬 銳2,萬 福2

(1.海軍裝備技術研究所，北京 102442; 2.海軍指揮學院, 南京 211800)

針對靜態故障樹診斷序列長、人工可干預度差和不支持多現象并行推理問題，提出了基于D-矩陣和Rollout信息啟發搜索算法的故障診斷策略動態生成方法，介紹了基于TEAMS多信號流模型的D-矩陣數據獲取方法和Rollout信息啟發搜索算法的DLL獨立封裝技術、輸入輸出數據規范和動態交互控制方法;基于此開發的交互式智能診斷系統(IIDS)軟件平臺經實際現場測試診斷驗證，對診斷現場出現的多種客觀條件，如系統工作模式或測試資源變化、用戶干預和多故障現象并發推理等具有很好的適應性，故障覆蓋率和隔離率指標高，對提高裝備故障診斷的效率、準確性和靈活性具有顯著作用。

多信號流模型; D-矩陣; 診斷策略; 動態生成

0 引言

一般情況下，艦船裝備發生故障后，艇員故障診斷方法主要依托現場提供的裝備歷史故障案例和指導手冊(包括紙質和電子)，并按照案例或手冊引導逐步開展相關測試、診斷和維修。這種方法由于以預先編制好的故障樹為主導，一般也稱為靜態故障樹方法[1-2]。存在問題：一是對于大型復雜裝備，如雷達、聲納等，由于涉及分機、電路板、模塊很多，編制的靜態故障樹就會很深，造成診斷效率低；二是預先編制的靜態故障樹在實施過程中，只能按照故障樹預定的順序進行診斷，如果故障樹某中間測試節點出現錯誤或由于實際情況無法遂行測試，故障樹方法就可能導致錯誤結果或無法推理；三是預先編制的靜態故障樹一般以某一故障癥狀開始推理，而實際艇員修理過程一般是多個故障現象同時觀測后再進行推理，思路不一樣，同樣造成診斷效率低下[2]。針對問題，本文擬在傳統靜態故障樹基礎上，優化設計診斷故障樹生成方法，使之具備從測試性模型同時支持靜態、動態故障樹生成的能力，并開發相應交互式智能診斷系統軟件，配套現場分布式通用測試診斷系統，實現故障診斷自適應推理，提供智能、快速、靈活、動態生成符合用戶需求的故障樹，以適應現場修理作業環境，提高診斷效率。

1 多信號流模型表達

多信號流模型主要為克服結構模型和信息流模型對于系統功能性故障描述的不足而提出的測試性建模方法，其主要觀點如下：①針對可測試性設計，模型設計的目的是保證能夠識別系統功能性故障產生的原因；②建?？臻g為故障空間，而不是完整的系統空間，故障空間的維度值與功能空間的維度值相關，當功能空間是多維度值時，故障空間也相應是多維的；③模型只需確定系統的功能屬性，無需構建系統的定量關系；④測試性模型能夠描述系統中各個部件單元相關的信號屬性和測試的信號屬性之間的因果關系[3]。多信號流模型在結構上更接近系統的物理結構[4]，且模型中的信號相互獨立，建模過程簡潔清晰，模型的集成和驗證相對簡單，分析評估結果可信度高，在艦船電子裝備測試性分析和故障診斷中得到廣泛應用。目前基于多信號流模型的測試性分析和評估成熟軟件主要是美QSI公司的TEAMS軟件，因此本文將故障診斷策略樹動態生成技術的研究基點放在多信號流模型和TEAMS軟件模型應用方法。

多信號流模型的表現形式通常由層次化的系統模塊組件、模塊關聯的診斷功能分解描述(系統功能分解、功能流信息等)和測試功能屬性描述(測試點、測試位置、測試資源、測試過程和判定準則)組成，多信號流模型的關鍵要素表達如下：

①系統模塊組件集合:

M={m1,m2,…,mL}

(1)

可分解且具有獨立完整的系統級功能的組件單元集合，即層次化的系統模塊組件描述。

②模塊關聯的診斷功能集合：

S={s1,s2,s3,s4,s5}

(2)

