裝備維修保障知識模型構建及推理方法

劉宸寧，孔 鑫，王 雪，陳 偉，李 浩

（中國運載火箭技術研究院，北京 100076）

0 引言

在實戰化條件下，裝備維修保障是保證部隊遂行作戰與訓練任務的重要環節。隨著信息化、智能化裝備發展水平的日益提升，裝備維修保障能力同步向精簡集約、智能高效方向轉變［1］。航空航天領域裝備產品具有結構復雜、系統性強、專業性強等特點，其維修工作相較于一般產品難度更高，往往需要多學科的專業知識以及跨部門的緊密配合［2-3］。

當前，裝備維修保障的知識載體多為文檔、圖紙、手冊、維修工單等形式，故障定位大多依賴維修人員自身經驗及技術水平，存在技術資料檢索效率低下、維修經驗轉化不足、維修知識表示不統一等問題［4］。需要構建一套能夠清晰表達裝備維修保障活動中涉及各類數據信息的知識模型，并借助知識模型實現對知識信息的有序管理和高效利用。目前，國內外在工業設備知識建模與應用方面已開展了相關研究工作，PENG 等構建了復雜系統的通用知識本體模型，并基于知識模型實現產品的快速設計［5］；YANG 等構建了盾構機設備智能維修本體模型［6］；周強針對機床設備的故障診斷知識進行建模，并設計了知識驅動的故障診斷系統［7］；余磊等構建了裝備PHM 知識化模型［8］；郝可基于裝備維修保障知識模型，構建了裝備維修保障云決策系統，實現了維修作業方案的智能化生成［9］。上述研究給出了相關領域的知識模型構建和應用方法，能夠對裝備維修保障領域知識模型的構建與應用設計提供指導。

本文基于本體表示方法，提出一種適用于裝備維修保障領域的知識模型構建方法，結合裝備維修保障活動特點，對知識進行合理、準確的表示；并針對該知識模型設計故障原因的可信度推理方法，引入維修人員經驗化知識的量化表達，結合故障情境、故障現象、故障原因等因素之間的關聯關系，輔助維修人員開展故障推理分析和維修決策制定。

1 裝備維修保障知識分析

裝備產品因高復雜度、高專業性和高價值的特點，與一般產品維修相比，其維修工作涉及環節多，影響因素廣，故障修復的流程繁瑣。因此，從裝備維修保障工作流程、知識構成和知識特征3 個方面，分析裝備維修保障知識特點。

1.1 工作流程

裝備維修層級一般可分為基層級維修、中繼級維修和基地級維修［10］；在新型維修體制下，將基層級和中繼級合并為部隊級，逐漸演進為部隊級和基地級兩級作業體系［11-12］。其中，基地級維修業務覆蓋范圍最廣，維修過程中涉及的裝備信息要素最多。以基地級維修為例說明裝備維修保障工作的一般過程，如圖1 所示。

圖1 裝備維修保障工作流程分析Fig.1 Analysis of the process for equipment maintenance support

1）故障登記：當裝備發生故障且確需基地級維修時，將故障信息通過傳真、電話等方式反饋給基地級維修部門，進行故障登記。故障登記所需信息一般包括故障發生時機或場景、故障部位、故障現象、故障影響等內容。

2）故障原因分析：基于已登記信息及裝備現場檢查測試信息，維修人員根據相關資料或經驗，對故障進行分析，定位故障部位和故障原因。通常維修人員需要參考的資料包括裝備結構資料、裝備歷史故障資料、裝備故障模式及影響分析和危害性分析（FMECA）資料和裝備故障樹（FTA）資料等，需要分析得出的信息包括故障部位、故障類型、故障原因、故障程度等信息。

3）確定維修方案：根據故障原因分析情況，確定裝備維修方式及維修方案，主要包括維修實施方案、維修人員、維修備件和維修設備等信息。針對換件維修方式，還需明確裝備原件及備件的名稱、代號、編號等基本信息，以及備件的庫存數量、貯存時間及剩余有效期等信息。

4）維修保障工作執行：根據維修方案對裝備進行維修，一般包括故障部位拆解、故障部位維修或更換、故障部位的重新安裝、裝備檢查測試等工作流程。

5）維修工作信息存檔：維修保障工作完成后，回溯分析維修過程關鍵信息，記錄裝備故障信息、裝備維修信息、維修備件使用信息等信息。

1.2 知識構成

裝備維修保障知識是對裝備維修保障工作過程中涉及到的各類數據信息的規范化提煉與描述。從知識的一般性分類方法來看，分為描述性知識、判斷性知識和過程性知識等［13］。對應裝備維修保障知識則包括對故障發生場景、裝備產品本身和產品故障情況等的描述性知識，對故障原因分析和測試信息判讀等的判斷性知識，對裝備故障檢查和裝備維修保障等的過程性知識描述。因此，將裝備綜合保障知識概括為三大類構成要素，包括故障情境知識、決策評判知識和維修活動知識。

