Icni系统智能故障诊断系统的制作方法
【技术领域】
[0001]本发明涉及一种主要应用于航空电子综合化通信导航识别(ICNI)系统的智能故障诊断系统，主要用于对ICNI等航空电子分系统进行自主快速的离线式故障诊断和维护管理，并给出故障解决方案。
【背景技术】
[0002]随着航空电子技术的发展，航电系统变得越来越先进，也越来越复杂，对航电系统的高可靠性要求，使故障诊断成为一个非常重要的问题。为提高战斗机安全性、可维护性和出勤率，对其进行故障诊断，及时作出故障检测、隔离和恢复对策，必然会对战斗机可靠完成各项任务发挥重要作用。目前在航空航天故障诊断专家系统中广泛采用基于规则推理(Rule-Based Reasoning, RBR)的产生式专家系统。专家系统可分为基于规则推理RBR和基于事例推理CBR两大类。RBR系统根据规则库进行推理，规则确定是建立该系统的过程中最为困难的阶段之一。规则库需要领域专家和知识工程师反复交换意见后才能形成。即使这样，由此获取的知识仍然可能是不全面的、不准确的，尤其是这些知识往往是静态的，不能适应领域知识不断发展的要求。这种方法比较成熟，且简单易用，开发周期短，容易被用户理解。但目前采用基于规则推理的专家系统，其知识获取困难，自学习能力差，推理效率低，知识获取困难，尤其是一些知识无法或很难用规则表达。虽然一些文章在航空航天其他分系统的故障诊断中将基于案例推理(Case-Based Reasoning, CBR)的方法与RBR方法相结合，获得了很好的效果。但是在这类系统中规则和案例往往并没有很好地结合，而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面，一定程度上限制了两种推理机模块制各自优点的发挥。事例库是CBR系统的重要组成部分。RBR系统使用CLIPS引擎。该引擎由美国宇航局NASA开发，它是利用事先确立的规则库进行推理的。该系统由推理引擎、事例库和规则库组成。推理引擎通过事例匹配，激发相关规则，得到推理结果。事例库由网络拓扑、设备属性组成。不同的设备生成不同的事例库。规则库保存在文本文件中，可以添加或修改。系统首先对事例进行预处理，利用网络拓扑事例库和设备属性事例库，自动地生成相关器件装置线路关联关系以及相关器件和设备的远后备关系，然后根据相关器件。装置动作与设备故障之间的关系自动生成事例库。由于在实际应用中往往会出现规则获取难，且一些知识无法或很难用规则表达的情况。针对此类问题，一些研究者将基于案例的推理CBR应用到诊断系统中。利用规则获取难、易表示和推理，实例获取容易，推理难的特点将基于规则的推理RBR与CBR方法结合。但这类系统中规则和案例往往并没很好地结合，而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面，一定程度上限制了两种推理机模块制各自优点的发挥。事例量大可以提高可靠性，但如果事例过多造成冗余，则会降低系统的运行速度和可维护性。系统事例量较大，如果完全由人工输入，不仅难以维护而且准确性得不到保证。
[0003]CNI 是(Communicat1n、Navigat1n、Identificat1n)三个单词缩写，意为机载通信、导航、识别系统，综合化(Integrated)的通信导航识别系统被称为ICNI系统。随着航空电子综合化程度不断提高，其故障诊断的复杂性和困难度也随之提高。ICNI分系统作为航电系统重要的组成部分，系统交联复杂、测量参数多，其多层级综合化以及可重构设计带来了故障的并发性、关联性、可预测性和隐藏性，一直采用的维护BIT和人工诊断相结合的传统维护诊断方法，故障诊断效率依赖于维护人员经验，维护诊断效率低，维护数据成为“孤岛”不能实现共享，维护诊断经验得不到规范化的传承，已不能满足未来对ICNI集成保障和智能维护的需求。
【发明内容】
[0004]本发明的任务是提供一种故障诊断快速可靠，可减轻运行人员的工作量，能够提高自学习能力，提高维护效率，实现智能化自动化诊断，适用于ICNI系统的智能故障诊断系统，以解决ICNI系统人工维护诊断效率低下、维护数据、经验和领域知识不能共享、存储、评估和优化的问题。