代表系統信號流中能夠準確描述的模塊組件特征屬性或模塊組件可能發生的故障模式集合，即診斷功能分解描述。

③測試點集合：

TP={TP1,TP2,TP3,TP4}

(3)

代表用于測試診斷并發現功能故障的虛擬位置集合。

④可用測試集合：

T={t1,t2,t3,t4,t5,t6}

(4)

代表用于測試診斷并發現功能故障的所有測試集合(包含與所有測試相關的判定準則和屬性信息)。測試點集合和可用測試集合即代表了測試功能屬性描述。

2 D矩陣數據生成

TEAMS軟件建立的多信號模型是以文件形式和數據庫保存的，診斷策略樹生成所需要的D矩陣數據TEAMS軟件并沒有直接對外開放。本節我們主要研究通過TEAMS軟件多信號流模型獲取D矩陣數據的方法[4-5]。

對TEAMS文件內容分析可知，TEAMS的多信號流模型的文件中跟D矩陣數據相關的主要是*.dep、*.nsi、*_grf.map和*.prm幾個文件。利用這幾個文件可以分別得到D矩陣數值、故障/模塊/測試/資源集數據、故障名稱數據和測試費用、級別、概率數據，然后進一步可以獲得D矩陣的完整信息。TEAMS多信號流模型文件獲取D矩陣信息主要步驟如圖1所示。

圖1 從TEAMS多信號流模型文件獲取D矩陣

1)確定D矩陣行向量集合。首先從*.nsi文件中FAULTS字段中獲取所有故障模塊的ID號，然后根據故障模塊的ID號從*_grf.map文件的MODULE_PROPERTIES獲得對應故障模塊的名稱，則每個故障模塊對應一個D矩陣行向量。

2)確定D矩陣列向量集合。首先從*.nsi文件中TESTS字段中獲取所有測試的ID號，然后根據測試的ID號從*_grf.map文件的TEST_PROPERTIES獲得對應測試名稱，則每個測試對應一個D矩陣列向量。

3)確定D矩陣元素值，即故障與測試的依賴關系。D矩陣每一行的元素值可以從*.dep文件的FAULT_D_MATRIX_COMPACT字段中獲取。FAULT_D_MATRIX_COMPACT字段中數值與D矩陣每行元素值的對應關系為：將D矩陣每行的二進制數值32位分成一組，當最右側不滿32位時后面補0變成32位。將32位二進制數據轉換成十進值數值，則可到FAULT_D_MATRIX_COMPACT字段中對應的值。所以將*.dep文件FAULT_D_MATRIX_COMPACT字段中每組的十進制數值轉換成32位二進制數值，并將右段多余的0刪除就可以得到D矩陣每一行的元素值。

4)確定D矩陣的附加信息。D矩陣元素值只是D矩陣的基礎信息，對于艦船裝備實際故障診斷，在診斷過程中，為了生成最優的診斷策略，不僅要知道故障和測試的依賴關系，還要知道測試費用、測試編組、測試優先級和故障經驗概率等信息[4-5]。這些信息可以從*.prm文件中獲得。具體為：從MTTFS字段獲取各模塊的故障概率，從TEST_COSTS字段獲取各測試的費用，從TEST_HOURS字段獲取各測試需要的時間，從TEST_LEVELS字段獲取各測試的優先級。

5)確定故障模式與隔離模塊的對應關系。D矩陣代表了故障模式與測試的對應關系，在實際的維修過程中可以根據診斷的需要隔離到不同的級別。所以必須確定故障模式與要隔離模塊的對應關系。具體方法為：從*.dep文件的FAULT_MODULE_MAPS字段中獲取故障模式對應的隔離模塊序號，然后根據隔離模塊序號從*.nsi文件的MODULES字段中獲的隔離模塊的ID號，再根據隔離模塊的ID號從*_grf.map文件的MODULE_PROPERTIES獲得對應隔離模塊的名稱。

