舶装备远程维修技术支援知识库系统研究

王俊龙 袁伟 管旭军

摘 要：为了改善目前船舶装备远程维修技术支援系统缺乏知识查询、相似案例检索、案例推理等知识管理缺陷，提出基于本体构建的远程维修技术支援知识库系统。通过对故障案例进行分析，提取案例特征，并运用属性相似度计算，进行案例检索匹配；若检索到的故障案例不适用，则运用模糊C均值法对故障案例库进行处理并得到精简案例库，同时运用神经网络对其进行训练，使系统形成案例推理能力，再结合专家经验，形成实用的故障解决方案。研究结果表明，该方法解决了目前船舶装备远程维修技术支援系统缺乏知识查询、相似案例检索、案例推理等问题，提高了船舶装备远程维修技术支援的知识管理能力和效率。

关键词：远程支援；本体知识库；模糊C均值；神经网络

DOIDOI：10.11907/rjdk.182262

中图分类号：TP319

文献标识码：A 文章编号：1672-7800（2018）010-0137-04

英文摘要Abstract：In order to solve the disadvantage in current ship equipment remote maintenance technical support system which is lack of knowledge query， similar case retrieval， case reasoning and other knowledge management issues， we propose the remote maintenance technology support knowledge base system based on ontology. Through the analysis of the fault case and extraction of the case characteristics， the attribute similarity calculation to carry out the case search matching is then conducted. If the retrieved fault cases are not applicable， the fuzzy C-means is applied. The method processes the fault case library and obtains a streamlined case library. At the same time， it uses neural network for training so that the system forms case reasoning ability， and then combines expert experience to form a practical fault solution. The research results show that the method solves the problems of lack of knowledge inquiry， similar case retrieval and case reasoning in the current ship equipment remote maintenance technical support system， and improves the capability and efficiency of remote maintenance technical support for ship equipment.

英文關键词Key Words：remote support； ontology knowledge base；fuzzy C-means； neural network

0 引言

随着船舶远海航行不断增多，其装备使用频率不断提升，工作强度不断加大，对船舶装备远程维修技术支援[1]的维修保障能力也提出了更高要求。远程维修技术支援知识库系统不仅可为船员提供远程知识查询，还可以为船员、专家提供相似案例匹配、案例推理等知识服务功能，为远海船舶装备故障问题提供实时、有效的故障解决方案。因此远程维修技术支援的知识管理功能显得尤为重要，已成为远程维修技术支援系统需要解决的重要问题之一。

近年来，众多学者和研究人员针对船舶远程支援业务流程、呼叫中心及系统设计[2-4]进行了相应研究，为远程维修技术支援体系的建立及系统设计奠定了良好的基础。目前，在本体知识库系统研究方面，史江萍、佟伟光、王大玲等[5]提出一种基于描述框架的故障知识表示方法，使知识能进行推理。王珉、胡茑庆、杨思峰等[6]运用产生式规则表示知识，对故障知识库的更新方法进行研究并仿真，实现了故障知识的积累。前述研究成果实现了知识管理功能，但其知识共享与案例推理能力较弱，效率较低。王志、夏士雄、牛强等[7]通过引入本体，对故障知识推理方法进行研究，使故障知识共享、知识复用能力得到提高，但缺乏对知识库构建过程的详细说明。康剑山、姚路、曾斌等[8]采用CBR与RBR混合专家系统，实现了故障案例的推理，但其推理能力依然较弱。

本系统通过引入本体，构建本体模型基础平台，提供本体查询、本体可视化、本体存储等管理功能；然后对故障案例信息进行描述并形式化，通过提取故障案例特征，进行相似度计算，实现案例检索匹配；同时，结合模糊C均值法对故障案例库进行处理，去除故障案例库中的冗余故障案例，得到精简案例库，和其它故障案例库相比，既节省了部分存储空间，又提高了案例检索精度；再运用神经网络在案例预测及属性权重方面的优势，对其进行充分训练，使系统形成案例推理能力；最后结合保障领域专家经验，形成实用的故障解决方案，并及时提供给船员、维修人员和专家，实施远程故障维修。

1 系统设计

船舶装备远程维修技术支援知识库系统主要分为知识获取和知识运用两个环节。在知识获取环节，以装备对象为中心，依据相关技术资料、维修保障记录共同构建装备故障与维修知识模型，并对其进行形式化处理，构建信息库、术语字典、案例库；在知识运用环节，通过向用户提供信息查询、IETM数据包、案例推理库等功能，最终给用户提供良好的知识学习、推理和检索功能，其软件体系结构如图1所示。

