空间光学遥感器故障诊断知识获取技术的研究

空间光学遥感器故障诊断知识获取技术的研究赵昶宇(中国航天科工集团第三研究院第八三五七研究所，天津300308)摘要：为了解决空间光学遥感器故障诊断专家系统知识获取的瓶颈问题，提出了故障树分析法和案例推理技术相结合的一种故障诊断方法。通过运用故障树分析法对所建的故障树进行定性分析，再将简化的等效树用于专家知识库的建立；采用面向对象技术和数据库技术相结合的案例表示方法，定义案例的故障特征向量和案例特征权向量，并将故障案例表示成决策表，建立了某空间光学遥感器故障诊断系统。该系统能够快速有效地诊断出空间光学遥感器系统的各种故障，及时确定出故障组件所处的状态，适用于航天器在轨故障诊断。关键词:空间光学遥感器、故障诊断、知识获取、案例推理中图分类号：TP274文献标识码：B1引言随着我国航天卫星系统的快速发展，近年来我国在航天领域里应用智能故障诊断技术的研究也有一定的进展，人们针对个别系统编制不同的算法进行在线或离线的故障诊断，但大多是建立数学模型或神经网络技术基础上，仍处于仿真阶段。在实际工程应用中存在知识获取的“瓶颈”问题、知识难以维护、知识应用面窄、诊断能力弱和不适应模糊问题。其中，知识获取的过程是最复杂和工作量最大的环节，甚至在一定情况下，知识获取技术的欠缺将会导致整个系统性能的失效，传统的依靠手动获取知识直接影响到整个系统的自动化程度和效率。知识获取[1]是故障诊断系统的重要组成部分，它研究的主要问题是知识源到程序知识的传递和转换。构造故障诊断系统时，专业领域的专家和知识工程师要密切合作，不断总结和提取专业领域知识，并将其形式化、编码存人计算机中形成知识库。但是，由于专业领域知识大多是启发式的，较难捕捉和描述，专业领域专家通常善于提供事例而不习惯提供知识。所以，知识获取被公认为是故障诊断系统开发研究中的瓶颈问题。如何保证空间光学遥感器能够按照预期目标圆满完成其使命，一直是所有研究和设计人员的终极奋斗目标。一方面，通过软硬件的高可靠性和冗余性来保证有效载荷的综合可靠性，然而由于空间环境的复杂性以及有效载荷测试的局限性，仍然会出现有效载荷运行异常或系统故障问题；另一方面，通过大量的地面试验（元器件老练、力学试验、热真空、热循环、热光学、定标等等），对有效载荷进行充分的测试。试验的测试结果是否有效、测试结果是否正常已成为有效载荷产品质量是否合格的重要判断依据。从某种意义上讲，对空间光学遥感器的故障定位和故障诊断技术的研究，有利于提高数据判读的准确性、实时性和高效性，有利于提高有效载荷是试验测试结果的有效性。因此，空间光学遥感器的智能故障诊断技术是需要亟待解决的关键技术之一，而解决这一关键技术的关键前提是建立科学合理的知识获取数学模型。本文根据空间光学遥感器的故障特点和实际情况，对于故障诊断专家系统，一是把故障树分析法与专家系统相结合进行深推理，通过设计一个基于故障树模型的诊断系统来实现，把系统的结构、行为和功能知识放入基于规则的故障树中，构成故障树模型；二是把案例推理与专家系统方法相结合实现基于案例的专家知识的浅推理，从而设计实现了一个深浅知识相结合的完备的故障诊断专家系统。采用基于案例推理和故障树分析法建造故障诊断专家系统，知识库采用产生式和框架式多种知识表示和存储方式相结合，推理机制采用正向推理和案例检索推理相结合，可有效提高系统的推理效率和准确度。2故障树分析法从知识获取的角度来看，故障树具有标准化的知识结构，若利用故障树知识生成诊断专家系统知识库，则可以显示地表示诊断专家的问题求解策略，因而可以极大地降低系统知识获取的难度。实际上，故障树的顶事件是对应于专家系统要分析解决的任务，其底事件对应于专家系统的推理结果，而故障树由顶到底的层次和逻辑关系对应于专家系统的推理过程。我们可以把故障树同诊断专家系统的知识库通过割集联系起来：故障树的一个割集是系统的一种失效模式，同时对应于知识库的一条规则；割集里的基本事件是该失效模式的最基本原因，对应知识库中规则的结论(故障源或故障原因)；从顶事件到割集的路径，是该割集区别于其它割集的中间条件，对应于知识库中规则的前提。