3 技術實現與分析

3.1 總體思路

改進傳統基于靜態診斷故障樹瀏覽系統“僵化”故障診斷執行模式，在傳統瀏覽系統外增加診斷推理軟件，提供獨立于瀏覽系統、同時支持靜態和動態診斷故障樹的“靈活”故障診斷執行平臺，既可以按原來的方式執行預先生成的靜態診斷故障樹，又可以根據現場實際情況變化，依據用戶多種干預選擇(如儀器選擇、故障現象選擇和測試選擇等)結果，動態靈活生成符合用戶當前需求的故障診斷故障樹，并提供新案例錄入功能，以彌補測試診斷需求分析過程遺漏的故障模式解決方案。

如圖2所示，在動態生成實現過程中采用TEAMS-Designer多信號流模型生成的*.dep、*.nsi、*_grf.map和*.prm文件來進行故障診斷推理，軟件的具體原理為：首先利用文件分別得到D矩陣數據、故障/模塊/測試/資源集數據、故障名稱數據和測試費用、級別、模塊故障概率數據等。然后在實際診斷過程中隨外部控制條件，如癥狀、資源、測試放棄、測試另選等變化從D矩陣中獲取子D矩陣，然后再利用Rollout信息啟發算法(封裝為DLL件格式)生成特定的診斷策略樹，引導用戶開展測試和診斷，從而實現動態診斷策略的實現。

圖2 動態診斷策略樹生成框圖

3.2 診斷故障樹動態生成技術途徑

1)TEAMS存儲多信號流模型主要采用文件形式。因此本文研究D矩陣數據生成的獲取主要從TEAMS文件中獲取多信號流模型數據。

2)動態條件一旦變化，將生成新的D矩陣數據，并再次調用Rollout信息啟發算法。因此，為了便于實時調用，提高效率，Rollout信息啟發算法將以DLL的形式封裝，其輸出診斷策略樹也將以符合診斷策略樹模式統一定義的XML文檔形式輸出，便于其它用戶調用；

3)動態推理軟件平臺開發時，主界面基于WEB瀏覽方式，而對測試程序的執行調用還保留原有的TPSCOM形式，包含運行平臺初始化、測試程序加載、測試組執行和運行平臺退出4個接口函數，對儀器軟面板的調用采用原有的SPCOM接口。

3.3 局部D矩陣生成

艦船電子裝備現場診斷過程中可能發生一些客觀情況，例如裝備工作模式不同、測試資源缺乏、用戶測試干預等，此時將導致部分測試不可執行，如果仍用全局D矩陣生成的靜態診斷策略樹將會由于某些測試無法完成導致診斷過程不能繼續運行，甚至引導到錯誤維修結論。另外，當在現場維修過程中，如果存在多個故障現象，則同時基于多個故障現象進行診斷推理可以加快故障定位速度，提高故障診斷的效率，而全局D矩陣生成的靜態診斷策略樹不能利用多個故障現象。因此，在實際的診斷過程中可以根據實際情況導致的不可測測試、用戶測試干預以及多個故障現象，利用全局D矩陣生成局部D矩陣，然后根據局部D矩陣生成診斷策略，這樣，生成的診斷策略中將沒有不可執行測試，另外也可以提高診斷效率。局部D矩陣的生成主要包括以下3種情況。

1)當前測試tj不可測的情況。

在實際維修的過程中，可能由于缺乏測試需要的資源或者由于當前測試點找不到導致當前的測試tj無法完成，如果仍用原有靜態診斷策略，將由于當前測試tj無法完成，診斷策略無法繼續進行。此時可以將原來D矩陣測試tj對應的列刪除形成新的局部D矩陣，然后再在新的局部D矩陣基礎上利用Rollout算法生成新的診斷策略。

2)用戶主動選擇測試tj的情況。

在實際維修的過程中，修理人員可能會根據實際情況改變測試的順序，在當前診斷的過程中用戶主動選擇測試tj，此時，可以根據用戶選擇的測試tj的測試是否通過，在原來D矩陣的基礎上生成局部D矩陣，然后再在新的局部D矩陣基礎上利用Rollout算法生成新的診斷策略。