远程知识库系统主要分为本体模型基础平台和知识库管理业务模块两个层次，前者为基础。

本体模型[9-12]基础平台主要用于本体模型的构建和管理[13-15]，主要包括通用本体管理平台和船舶维修保障本体定制模块两部分，前者是定义本体的工具，后者是面向船舶维修保障领域的本体定制。

知识库管理业务模块按照功能划分为基本信息管理模块、技术资料管理模块、维修保障记录管理模块、技术力量管理模块、案例管理模块和IETM数据包管理模块。其中基本信息管理模块、技术资料管理模块、维修保障记录管理模块支撑案例管理模块，基本信息管理模块支撑技术力量管理模块，前5个模块支撑IETM数据包管理模块。

2 系统实现

2.1 故障案例表示

船舶装备故障案例是远程支援知识库系统的数据核心，而基于案例推理[16-18]生成的维修方案，则是船舶装备故障案例的主要数据来源。故障案例表示是知识获取的第一阶段，直接关系到知识检索的精度和速度，因此，需要对其进行形式化处理。故障案例主要包括故障装备、故障部位、故障现象、故障原因、修复方案等，表示为一組属性的集合，如表1所示。

2.2 故障案例生成方法

基于故障案例推理的维修方案生成方法如图2所示，主要分为以下几步：

（1）故障问题描述。当发生故障问题时，用户首先对该故障问题进行理解，并用可识别的语言进行解释，系统在上述基础上形成一个结构化并可查询的故障案例，为下一步故障案例检索提供依据。本系统采用XML-Schema对故障案例信息进行描述，具体故障案例信息的XML-Schema如下：

解决方案1. 损伤曲轴曲柄销轴颈修复、抛光及检测

2. 装配新配轴瓦

3. 制定滑油系统清洁方案，将故障导致的滑油系统污染彻底清除

经验总结柴油机连杆摩擦，使脱落的轴瓦合金层进入滑油过滤器，导致堵塞，压力下降

Default=”unqualified”>

利用DOM解析技术对XML-Schema进行解析，提取文档结构，载入其数据，以上述故障案例信息为例，其结构如下所示：

<故障案例信息xmlns：xsi=”http：//www.w3.org/2001/XML-Schema instance” xsi：noNamespaceSchemaLocation=”F：＼＼xml＼故障案例信息.xsd>

<故障 案例编号=” CTR2016121701”>

<故障装备>柴油机

<故障部位>活塞

<故障时间>2016年12月17日

<故障现象>柴油机活塞冷却滑油压力报警停机，启动预供油泵后发现无法盘车

<故障原因>主柴油机工作时间已11 000小时，个别连杆大端轴瓦磨损超差后，滑油油膜难以充分建立，干摩擦导致轴瓦合金层烧熔

<解决方案>损伤曲轴曲柄销轴颈修复、抛光及检测；装配新配轴瓦；制定滑油系统的清洁方案，将故障导致的滑油系统污染彻底清除

<经验总结>柴油机连杆摩擦，导致脱落的轴瓦合金层进入滑油过滤器，导致堵塞，压力下降

故障

（2）故障案例检索。故障案例通常包含多个不同的案例属性，根据新的柴油机故障案例的属性，进行属性匹配和相似度计算，从已有的柴油机故障案例库中检索与新的柴油机故障案例属性相似度最大的故障案例，根据故障案例之间可能存在的父子关系、因果关系等进行推理并整合故障案例。其检索算法如下：设新的柴油机故障案例为故障案例A，原始故障案例为故障案例B，根据公式（1）计算两者相似度，其取值越小，则案例A与案例B相似度越大，对故障案例的推理与整合更有效。

min（A，B）=∑ni=1Wi[xi（A）-xi（B）]2/∑ni=1Wi（1）

其中，xi（A）、xi（B）分别表示故障案例A与故障案例B的第i个属性的置信度，[xi（A）-xi（B）]2表示故障案例A与故障案例B在属性i上的相似度，Wi表示屬性i的权重值，该值由保障领域的专家给出。

（3）故障案例推理及整合。如果系统检索出相似的柴油机故障案例，则根据该次故障案例属性进行调整，并修改检索出的相似故障案例中故障解决方案的某些参数，依据案例之间可能存在的父子关系、因果关系等进行推理并整合案例，得到适合当前远程维修问题的建议方案。

（4）故障案例修正。在重复使用过程中，若提供的方案完全不适用，或仅部分适用于新问题，则需依据新问题的具体条件对其相关参数进行修改，以适用该问题。

（5）故障案例存储。把故障案例修正后提供的解决方案运用到本次柴油机故障维修中，并对其结果进行分析评估，然后对案例检索和案例修正后的故障案例进行加工处理，将其作为新故障案例存储于系统案例库，以使系统案例库规模扩大、完善。