但是，在故障诊断过程中，简单的故障描述是不够的。为此，要在知识库中增加一部分信息—故障现象的描述、故障的检测方式或方法、诊断建议和维修对策等。其中故障现象的描述包括图形说明和文字描述两部分，它们分别反映了故障树的一个故障模式和在该故障模式下系统表现出的故障现象，这些都将是诊断专家系统进行推理的根据，它们构成了知识库规则的前件；故障的检测方式或方法是属于故障的中间辅助描述部分，它给出了故障的检测方法；诊断建议和维修对策是属于故障结论描述部分，它说明故障树事件对应的系统故障以及故障的排除方法和建议，它们正是专家系统要推理的结果。图1和图2分别是与门故障树和或门故障树示例。故障树分析法适合于专家系统知识库的建造，有以下几方面的原因：1)对于一个系统的描述，当其真实性与完整性一经核实，就能建造若干棵描述系统性故障的故障树，这些树可为系统的描述所包含的知识和专家系统要用到的知识库之间提供联系；2)故障树分析法的主要概念是它能把一特定系统的知识转化成一用逻辑关系表示的图形(故障树)，在故障树中一定数量的基本事件的组合可得出系统某些不希望的或关键性的状态，也即故障树的顶事件、中间事件和底事件之间可以用逻辑门(与门和或门)联系起来。与门故障树见图1所示，或门故障树见图2所示。在同一故障树中，经常会出现与门和或门同时出现的情形；3)当专家知识可以用工程图形、运行规则、维护步骤以及试探规则等形式表示时，用故障树分析法来建造知识库特别适合；4)故障树的建造可以用手工方法，也可以借助于计算机程序，而故障树的自动建造特别适合于专家系统知识库的知识获取，因为它可以把除了故障模式、故障原因及逻辑关系以外的包括故障模式的文字说明、图形参考、检查方法及针对具体故障原因的补偿措施等描述性知识添加到树的相应节点处，并且这些最终都将是诊断知识库的不可缺少的组成部分；5)通过运用故障树分析法对所建的故障树进行定性分析，再将简化的等效树用于专家知识库的建立，既能解决诊断知识获取的难题，又使得生成的知识库尽可能地简化，降低冗余，便于推理的进行。顶事件TX1X2X3G1中间事件底事件图1与门故障树示例顶事件TX1X2X3G1中间事件底事件图2或门故障树示例针对同一故障树，其故障搜寻方法有两种：对某一待诊断的子结点，其本身关键输出信号参数（故障征兆）在故障时将有一特征数值，因此可直接测试子结点的关键参数，将其与自身的故障特征值比较，判断是否故障，此种诊断方法简单直观，易于理解，对故障搜寻来说，它是一种遍历式盲目搜索方式，计算量较大。另一种方式是考虑到任何子结点故障都会对上一级父结点的关键参数的输出产生影响，而且不同的子结点故障对上一级父结点参数的影响是不同的，换句话说，不同子结点故障时，表现在上一级父结点输出参数的故障特征值是不一样的，由此可以根据上一级父结点的关键信号参数的测试，直接搜寻下一级故障子结点，不必计算所有下级子结点的输出；而针对故障子结点的关键参数测试，同样的原理可以定位故障树结点，这是一种启发式故障搜索策略，和前者相比大大提高故障搜寻效率。本故障诊断专家系统采用第二种故障搜寻策略。3案例推理技术对于某些领域并没有模型或成熟的领域知识，在这样的领域开发专家系统是比较困难的。在没有很强的理论模型、领域知识不完全而经验丰富的故障诊断、决策等领域，出现了基于案例推理的方法并得到了广泛的应用。3.1案例描述问题或情景的描述和解决方案是必不可少的部分，任何基于案例的推理系统必须要有，而结果部分在有的系统中没有。由于案例包括了对问题的描述及其求解的情况，所以案例的表示至少应该包含这两个方面，因此表示为一个有序对(问题描述，解描述)。如果有对于解的描述，即解的效果情况、所给出的解是否有效等，这样又表示成三元组(问题描述，解描述，症状描述)，同时对案例问题进行特征提取。案例诊断模块的结构图如图3所示。