3)多個故障現象并存的情況。

在實際的維修過程中，可能存在多個故障現象并存的情況，如果同時利用多個故障現象進行故障隔離，則可以提高故障隔離效率，而如果仍用原來的靜態診斷策略，則不能充分利用多個故障現象，只能一步步判斷，導致故障隔離時間較長。新的動態故障診斷策略樹生成中，支持同時根據多個故障現象，生成診斷策略樹，具體方法為：當出現多個故障現象時，利用故障現象的測試對應的D矩陣數值為1的行的交集生成局部D矩陣，然后繼續利用Rollout算法生成策略診斷樹，從而提高故障隔離的效率。

3.4Rollout算法DLL封裝

在交互式診斷的過程中，每診斷一步都將生成新的局部D矩陣數據，并調用Rollout算法生成診斷策略[5]，為了便于Rollout算法的實時調用，提高調用效率，我們將Rollout算法封裝到動態庫DLL文件，在具體動態策略生成時主程序直接加載DLL文件，調用Rollout算法生成診斷策略。DLL(DynamicLinkableLibrary)動態鏈接庫是一個包含可由多個程序同時使用的代碼和數據的庫。DLL不是可執行文件，只是提供了一種方法，使進程可以調用不屬于其可執行代碼的函數。DLL的結構和應用程序很相近，每個應用程序都有一個入口函數WinMain，而每個DLL都有一個入口函數DLLMain，DLL中含有資源、數據段和代碼段，可以像應用程序一樣使用回調函數(CALLBACK),也可以使用自定義消息。DLL在構成不同于應用程序的地方，主要有輸入符號表和輸出符號表，以方便應用程序調用DLL的函數[6-7]。

3.5 軟件實現

軟件在具體實現的過程主要涉及到的技術包括：主界面設計、數據庫設計、基于Servlet、JSP和Tomcat服務器的遠程應用服務技術、Rollout算法的DLL封裝、診斷數據文件的交互和TPS的加載等，下面進行具體介紹。主界面采用VisualStudio2010開發，編程語言為C#,后臺數據庫為MSSQLServer2005，數據庫連接方案采用ADO方式。應用程序采用C#實現，所有的數據查詢計算以及分析在數據庫服務器端執行，計算及分析結果在客戶端顯示。交互式智能診斷系統的軟件模塊主要包括：開始診斷、診斷復現、案例錄入、記錄查詢和統計預測5個模塊。

3.6 結果分析

根據軟件實現方案，研制了交互式智能診斷系統(IIDS)軟件，故障推理界面如圖3所示。相比于國內外其它同類產品，該軟件集模型導入、動態診斷、案例錄入、記錄查詢復現及統計分析等功能于一體的，具有人機交互功能的智能診斷系統，既可以按原來的方式執行預先生成的靜態診斷策略樹，又可以根據現場實際情況變化，依據用戶多種干預選擇(如儀器選擇、故障現象選擇和測試選擇等)結果，動態靈活生成符合用戶當前需求的故障診斷策略樹。另外，IIDS還可以與原瀏覽系統通過COM接口進行雙向異步信息交互，即IIDS系統可以根據測試診斷情況通過COM接口實時搜索查詢到IETM相關內容，瀏覽系統也可以通過COM接口啟動IIDS系統開展動態故障診斷過程。另外，在測試性分析評估軟件(TEAMS/TADS)和IIDS系統之間增加對多信號流模型的導入接口，隨時可以通過接口直接獲取模型數據和診斷樹、測試—診斷依賴性關系矩陣(D矩陣)，且不經其它修改即可直接開展靜態/動態故障診斷方法，避免前期所采用的診斷策略數據導入瀏覽系統過程，降低復雜性。

圖3 交互式智能診斷系統(IIDS)故障推理界面

4 結束語

針對靜態故障樹方法在艦船電子現場測試診斷中發現的問題，立足于TEAMS多信號流模型數據結構，本文提出了基于D-矩陣和ROLLOUT信息啟發搜索算法的故障診斷策略樹動態生成方法，并開發了交互式智能測試系統(IIDS)軟件平臺，提高了裝備故障診斷的效率、準確性以及測試的通用性、和靈活性。

