装备维修保障知识模型构建及推理方法

刘宸宁，孔 鑫，王 雪，陈 伟，李 浩

（中国运载火箭技术研究院，北京 100076）

0 引言

在实战化条件下，装备维修保障是保证部队遂行作战与训练任务的重要环节。随着信息化、智能化装备发展水平的日益提升，装备维修保障能力同步向精简集约、智能高效方向转变［1］。航空航天领域装备产品具有结构复杂、系统性强、专业性强等特点，其维修工作相较于一般产品难度更高，往往需要多学科的专业知识以及跨部门的紧密配合［2-3］。

当前，装备维修保障的知识载体多为文档、图纸、手册、维修工单等形式，故障定位大多依赖维修人员自身经验及技术水平，存在技术资料检索效率低下、维修经验转化不足、维修知识表示不统一等问题［4］。需要构建一套能够清晰表达装备维修保障活动中涉及各类数据信息的知识模型，并借助知识模型实现对知识信息的有序管理和高效利用。目前，国内外在工业设备知识建模与应用方面已开展了相关研究工作，PENG 等构建了复杂系统的通用知识本体模型，并基于知识模型实现产品的快速设计［5］；YANG 等构建了盾构机设备智能维修本体模型［6］；周强针对机床设备的故障诊断知识进行建模，并设计了知识驱动的故障诊断系统［7］；余磊等构建了装备PHM 知识化模型［8］；郝可基于装备维修保障知识模型，构建了装备维修保障云决策系统，实现了维修作业方案的智能化生成［9］。上述研究给出了相关领域的知识模型构建和应用方法，能够对装备维修保障领域知识模型的构建与应用设计提供指导。

本文基于本体表示方法，提出一种适用于装备维修保障领域的知识模型构建方法，结合装备维修保障活动特点，对知识进行合理、准确的表示；并针对该知识模型设计故障原因的可信度推理方法，引入维修人员经验化知识的量化表达，结合故障情境、故障现象、故障原因等因素之间的关联关系，辅助维修人员开展故障推理分析和维修决策制定。

1 装备维修保障知识分析

装备产品因高复杂度、高专业性和高价值的特点，与一般产品维修相比，其维修工作涉及环节多，影响因素广，故障修复的流程繁琐。因此，从装备维修保障工作流程、知识构成和知识特征3 个方面，分析装备维修保障知识特点。

1.1 工作流程

装备维修层级一般可分为基层级维修、中继级维修和基地级维修［10］；在新型维修体制下，将基层级和中继级合并为部队级，逐渐演进为部队级和基地级两级作业体系［11-12］。其中，基地级维修业务覆盖范围最广，维修过程中涉及的装备信息要素最多。以基地级维修为例说明装备维修保障工作的一般过程，如图1 所示。

图1 装备维修保障工作流程分析Fig.1 Analysis of the process for equipment maintenance support

1）故障登记：当装备发生故障且确需基地级维修时，将故障信息通过传真、电话等方式反馈给基地级维修部门，进行故障登记。故障登记所需信息一般包括故障发生时机或场景、故障部位、故障现象、故障影响等内容。

2）故障原因分析：基于已登记信息及装备现场检查测试信息，维修人员根据相关资料或经验，对故障进行分析，定位故障部位和故障原因。通常维修人员需要参考的资料包括装备结构资料、装备历史故障资料、装备故障模式及影响分析和危害性分析（FMECA）资料和装备故障树（FTA）资料等，需要分析得出的信息包括故障部位、故障类型、故障原因、故障程度等信息。

3）确定维修方案：根据故障原因分析情况，确定装备维修方式及维修方案，主要包括维修实施方案、维修人员、维修备件和维修设备等信息。针对换件维修方式，还需明确装备原件及备件的名称、代号、编号等基本信息，以及备件的库存数量、贮存时间及剩余有效期等信息。

4）维修保障工作执行：根据维修方案对装备进行维修，一般包括故障部位拆解、故障部位维修或更换、故障部位的重新安装、装备检查测试等工作流程。

5）维修工作信息存档：维修保障工作完成后，回溯分析维修过程关键信息，记录装备故障信息、装备维修信息、维修备件使用信息等信息。

1.2 知识构成

装备维修保障知识是对装备维修保障工作过程中涉及到的各类数据信息的规范化提炼与描述。从知识的一般性分类方法来看，分为描述性知识、判断性知识和过程性知识等［13］。对应装备维修保障知识则包括对故障发生场景、装备产品本身和产品故障情况等的描述性知识，对故障原因分析和测试信息判读等的判断性知识，对装备故障检查和装备维修保障等的过程性知识描述。因此，将装备综合保障知识概括为三大类构成要素，包括故障情境知识、决策评判知识和维修活动知识。