1）故障情境知識：是對裝備故障的全面描述，包括對故障裝備本身的描述（裝備結構、出廠信息、過程履歷等）、對故障現象的描述（故障時間、故障表現、故障部位等）和對故障發生時裝備所處的環境、所執行的任務等的描述（時間、地點、天氣、濕度、任務情況等）。故障情境信息是裝備維修保障知識模型構建的基礎，其描述應盡可能詳細、準確，能夠提高計算機對裝備維修保障知識的理解與運用效率。例如，特種車輛在高原運行途中發生故障，如果缺失故障所處的環境信息，推理得出的維修方案則很可能是失效的。

2）決策評判知識：貫穿裝備維修保障全過程的各類判斷性知識，包括裝備故障原因評判、裝備維修等級評判、故障影響域評判、測試檢查數據評判、裝備維修效果評判、裝備剩余壽命評判等。決策評判知識一般需要決策評判方法的支撐，是裝備故障維修決策推理的重要判別依據。例如下文給出的故障原因可信度推理方法中，“故障表現權重”、“故障原因可信度”等均為決策評判知識。

3）維修活動知識：是為完成故障產品修復而開展的全部活動過程知識信息的總稱，包括維修目的、維修計劃、維修方案、維修資源等信息。維修活動知識是對維修保障活動過程的詳實記錄，也是對人員開展維修保障工作的經驗性知識總結。隨著維修活動的不斷開展，維修保障知識也不斷積累與完善。

1.3 知識特征

裝備維修保障知識特征主要表現在復雜性、關聯性、經驗性和不確定性4 個方面。

1）復雜性：裝備維修保障活動流程環節多、覆蓋面廣，涉及的數據類型多、信息來源廣，裝備產品涉及專業多、知識類型復雜，知識裝備維修保障知識呈現出知識結構的復雜性。

2）關聯性：裝備與裝備之間、裝備產品各結構層級之間、裝備與活動之間、活動與活動之間，以及活動所處的不同時間、不同情境之間均具備知識的關聯性，裝備維修保障知識呈現網絡狀的關系特點。

3）經驗性：裝備維修保障知識多來源于實際維修活動的經驗總結，有些經驗知識能夠通過文字、圖表等形式表達，大多經驗知識還需結合所處的環境、歷史數據信息等進行知識建模表示。

4）不確定性：由于裝備產品自身的復雜性，裝備維修保障活動中相關的推理決策行為如故障原因分析、維修方案制定等均具有不確定性，隨著維修保障活動的推進，需要對決策評判類信息進行調整和優化，以期達到最佳的效果。

2 裝備維修保障知識模型構建

2.1 知識模型的本體表示法

本體的概念源自哲學領域，隨著計算機技術和知識管理技術的飛速發展，為了解決知識的共享復用及數據的互聯互通問題，本體的理論被引入其中。德國學者Studer 給出了本體的相關定義“本體是共享概念模型的形式化規范說明”［14］，這個定義包含了共享、概念化、明確性和形式化4 層含義，目的在于構造一個人類視角的某領域基本框架，可以明確描述相關領域知識并進行統一表示和定義，使人們更容易地獲取領域知識，也讓計算機更易于處理和分析該領域知識。

PEREZ 提出通過分類方法描述本體［15］，NOY提出了本體模型的構建方法［16］?；诖?，將裝備維修保障知識本體模型EMSO（equipment maintenance support ontology）劃分為概念（concept）、屬性（attribute）、關系（relation）、約束（constraint）、公理（axiom）和實例（instance）等元本體，并用六元組形式表示：

對裝備維修保障知識模型的元本體說明如下：

1）概念：表示領域知識元，包括一般意義上的概念以及任務、行為、過程等，在本體的實現中通常用類（class）來定義，具有一定的分類層次關系。按照裝備維修保障知識構成來分，可展開為故障情境、決策評判和維修活動等3 個方面的核心概念。

2）屬性：或稱“特性（Properties）”，用于描述概念的特征。如對于“車輛裝備”概念而言，其編號、名稱、代號等均可定義為車輛裝備概念的屬性。

3）關系：表示概念之間的關聯關系，常見的關聯關系包括整體與部分、父子關系、相等關系等。裝備維修保障知識概念之間的關系主要包括裝備產品本身的結構層次關系、維修活動之間存在的先后關系及事件之間的因果關系等。