用户界面案例库创建案例库维护案例库检索检索诊断结果案例库学习案例库图3案例诊断模块的结构图3.2案例的索引与检索案例检索是位于案例推理系统的中心环节，检索质量关系着整个系统的质量，案例库索引和检索过程的目的是建造一个结构或过程来得到最适当的案例。案例的索引和检索技术通常有三种：最近邻法、归纳推理法和知识引导法。基于案例的推理流程图如图4所示。用户输入案例特征属性案例检索一次归纳检索形成初始结果集二次最近邻法检索检索结束，返回最终结果集案例库图4基于案例的推理流程图3.3案例的修改案例的修改(也称为案例的重用)被公认为是案例推理中最具挑战性的问题，也是继案例检索之后的又一个热点。一般对检索出的案例进行修改时，要进行以下几个方面的工作：1)首先，对新问题的各个特征项进行分析，根据检索出案例特征对应项的内容进行修改；2)其次，对新问题具有的案例特征项进行追加，并且对特征项的内容进行修改，一般它由计算机和用户或领域专家联合进行；3)最后，对于检索出的案例的某些不符合新问题要求的特征进行删除操作。案例库中案例修改的一种方法足利用数据库的功能。利用数据库管理系统，对案例进行修改并进行一致性、正确性和相容性检验。3.4案例的学习和保存一般来说，当系统用于解决新问题时，对于案例学习和保存采取如下作法：1)如果案例库中的源案例和目标案例之间相同(相似度为1)或很接近(相似度大于设定的阀值)，可以直接借鉴以前的经验，可以选择维持原案例库不变或用新案例进行刷新；2)如果在案例库中的案例和要解决的问题相差很远，那么就需要更多的领域知识或人为介入重用的过程，在解决问题之后，一般作为一个新的案例存储在案例库。这样系统就逐渐积累了解决相关问题的经验，使案例推理系统的推理能力不断提高。4案例推理的应用本文采用了基于案例推理和故障树相结合的方法，对故障知识进行知识获取和管理，建立了空间光学遥感器知识库管理系统（简称知识库管理系统）。该系统是对知识库中的知识进行管理和控制，完成对知识库的各种操作，并向用户提供检索、查询手段的软件系统。它包括知识获取、知识存储和分类、知识校验、知识查询和更新以及用户的使用权限管理等。4.1体系结构本空间光学遥感器知识库管理系统的系统结构如图5所示。空间光学遥感器知识库管理系统知识查询知识库维护故障知识浏览故障知识查询用户管理添加知识删除知识修改知识存储知识图5空间光学遥感器知识库管理系统结构图4.2案例的表示从书本和领域专家获取的知识是以案例的形式存储在知识库中的。本文采用面向对象技术和数据库技术相结合的案例表示方法，而面向对象的知识表示方法能够将规则和过程等多种知识表示集成在一起，对象技术中的类对应案例原型（抽象案例），对象的属性则表示问题的特征。这样可以充分利用各种表示方法的优点；而且使用该方法还可以利用类的继承关系，建立案例之间的层次结构，便于案例库的组织和检索，将案例的属性数据以及案例检索、修改、保存等方法封装在案例类中，系统在运行中动态地构造案例对象。空间光学遥感器的故障案例可以定义为一个四元组：C=D,S,M,E（1）其中，D={d1,d2,…,dn}是一个非空有限集合，表示故障案例的描述信息，包括案例编号，故障发生时间，故障类型等；S={s1,s2,…,sn}是一个非空有限集合，表示故障案例征兆属性集；M是案例的结论信息；E表示案例的辅助信息。因此，一个故障案例可以定义表1所示结构的对象：表1故障案例的结构故障描述信息案例编号故障发生时间…故障现象故障模式故障案例征兆集案例特征向量案例特征权重向量故障结论信息解决措施故障手册视频录像结果评价案例辅助信息故障所属系统故障所属部件代表案例标识所属子案例库编号成功匹配次数案例的学习质量4.3案例的表示的实现a)故障特征向量空间光学遥感器故障特征向量指在一个故障案例中所有特征值经参数化处理后，按照一定的顺序组成的向量。在进行案例推理前，必须将特征值都统一表示成为有一定范围或有限数值集合。故障特征向量表示为：Ai=[Ai(1),Ai(2),…,Ai(k),…,A