1）故障情境知识：是对装备故障的全面描述，包括对故障装备本身的描述（装备结构、出厂信息、过程履历等）、对故障现象的描述（故障时间、故障表现、故障部位等）和对故障发生时装备所处的环境、所执行的任务等的描述（时间、地点、天气、湿度、任务情况等）。故障情境信息是装备维修保障知识模型构建的基础，其描述应尽可能详细、准确，能够提高计算机对装备维修保障知识的理解与运用效率。例如，特种车辆在高原运行途中发生故障，如果缺失故障所处的环境信息，推理得出的维修方案则很可能是失效的。

2）决策评判知识：贯穿装备维修保障全过程的各类判断性知识，包括装备故障原因评判、装备维修等级评判、故障影响域评判、测试检查数据评判、装备维修效果评判、装备剩余寿命评判等。决策评判知识一般需要决策评判方法的支撑，是装备故障维修决策推理的重要判别依据。例如下文给出的故障原因可信度推理方法中，“故障表现权重”、“故障原因可信度”等均为决策评判知识。

3）维修活动知识：是为完成故障产品修复而开展的全部活动过程知识信息的总称，包括维修目的、维修计划、维修方案、维修资源等信息。维修活动知识是对维修保障活动过程的详实记录，也是对人员开展维修保障工作的经验性知识总结。随着维修活动的不断开展，维修保障知识也不断积累与完善。

1.3 知识特征

装备维修保障知识特征主要表现在复杂性、关联性、经验性和不确定性4 个方面。

1）复杂性：装备维修保障活动流程环节多、覆盖面广，涉及的数据类型多、信息来源广，装备产品涉及专业多、知识类型复杂，知识装备维修保障知识呈现出知识结构的复杂性。

2）关联性：装备与装备之间、装备产品各结构层级之间、装备与活动之间、活动与活动之间，以及活动所处的不同时间、不同情境之间均具备知识的关联性，装备维修保障知识呈现网络状的关系特点。

3）经验性：装备维修保障知识多来源于实际维修活动的经验总结，有些经验知识能够通过文字、图表等形式表达，大多经验知识还需结合所处的环境、历史数据信息等进行知识建模表示。

4）不确定性：由于装备产品自身的复杂性，装备维修保障活动中相关的推理决策行为如故障原因分析、维修方案制定等均具有不确定性，随着维修保障活动的推进，需要对决策评判类信息进行调整和优化，以期达到最佳的效果。

2 装备维修保障知识模型构建

2.1 知识模型的本体表示法

本体的概念源自哲学领域，随着计算机技术和知识管理技术的飞速发展，为了解决知识的共享复用及数据的互联互通问题，本体的理论被引入其中。德国学者Studer 给出了本体的相关定义“本体是共享概念模型的形式化规范说明”［14］，这个定义包含了共享、概念化、明确性和形式化4 层含义，目的在于构造一个人类视角的某领域基本框架，可以明确描述相关领域知识并进行统一表示和定义，使人们更容易地获取领域知识，也让计算机更易于处理和分析该领域知识。

PEREZ 提出通过分类方法描述本体［15］，NOY提出了本体模型的构建方法［16］。基于此，将装备维修保障知识本体模型EMSO（equipment maintenance support ontology）划分为概念（concept）、属性（attribute）、关系（relation）、约束（constraint）、公理（axiom）和实例（instance）等元本体，并用六元组形式表示：

对装备维修保障知识模型的元本体说明如下：

1）概念：表示领域知识元，包括一般意义上的概念以及任务、行为、过程等，在本体的实现中通常用类（class）来定义，具有一定的分类层次关系。按照装备维修保障知识构成来分，可展开为故障情境、决策评判和维修活动等3 个方面的核心概念。

2）属性：或称“特性（Properties）”，用于描述概念的特征。如对于“车辆装备”概念而言，其编号、名称、代号等均可定义为车辆装备概念的属性。

3）关系：表示概念之间的关联关系，常见的关联关系包括整体与部分、父子关系、相等关系等。装备维修保障知识概念之间的关系主要包括装备产品本身的结构层次关系、维修活动之间存在的先后关系及事件之间的因果关系等。