2.3 故障案例推理流程

故障案例检索及推理过程如图3所示。

（1）搜集整理已有的历史故障案例及解决方案，找出案例中包含的属性，并建立原始案例库。

（2）利用FCM方法（即模糊C均值法）对原始案例库进行去噪处理，得到新的精简案例库，并输入到神经网络训练样本中[19]。

（3）利用距离公式[20]检索得到最相似案例及其相应解决方案，在分类问题中，解决方案即为案例所属类别。

（4）将系统检索得到的结果与专家自身的经验相结合，得出所需建议方案，然后船上维修人员根据该建议方案进行实施验证，若实施成功，则形成最终确认方案；若实施不成功，则需重新进行案例推理及整合，给出新的建议方案，直到方案能够成功实施。

（5）专家对确认方案进行提炼形成新案例，并将新案例存储到案例库中。

3 结语

通过船舶装备远程维修技术支援知识库系统的研究，解决了支援系统仅基于Wiki数据管理而无法提供知识管理功能的问题。本系统实现了船员、维修人员、保障专家之间的沟通，并提供知识查询、相似案例检索及案例推理等功能。目前，系统故障案例规模较小，随着船舶远海任务的常态化，后期系统中的案例将逐渐增多，案例库将更完善，为系统知识检索提供更加丰富的素材。后期根据积累的案例库，将对系统检索效率与精度进行更加深入的研究及验证。

参考文献：

[1] 朱石坚，章林柯.船舶装备远程维修支援体系研究[J].海军工程大学学报，2004，16（3）：20-23.

[2] 程鹏，罗建军，周维.远程维修技术支援呼叫中心的设计[J].舰船电子工程，2007，27（3）：163-166.

[3] 宋蕾.海军远程维修支援保障系统的构建方法研究[J].舰船电子工程，2015，2015（10）：9-13.

[4] 冉金志，林初善，潘青.通信装备远程维修支援系统设计[J].中国科技信息，2015（2）：71-72.

[5] SHI J P， TONG W G，WANG D L. Design of the transformer fault diagnosis expert system base on fuzzy reasoning[C]. Proceedings of the Computer Science-Technology and Applications，2009：110-114.

[6] WANG M， HU N Q， YANG S F， et al. Study on application of fault-simulation-based fault-knowledge base[J]. Journal of As-tronnautics，2010，31（4）：1253-1258.

[7] WANG Z， XIA S X， NIU Q， et al. Construction of ontology-based mine-motor fault Knowledge base[J]. Computer Engineering，2010，36（10）：270-275.

[8] 康剑山，姚路，曾斌.远程支援系统中故障诊断专家系统研究[J].船舶电子工程，2013，33（11）：109-111.

[9] SHI C W， CHEN M Y， CHU H C， et al. Enhancement of domain ontology construction using a crystallizing approach[J]. Expert Systems with Applications，2011，38（6）：7544-7557.

[10] RUBEN C， CELSON L， JOAO S， et al. Facilitating knowledge sharing and reuse in building and construction domain： an ontology-based approach[J]. Journal of Intelligent Manufacturing，2016，27（1）：263-282.

[11] 于鑫刚，李万龙.基于本体的知识库模型研究[J].计算机工程与科学，2008，30（6）：134-136.

[12] 胡金强，冀亚林，刘滨.基于本体的装备保障知识库研究[J].中国科技资源导刊，2009（7）：52-56.

[13] 卞丽，薛华.一种基于本体的故障诊断知识库系统的构建研究[J].信息科学，2009（2）：69-71.

[14] 彭菲.基于本体的海军军械保障知识库构建研究[J].装备学院学报，2012，23（5）：55-58.

[15] 周扬，李青.飞机故障知识的本体建模及语义检索[J].计算机工程与应用，2011，47（16）：12-15.

[16] 王慧滨.基于规则和案例推理的七轮发电机组故障诊断专家系统[D].兰州：兰州理工大学，2014.

[17] 陈桂芬，汪江，杨志刚.基于本体的规则推理和案例推理结合的糖尿病诊疗专家系统研究[J].长春大学学报，2016，26（3）：19-25.

[18] 张凯岚.基于案例推理与神经网络的建筑成本预测研究[D].长春：吉林大学，2013.

[19] 韩敏，沈力华.基于FCM与神经网络的案例推理方法[J].控制与决策，2012，27（9）：1421-1424.

[20] 沈力华.基于智能优化算法的案例推理方法研究[D].大连：大连理工大学，2010.

（责任编辑：江 艳）