4）約束：或稱“函數（Functions）”，表示概念之間約束性的特殊關系，用于表示多個概念共同決定某一概念的情況。例如，由維修活動的“開始時間”和“結束時間”概念，通過約束則能夠確定維修活動的“所用時間”。

5）公理：表示永遠為真的斷言。在本體論中，公理對于關系和函數都具有一定的關聯和約束。裝備維修保障領域的公理，可以來源于相關國家軍用標準及行業標準，還可通過對知識的總結提煉形成新的公理約束。

6）實例：表示某個概念類的具體實體。例如對于“車輛裝備”概念而言，1#車輛裝備、2#車輛裝備均為“車輛裝備”概念的實例。

2.2 知識模型構建流程

常見的本體構建方法包括骨架法［17］、TOVE法［18］、七步法［19］等方法，不同的方法有其適用的領域范圍。結合對裝備維修保障領域知識分析情況，綜合骨架法和七步法構建流程特點，提出適用于裝備維修保障領域的知識模型構建流程，如圖2 所示。

圖2 裝備維修保障領域知識模型構建流程Fig.2 Equipment maintenance support knowledge model construction

1）確定知識模型構建的目的及應用范圍：裝備維修保障活動所面向的裝備種類不同或應用場景不同，將會產生不同的知識模型需求，因此，需要在開始構建知識模型前確定構建的目的以及應用范圍。

2）獲取領域知識：一般可通過技術資料、各類信息系統中獲取領域相關知識，包括標準規范、裝備資料、維修手冊、歷史維修案例、輔助決策方法等，用于將裝備維修保障領域所涵蓋的重要術語、概念進行梳理總結。

3）構建知識管理框架：知識管理框架是基于知識模型構建知識組織管理模式，或建設相關知識應用系統的理論基礎。

4）定義概念及其層次關系：圍繞裝備維修保障知識模型構建目的和應用范圍，確定各類子概念的分支結構、分解顆粒度及層次關系。

5）定義對象屬性及關系：即明確概念與概念之間的關系。在步驟4 確定的知識概念層次關系的基礎上，定義知識概念的其它關系屬性，如因果關系、包含關系等。

6）定義數據屬性及關系：數據屬性用于描述概念所具備的數據特性，并且具有傳遞性，即父層級概念所擁有的數據屬性，子層級概念也將繼承了該屬性。

7）知識模型檢驗：由維修保障領域專家和知識管理專家對構建的知識模型進行檢驗，通過創建部分實體案例等方法對本體模型進行測試。裝備維修保障領域的知識模型一般需具備明確性、一致性、可擴展性等特點。如果檢驗未合格，需要進行改進或者重新構建知識模型。

2.3 知識模型構建實例

本文以車輛裝備為例，借助Protégé 工具軟件，說明基于本體的裝備維修保障知識模型構建的具體方法。

2.3.1 確定本體構建的目的及應用范圍

構建對象為車輛裝備的維修保障知識模型，以期實現車輛裝備維修活動所涉及知識的規范性表達，并能夠應用至車輛裝備使用部門、維修部門等單位的信息化系統中，進而提升車輛維修知識的共享、檢索與重用效率。

2.3.2 獲取領域知識

梳理車輛類裝備產品知識來源，主要包括：來源于隨裝備交付的各類技術資料和維修手冊等資料；來源于信息化系統的車輛歷史信息、檢測與測試信息等數據；來源于維修專家、各類知識庫的故障分析、壽命預測等方法。

2.3.3 構建知識管理框架

構建包括知識獲取、知識組織和知識應用的3層知識管理框架，支撐實現車輛裝備維修保障知識的層次化、精細化管理，滿足車輛裝備維修保障知識模型在組織管理與知識應用等方面的建設實施。3 層知識管理框架如下頁圖3 所示。原始數據信息經過提煉、總結等概念化過程，形成知識模型；在知識模型基礎上，對數據信息進行知識抽取、知識關聯等實例化過程，形成具體車輛裝備的知識庫；最后通過知識展示、知識檢索等實現知識的最終應用。

圖3 3 層知識管理框架Fig.3 Three-tier knowledge management framework

2.3.4 定義概念及其層次關系

按照裝備維修保障知識構成，可將知識模型劃分為故障情境、決策評判和維修活動三大核心概念。在此基礎上，對概念進行細化擴展，形成車輛維修保障知識概念結構層次，如圖4 所示。