4）约束：或称“函数（Functions）”，表示概念之间约束性的特殊关系，用于表示多个概念共同决定某一概念的情况。例如，由维修活动的“开始时间”和“结束时间”概念，通过约束则能够确定维修活动的“所用时间”。

5）公理：表示永远为真的断言。在本体论中，公理对于关系和函数都具有一定的关联和约束。装备维修保障领域的公理，可以来源于相关国家军用标准及行业标准，还可通过对知识的总结提炼形成新的公理约束。

6）实例：表示某个概念类的具体实体。例如对于“车辆装备”概念而言，1#车辆装备、2#车辆装备均为“车辆装备”概念的实例。

2.2 知识模型构建流程

常见的本体构建方法包括骨架法［17］、TOVE法［18］、七步法［19］等方法，不同的方法有其适用的领域范围。结合对装备维修保障领域知识分析情况，综合骨架法和七步法构建流程特点，提出适用于装备维修保障领域的知识模型构建流程，如图2 所示。

图2 装备维修保障领域知识模型构建流程Fig.2 Equipment maintenance support knowledge model construction

1）确定知识模型构建的目的及应用范围：装备维修保障活动所面向的装备种类不同或应用场景不同，将会产生不同的知识模型需求，因此，需要在开始构建知识模型前确定构建的目的以及应用范围。

2）获取领域知识：一般可通过技术资料、各类信息系统中获取领域相关知识，包括标准规范、装备资料、维修手册、历史维修案例、辅助决策方法等，用于将装备维修保障领域所涵盖的重要术语、概念进行梳理总结。

3）构建知识管理框架：知识管理框架是基于知识模型构建知识组织管理模式，或建设相关知识应用系统的理论基础。

4）定义概念及其层次关系：围绕装备维修保障知识模型构建目的和应用范围，确定各类子概念的分支结构、分解颗粒度及层次关系。

5）定义对象属性及关系：即明确概念与概念之间的关系。在步骤4 确定的知识概念层次关系的基础上，定义知识概念的其它关系属性，如因果关系、包含关系等。

6）定义数据属性及关系：数据属性用于描述概念所具备的数据特性，并且具有传递性，即父层级概念所拥有的数据属性，子层级概念也将继承了该属性。

7）知识模型检验：由维修保障领域专家和知识管理专家对构建的知识模型进行检验，通过创建部分实体案例等方法对本体模型进行测试。装备维修保障领域的知识模型一般需具备明确性、一致性、可扩展性等特点。如果检验未合格，需要进行改进或者重新构建知识模型。

2.3 知识模型构建实例

本文以车辆装备为例，借助Protégé 工具软件，说明基于本体的装备维修保障知识模型构建的具体方法。

2.3.1 确定本体构建的目的及应用范围

构建对象为车辆装备的维修保障知识模型，以期实现车辆装备维修活动所涉及知识的规范性表达，并能够应用至车辆装备使用部门、维修部门等单位的信息化系统中，进而提升车辆维修知识的共享、检索与重用效率。

2.3.2 获取领域知识

梳理车辆类装备产品知识来源，主要包括：来源于随装备交付的各类技术资料和维修手册等资料；来源于信息化系统的车辆历史信息、检测与测试信息等数据；来源于维修专家、各类知识库的故障分析、寿命预测等方法。

2.3.3 构建知识管理框架

构建包括知识获取、知识组织和知识应用的3层知识管理框架，支撑实现车辆装备维修保障知识的层次化、精细化管理，满足车辆装备维修保障知识模型在组织管理与知识应用等方面的建设实施。3 层知识管理框架如下页图3 所示。原始数据信息经过提炼、总结等概念化过程，形成知识模型；在知识模型基础上，对数据信息进行知识抽取、知识关联等实例化过程，形成具体车辆装备的知识库；最后通过知识展示、知识检索等实现知识的最终应用。

图3 3 层知识管理框架Fig.3 Three-tier knowledge management framework

2.3.4 定义概念及其层次关系

按照装备维修保障知识构成，可将知识模型划分为故障情境、决策评判和维修活动三大核心概念。在此基础上，对概念进行细化扩展，形成车辆维修保障知识概念结构层次，如图4 所示。