但是在診斷推理過程中，故障診斷策略樹的生成速度主要依賴于D-矩陣的大小和搜索算法的效率。雖然采用的Rollout算法效率較高，但是當模型中故障模塊數量和測試數目較大時，故障推理時間仍然較長。因此，提高算法的搜索速度，進一步提升故障診斷策略樹的生成效率是本文后期需要進一步關注和研究的重點。

[1] 林志文,基于多信號模型的系統測試性分析與評估[J].計算機測量與控制,2006, 2(14):222-224.

[2] 何巨模, 林志文,艦船裝備綜合測試診斷技術與工程[M].北京：國防工業出版社,2013.

[3]DebS,PattitpatiK,RaghavanV,etal.AMulti-SignalFlowGraphs:ANovelApproachforSystemTestabilityAnalysisandFaultDiagnosis[J].IEEEAerosp,ElectronSystMag,1995,10(5):14-25.

[4]SomnathDeb,KrishnaPattipati,andRoshanShrestha,QSI’sIntegratedDiagnosticToolset[A].ProceedingsoftheIEEEAUTOTESTCON[C]. 1997.

[5]Teamsuserguide[EB/OL].QualtechSystems, 2003，www.teamsQSI.com.

[6]FangTu,KrishnaR.pattipati,RolloutStrategiesforSequentialFaultDiagnosis[J].IEEEtransactionsonsystem,man,andcybernetics,parta:systemandhumans, 2003, 33(1):86-99.

[7]KrishnaR.Pattipati,MarkG.Alexandridis,ApplicationofHeuristicsearchandInformationTheorytosequentialFaultDiagnosis[J],IEEE, 1989:291-296.

[8] 林志文,馬力,基于多信號流模型和Tomcat服務器的遠程綜合診斷技術[J].計算機測量與控制,2013，21(9):180-186.

[9] 楊智勇,許化龍,許愛強. 基于多信號模型的故障診斷策略設計[J]. 計算機測量與控制,2006,14(12):1616-1619.

Dynamic Generation Method for Malfunction Diagnosis Strategy Tree Based on Multi-signal Flow Model

Lin Zhiwen1，Ma Rui2，Wan Fu2

(1.Naval Equipment Technology Institute, Beijing 102442, China; 2.Naval Command Institute, Nanjing 211800, China)

To solve the applying problems of long diagnostic sequence, poor artificial intervention and no support to parallel diagnosis of multiple fault phenomena about the static generation method for the malfunction diagnosis strategy tree, with considering the field testing and diagnosis of ship equipments，on the basis of the TEAMS multi-signal flow model data structure, the study of crack method to D-matrix and the standalone DLL files, input/output specification and interactive control method of the search algorithm intrigued by the ROLLOUT information, the dynamic generation method for the malfunction diagnosis strategy tree is designed in the paper. The generation method for the D-matrix data based on the TEAMS multi-signal flow model and the interative control method for search algorithm intrigued by the ROLLOUT information is introduced in the study. Based on the dynamic diagnosis strategy of the malfunction tree and the distributed test diagnosis methods, a platform of interactive intelligent diagnosis system ( IIDS) is developed. The system with high adaptability to the objective conditions for the diagnosis of the scene, such as system operating mode or test resource changes, user intervention and parallel diagnosis of multiple fault phenomena, it’s proved to have good effect in improving efficiency, accuracy, flexibility of equipment fault diagnosis.

multi-signal flow model; D-matrix; diagnosis strategy; dynamic generation

2016-09-26；

2016-12-19。

林志文(1975-)，男，福建莆田人，博士研究生，高級工程師，主要從事艦船裝備自動測試、綜合診斷、電磁兼容和信息化保障技術方向的研究。

1671-4598(2017)05-0018-03

10.16526/j.cnki.11-4762/tp.2017.05.006

TP301

A