[0005]本发明的目的可以通过以下措施来达到。一种ICNI系统智能故障诊断系统，包括:人机接口模块、推理机模块、解释机模块、知识获取模块、知识库及其管理系统、综合数据库及其管理系统和诊断信息获取模块，其特征在于，知识库及其管理模块基于故障树对ICNI分系统的故障模式、系统构型、测试方法和维修策略进行规范化研究和数学建模，读入XML格式的IETM系统文件，采用关系数据库管理系统SQL Server数据库软件框架，以关系数据库来构建故障现象、故障模式、检测方法、历史案例和故障树内部事件之间的逻辑关系形成知识库；诊断信息获取模块通过以太网与自动测试系统交互获取来自综合化通信导航识别系统ICNI和测试仪器的诊断数据，推理机模块采用基于规则推理CBR和基于案例推理RBR混合诊断推理，对用户输入的故障现象、知识库所存储领域知识、来自自动测试系统的诊断数据作出综合判断后，自动选择推理方法对故障进行推理诊断，并输出推理过程和推理结果至解释机模块，同时完成自学习，并生成诊断报告。
[0006]本发明具有如下有益效果:
本发明以基于知识的专家系统为核心，构建知识库、综合库、推理机模块、解释机模块等实现诊断；采用基于规则推理CBR (Case-based Reasoning)和基于案例推理RBR (Rule-based Reasoning)混合诊断的推理机模块制和用加权K-近邻算法和粗糙集理论实现基于案例的诊断推理、优化和自学习，采用正反向混合推理实现基于规则的推理；以SQL2008数据库作为平台，采用产生式规则和基于特征的案例两种知识表示形式，基于E-R模型方法，针对ICNI的故障模式、系统构型、测试点和维修策略等航空电子领域知识进行规范化研究和数学建模，创建知识库；通过动态链接库和以太网实现与自动测试系统的控制和通信，从ICNI和测试仪器获得诊断数据；定义一套IETM系统模块级XML格式输出文件，从中读取维护数据至知识库；对故障诊断过程进行可视化展示；本发明提供了通用知识规范和解决方案，可以适用于不同机型ICNI的故障诊断。
[0007]在诊断方法上，本发明采用基于故障树和专家系统相结合的方法，专家系统能够方便地进行推理和对用户进行解释，具有较强的容错性，具有快速推理和实时判断的能力，较好地反映了人类专家的推理过程，能够满足航电系统故障诊断的要求。避免了单一故障树分析与系统结构缺乏联系的缺点，将故障树分析建模结果作为专家系统输入之一，一定程度上解决了专家系统知识获取的瓶颈问题，适用于系统构型明确、具备完善的故障树分析基础、故障类型与特征比较清晰的ICNI系统；
在推理机模块上，本发明采用CBR和RBR相结合的混合推理，针对ICNI系统，对其故障和故障现象进行分类，根据故障现象和推理中获得的诊断数据自动选择推理方法进行推理，提高了诊断的适应性和准确性。本发明在航电系统故障诊断中使用RBR和CBR结合的混合制；使用树状数据结构将规则和案例两种知识组织起来，基于CBR和RBR混合推理设计并实现了航电ICNI系统故障诊断专家系统。针对综合化通信导航识别系统故障诊断的要求及其特点，充分考虑了专家进行故障分析的经验，把他们的知识分为抽象的规则和具体的案例，使用适合计算机运算的结构将这些知识组织起来，将其应用于通信导航识别系统的故障诊断中。在推理机模块制上，使用CBR和RBR混合推理。通过仿真实验对系统进行检验，取得了很好的实用效果。采用本发明RBR系统自动生成的基本案例库及无确定规则的特殊事例，在使用中还可不断地增加新案例以提高系统判断复杂故障的能力。由于采用了混合推理，系统故障诊断快速可靠，动作评价准确，自学习能力也得到很大提高，可减轻运行人员的工作量。本发明CBR系统是根据案例匹配得到问题解的，由于其在应用过程中可通过自学习逐渐完善案例库，因而可以有效地克服知识获取瓶颈问题，大大延长了生命周期。CBR系统在运行时也可不断添加新案例以增强判断功能。添加规则为:即使新案例没有找到完全匹配的旧案例，只要判断结果正确，就不加入案例库。即只有在判断错误的情况下才将其加入案例库，从而提高了系统的稳定性和运行速度。对于一些复杂的故障，如果系统判断错误，则可将其加入案例库，以提高系统的诊断能力。如果对于诊断规则有了新的认识，可以通过RBR系统重新生成规则库，完善系统功能。因此本系统不仅诊断解释功能不亚于单纯的RBR系统，而且具有很强的自学习能力。
[0008]在知识库设计上，本发明结合对ICNI系统航管应答、识别询问/应答、微波着陆、罗盘/信标、高度表、塔康/DMEP、超短波、短波、仪表着陆、卫通等功能故障模式经验和数据进行分析建模，融合了基于框架、基于案例、基于规则的知识表示方法，采用S