图4 车辆维修保障知识概念结构层次图Fig.4 Vehicle maintenance support knowledge hierarchy

2.3.5 定义对象属性及关系

在完成本体概念及层次结构定义的同时，也完成了概念之间父子关系的定义。接下来还需要根据概念之间的实际关系，构建其它所需的对象属性及关系。由于子类能够继承父类所具备的关系，因此，可以按照知识概念的结构层次，自顶向下进行属性构建。表1 给出了车辆维修保障知识模型的部分对象属性。

表1 对象属性说明Table 1 Description of object properties

2.3.6 定义数据属性及关系

数据属性表征概念的数据特征，遵循从一般到特殊的规律，按照概念的结构层次自顶向下的构建概念，数据属性构建过程也体现出概念的数据特征。如“发动机”作为“车辆装备”的子类，能够继承车辆装备所具备的数据属性如“编号”，同时可定义“转速”、“转矩”等发动机专用数据属性。此外，构建“权重”、“可信度”等数据属性，用于维修人员对经验性知识的量化表达。表2 给出了车辆维修保障知识模型的部分数据属性。

表2 数据属性说明Table 2 Description of data properties

2.3.7 知识模型检验

借助Protégé 软件工具，对车辆维修保障知识模型模型进行表达，并创建测试实例进行实体关系映射，如图5 所示。

3 基于装备维修保障知识模型的知识推理方法

装备维修保障活动全流程中，装备故障问题的分析、技术资料的查阅和维修方案的制定等知识分析和知识推理过程，耗费了维修人员大部分精力。因此，在装备维修保障知识模型的基础上，实现装备知识推理和应用，辅助人员开展故障定位和方案制定，能够有效提升装备维修保障活动的效率和质量。

3.1 知识推理应用流程

基于装备维修保障知识模型的知识推理应用流程，主要包括用户需求输入、语义解析处理、故障知识匹配、故障原因推理、维修知识推送、推理匹配评判、知识库更新等环节，如图6 所示。

图6 知识推理应用流程图Fig.6 Knowledge reasoning process

1）用户需求输入：用户通过语言描述故障情境内容，包括故障现象、任务环境、故障部位等。

2）语义解析处理：对用户需求内容进行语义处理与解析，排除需求表达中无关的信息项，并转化为计算机方便处理的向量化表达。

3）故障知识匹配与故障原因推理：以用户需求的向量化表达为条件，检索基于装备维修保障知识模型的知识库，并通过语义相似度计算方法，匹配满足用户描述的故障情境知识；结合故障原因推理方法，可进一步推理得到该故障情境对应的故障原因及维修方案。

4）维修知识推送与推理匹配评判：将故障推理所得到的知识结果推送至用户，并由用户根据经验或进一步的故障排查对维修方案结果进行评判，如不满足要求，则调整需求表达内容重新进行知识推理。

5）知识库更新。推理结果满足用户需求，将本次维修活动作为案例知识，更新至知识库。

3.2 故障原因可信度推理方法

通过对知识推理应用流程分析可知，在匹配到满足用户描述的故障情境后，基于维修保障知识模型及知识库中的关联关系网络，通过关联发现等方法，能够得到故障情境对应的故障原因及维修处置方法知识［20］。由于装备产品自身的复杂性，实际情况中某一故障情境所呈现的故障表现往往不止一个，且一个故障表现可能对应多个潜在的故障原因，一个故障原因又可呈现出多个故障表现，使得装备故障原因的推理分析更加复杂。

因此，设计一种基于装备维修保障知识模型的故障原因可信度推理方法，即利用装备维修保障知识模型抽取故障原因实体及其关联的实体和属性，构建故障原因知识网络模型；再通过可信度推理方法对故障原因进行分析，根据可信度大小对故障原因进行优选与推荐。故障原因可信度推理流程如图7 所示。

1）构建故障原因知识网络：通过将装备维修保障知识模型三元组关系（主语-谓语-宾语）中，以故障原因作为主语或者宾语的所有关系和实体从中抽取出来。其中，核心的关系包括：“故障表现-HasReason- 故障原因”、“故障原因-IsReason- 故障表现”等关系属性；“故障表现-HasWeight-权重值”、“故障原因-HasReliability-可信度值”等数据属性。