圖4 車輛維修保障知識概念結構層次圖Fig.4 Vehicle maintenance support knowledge hierarchy

2.3.5 定義對象屬性及關系

在完成本體概念及層次結構定義的同時，也完成了概念之間父子關系的定義。接下來還需要根據概念之間的實際關系，構建其它所需的對象屬性及關系。由于子類能夠繼承父類所具備的關系，因此，可以按照知識概念的結構層次，自頂向下進行屬性構建。表1 給出了車輛維修保障知識模型的部分對象屬性。

表1 對象屬性說明Table 1 Description of object properties

2.3.6 定義數據屬性及關系

數據屬性表征概念的數據特征，遵循從一般到特殊的規律，按照概念的結構層次自頂向下的構建概念，數據屬性構建過程也體現出概念的數據特征。如“發動機”作為“車輛裝備”的子類，能夠繼承車輛裝備所具備的數據屬性如“編號”，同時可定義“轉速”、“轉矩”等發動機專用數據屬性。此外，構建“權重”、“可信度”等數據屬性，用于維修人員對經驗性知識的量化表達。表2 給出了車輛維修保障知識模型的部分數據屬性。

表2 數據屬性說明Table 2 Description of data properties

2.3.7 知識模型檢驗

借助Protégé 軟件工具，對車輛維修保障知識模型模型進行表達，并創建測試實例進行實體關系映射，如圖5 所示。

3 基于裝備維修保障知識模型的知識推理方法

裝備維修保障活動全流程中，裝備故障問題的分析、技術資料的查閱和維修方案的制定等知識分析和知識推理過程，耗費了維修人員大部分精力。因此，在裝備維修保障知識模型的基礎上，實現裝備知識推理和應用，輔助人員開展故障定位和方案制定，能夠有效提升裝備維修保障活動的效率和質量。

3.1 知識推理應用流程

基于裝備維修保障知識模型的知識推理應用流程，主要包括用戶需求輸入、語義解析處理、故障知識匹配、故障原因推理、維修知識推送、推理匹配評判、知識庫更新等環節，如圖6 所示。

圖6 知識推理應用流程圖Fig.6 Knowledge reasoning process

1）用戶需求輸入：用戶通過語言描述故障情境內容，包括故障現象、任務環境、故障部位等。

2）語義解析處理：對用戶需求內容進行語義處理與解析，排除需求表達中無關的信息項，并轉化為計算機方便處理的向量化表達。

3）故障知識匹配與故障原因推理：以用戶需求的向量化表達為條件，檢索基于裝備維修保障知識模型的知識庫，并通過語義相似度計算方法，匹配滿足用戶描述的故障情境知識；結合故障原因推理方法，可進一步推理得到該故障情境對應的故障原因及維修方案。

4）維修知識推送與推理匹配評判：將故障推理所得到的知識結果推送至用戶，并由用戶根據經驗或進一步的故障排查對維修方案結果進行評判，如不滿足要求，則調整需求表達內容重新進行知識推理。

5）知識庫更新。推理結果滿足用戶需求，將本次維修活動作為案例知識，更新至知識庫。

3.2 故障原因可信度推理方法

通過對知識推理應用流程分析可知，在匹配到滿足用戶描述的故障情境后，基于維修保障知識模型及知識庫中的關聯關系網絡，通過關聯發現等方法，能夠得到故障情境對應的故障原因及維修處置方法知識［20］。由于裝備產品自身的復雜性，實際情況中某一故障情境所呈現的故障表現往往不止一個，且一個故障表現可能對應多個潛在的故障原因，一個故障原因又可呈現出多個故障表現，使得裝備故障原因的推理分析更加復雜。

因此，設計一種基于裝備維修保障知識模型的故障原因可信度推理方法，即利用裝備維修保障知識模型抽取故障原因實體及其關聯的實體和屬性，構建故障原因知識網絡模型；再通過可信度推理方法對故障原因進行分析，根據可信度大小對故障原因進行優選與推薦。故障原因可信度推理流程如圖7 所示。

1）構建故障原因知識網絡：通過將裝備維修保障知識模型三元組關系（主語-謂語-賓語）中，以故障原因作為主語或者賓語的所有關系和實體從中抽取出來。其中，核心的關系包括：“故障表現-HasReason- 故障原因”、“故障原因-IsReason- 故障表現”等關系屬性；“故障表現-HasWeight-權重值”、“故障原因-HasReliability-可信度值”等數據屬性。