2）故障表现权重：表示故障表现在故障情境中所占权重，实际故障诊断活动中，设备的故障现象特征对故障程度的反映有轻重之分，例如对于发动机故障而言，“发动机动力不足”这一表现所占权重大于“发动机油耗增大”。故障表现权重的取值范围为［0，1］，其初始数值可由维修专家给出，并已关联至装备维修保障知识库中。随着维修案例的积累和维修经验的总结，可对故障表现权重值进行动态调整。

3）故障原因初始可信度ε0：表示故障原因导致该故障表现发生的可能性大小。故障原因初始可信度取值范围为［0，1］，其初始数值ε0可以由维修专家给出。

4）故障原因的真实可信度ε0：对于故障表现而言，当其所关联的某个故障原因同时会导致其他故障表现，而其他故障表现在本次故障情境中没有表现出来时，则该故障原因的可信度降低。真实可信度与故障情境、故障原因等均有潜在的关联关系，可作为故障推理评判的重要指标。下面举例说明真实可信度的计算方法。

式中，P（ri）为故障原因可信度调整系数，（eRini）为为故障表现eRini在故障情境Q 中所占权重，ε0（eRini）为与故障表现eRini关联的故障原因的初始可信度，ε（0eRoutj）为与故障表现eRoutj关联的故障原因的初始可信度。

真实可信度计算值可能会超过1，一般发生在多个故障表现指向同一故障原因时。为保持可信度表达的统一性，可对真实可信度进行归一化处理：

式中，εnorm（ri）为故障原因真实可信度归一化处理后的取值；εmin（ri）、εmax（ri）分别为故障原因真实可信度最小值、最大值，可根据实际经验取常量。

5）可信度阈值τ：为故障原因可信度的输出判断阈值，高于可信度阈值的故障原因作为故障推理的结果，推送至用户使用。分别对故障情境Q中的y 个故障原因求取真实可信度，并按照真实可信度大小进行排序，其值最大的故障原因作为故障推理的最优解。但在实际故障排查活动中，真实的故障原因并不一定真实可信度最大，需要通过人员实际排查进行确定。故障原因推理的可信度阈值τ 可由维修专家初始给定，也可按照输出结果数量按比例给定，例如设定输出结果比例为30%，则故障原因推理的输出结果为可信度最大的前30%个故障原因。

3.3 故障推理实例分析

某车辆装备发生故障，初步定位故障情境为“发动机异常”，故障表现主要为“发动机加速不良”、“发动机油耗过大”。

1）构建故障原因知识网络：基于装备维修保障知识模型及知识库，抽取故障表现、故障原因、故障表现权重、故障原因可信度等信息，并构建故障原因知识网络如图8 所示。

图8 故障原因知识网络图Fig.8 Failure causes knowledge network

2）计算故障原因真实可信度：按照式（2）分别计算所列故障原因的真实可信度，计算结果如表3所示。

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

3）推理结果分析：按照输出结果比例为50%给出推理结果，得到推理结果为“节气门故障”、“排气受阻”、“空气滤清器堵塞”和“点火系统故障”等4个故障原因。其中，“节气门故障”为最可能导致本次发动机异常的故障原因，均可造成“发动机加速不良”和“发动机油耗过大”的故障表现；“点火系统故障”虽也可以造成以上两种故障表现，但该故障原因同时还可能导致“发动机不能启动”、“发动机易熄火”、“发动机怠速不稳”等故障表现，这些表现未在本次故障情境中显现，因此，由点火系统故障导致的发动机异常情况可能性较低。实际工作中，维修人员根据输出的故障原因推理结果，按照最优顺序进行排查，如仍未定位到真实故障，可选择继续查阅系统未推送的剩余故障原因推理结果，也可通过调整需求表达，重新进行推理分析过程。

4 结论

当前装备领域维修保障阶段存在知识利用效率低、经验知识转化不足、故障定位分析困难等问题，难以实现知识的有效共享、传递和应用。本文以车辆装备为例，设计了一种以故障情境、决策评判、维修活动为核心概念主体的装备维修保障知识模型，能够在一定应用范围内统一和规范维修保障知识的表达，为基于知识模型的知识库构建、知识管理和知识推理等应用提供参考。在此基础上，引入维修人员经验性知识的量化表达方法，并提出基于故障原因知识网络的可信度推理方法，综合故障情境、故障表现、故障原因及人员经验知识等多种因素，实现维修知识的有效推理计算。最后，以车辆装备发动机故障为例，说明了所提方法的可行性，为装备领域维修保障知识模型构建和推理应用提供借鉴。