2）故障表現權重：表示故障表現在故障情境中所占權重，實際故障診斷活動中，設備的故障現象特征對故障程度的反映有輕重之分，例如對于發動機故障而言，“發動機動力不足”這一表現所占權重大于“發動機油耗增大”。故障表現權重的取值范圍為［0，1］，其初始數值可由維修專家給出，并已關聯至裝備維修保障知識庫中。隨著維修案例的積累和維修經驗的總結，可對故障表現權重值進行動態調整。

3）故障原因初始可信度ε0：表示故障原因導致該故障表現發生的可能性大小。故障原因初始可信度取值范圍為［0，1］，其初始數值ε0可以由維修專家給出。

4）故障原因的真實可信度ε0：對于故障表現而言，當其所關聯的某個故障原因同時會導致其他故障表現，而其他故障表現在本次故障情境中沒有表現出來時，則該故障原因的可信度降低。真實可信度與故障情境、故障原因等均有潛在的關聯關系，可作為故障推理評判的重要指標。下面舉例說明真實可信度的計算方法。

式中，P（ri）為故障原因可信度調整系數，（eRini）為為故障表現eRini在故障情境Q 中所占權重，ε0（eRini）為與故障表現eRini關聯的故障原因的初始可信度，ε（0eRoutj）為與故障表現eRoutj關聯的故障原因的初始可信度。

真實可信度計算值可能會超過1，一般發生在多個故障表現指向同一故障原因時。為保持可信度表達的統一性，可對真實可信度進行歸一化處理：

式中，εnorm（ri）為故障原因真實可信度歸一化處理后的取值；εmin（ri）、εmax（ri）分別為故障原因真實可信度最小值、最大值，可根據實際經驗取常量。

5）可信度閾值τ：為故障原因可信度的輸出判斷閾值，高于可信度閾值的故障原因作為故障推理的結果，推送至用戶使用。分別對故障情境Q中的y 個故障原因求取真實可信度，并按照真實可信度大小進行排序，其值最大的故障原因作為故障推理的最優解。但在實際故障排查活動中，真實的故障原因并不一定真實可信度最大，需要通過人員實際排查進行確定。故障原因推理的可信度閾值τ 可由維修專家初始給定，也可按照輸出結果數量按比例給定，例如設定輸出結果比例為30%，則故障原因推理的輸出結果為可信度最大的前30%個故障原因。

3.3 故障推理實例分析

某車輛裝備發生故障，初步定位故障情境為“發動機異?！?，故障表現主要為“發動機加速不良”、“發動機油耗過大”。

1）構建故障原因知識網絡：基于裝備維修保障知識模型及知識庫，抽取故障表現、故障原因、故障表現權重、故障原因可信度等信息，并構建故障原因知識網絡如圖8 所示。

圖8 故障原因知識網絡圖Fig.8 Failure causes knowledge network

2）計算故障原因真實可信度：按照式（2）分別計算所列故障原因的真實可信度，計算結果如表3所示。

表3 故障原因的真實可信度Table 3 Realistic credibility of the failure causes

3）推理結果分析：按照輸出結果比例為50%給出推理結果，得到推理結果為“節氣門故障”、“排氣受阻”、“空氣濾清器堵塞”和“點火系統故障”等4個故障原因。其中，“節氣門故障”為最可能導致本次發動機異常的故障原因，均可造成“發動機加速不良”和“發動機油耗過大”的故障表現；“點火系統故障”雖也可以造成以上兩種故障表現，但該故障原因同時還可能導致“發動機不能啟動”、“發動機易熄火”、“發動機怠速不穩”等故障表現，這些表現未在本次故障情境中顯現，因此，由點火系統故障導致的發動機異常情況可能性較低。實際工作中，維修人員根據輸出的故障原因推理結果，按照最優順序進行排查，如仍未定位到真實故障，可選擇繼續查閱系統未推送的剩余故障原因推理結果，也可通過調整需求表達，重新進行推理分析過程。

4 結論

當前裝備領域維修保障階段存在知識利用效率低、經驗知識轉化不足、故障定位分析困難等問題，難以實現知識的有效共享、傳遞和應用。本文以車輛裝備為例，設計了一種以故障情境、決策評判、維修活動為核心概念主體的裝備維修保障知識模型，能夠在一定應用范圍內統一和規范維修保障知識的表達，為基于知識模型的知識庫構建、知識管理和知識推理等應用提供參考。在此基礎上，引入維修人員經驗性知識的量化表達方法，并提出基于故障原因知識網絡的可信度推理方法，綜合故障情境、故障表現、故障原因及人員經驗知識等多種因素，實現維修知識的有效推理計算。最后，以車輛裝備發動機故障為例，說明了所提方法的可行性，為裝備領域維修保障知識模型構建和推理應用提供借鑒。