关键词：空气循环制冷设备;故障树;知识库;推理机
Abstract: Based on the deep research of the air circulating refrigeration equipment’s working principle, Fault tree and expert system are introduced to air circulating refrigeration equipment fault diagnosis. Fault diagnosis expert system of that equipment is designed successfully. This paper introduces the basic scheme and designing theory and gives a detailed description of the design of knowledge base and inference engine. The system can find the fault part quickly and accurately, then improve the efficiency of engineering maintenance.
Keywords: air circulating refrigeration equipment; fault tree; knowledge base; inference engine
1 引言
空气循环制冷设备用于在飞机发动机停机状态下，在地面通电检查和维修飞机电器电子设备时，给飞机设备舱提供干燥而洁净的给定温度和湿度的冷风、热风和通风，以达到控制飞机电器电子设备工作环境条件的目的。该设备采用空气压缩和膨胀技术实现制冷和加热，与近年来一些新型飞机的机上环境控制系统的原理相似，不同之处在于机上环控系统采用飞机发动机压缩空气作引气，而该设备采用空压机压缩空气为空气动力源[1]。
由于该设备结构复杂、工作环境严酷，造成设备故障的原因繁多。现场分析、判断和处理故障，往往依赖维修人员对设备故障机理的把握程度和经验，具有一定的主观性。这就难免由于经验不足而导致失误，延误维修时间。建立空气循环制冷设备故障诊断专家系统，可大大减少修理的盲目性，提高经济性和安全性，具有重要的经济效益和应用前景。
本文将故障树分析法和专家系统相结合并引入到空气循环制冷设备故障诊断中，既发挥了专家系统的诊断快速有效的特点，又利用故障树解决了诊断知识获取的瓶颈问题，从而保证了诊断知识的完整性。
2 空气循环制冷设备故障诊断专家系统的组成
2.1 基于故障树的故障诊断专家系统的优点[2-6]
（1） 可以根据故障树最小路集和最小割集，确定系统全部正常工作模式和故障模式。
（2） 可以根据底事件发生概率，求出每个故障模式发生概率的大小，故障模式按发生概率大小排序，可以确定造成系统故障的各个故障模式影响大小。
（3） 逻辑性强，不易遗漏故障原因，从故障树顶事件开始，经过逻辑严密的逐级分析，凡是能够引起该故障的原因都能找到，并提供维修意见。
（4） 引起故障的原因一目了然，引起故障的各个因素都可以从故障树获取，可避免排除故障时的盲目性，提高效率。
（5） 利用关系数据库的特点，可以快速的修改及浏览知识库，方便专家检查和更新知识;采用模块化设计，容易实现知识库、推理机及应用程序的分离，有助于维护整个专家系统。
2.2 故障诊断专家系统的组成
空气循环制冷设备故障诊断专家系统包括人机界面、知识库、推理机、知识获取子系统、解释子系统和综合数据库等部分。图1所示为该专家系统的结构。
图1 专家系统的结构
空气循环制冷设备故障诊断专家系统就是用该设备的专家知识来求解那些在实际中需要专家才能有效解决的问题。系统的构建中，知识库和推理机的设计显得尤为重要。
3 故障诊断专家系统知识库
知识库主要用来存放领域专家提供的领域知识，是整个专家系统中的重要组成部分。它
拥有知识的数量和质量是衡量专家系统性能好坏及问题求解能力大小的重要因素。
3.1 知识获取
拥有知识是专家系统有别于其他计算机软件系统的重要标志，而知识的质量和数量有是决定专家系统性能的关键因素，如何使专家系统获得高质量的知识，正是知识获取要解决的问题。
知识获取采用故障树的构建方式，故障树具有标准化的知识结构，若利用故障树知识生成专家系统知识库，不仅可以极大地降低系统知识获取的难度，又能通过求解最小割集，使生成的知识库尽可能的简化，降低冗余，便于推理的进行。在构建本系统的知识库之前，首先将内容丰富且复杂的故障诊断知识建成故障树，然后分析各故障现象和原因之间的关系，将其反映到规则中去。
在故障树构建上，以空气循环制冷设备故障为根结点，以24种常见故障如异常响声、电动阀门不工作等事件为二级结点构成第一棵故障树，即总树（图2），对应事件列表见表1.然后再以这24种常见故障为根结点构成24棵子故障树。在这24棵子故障树上的叶结点（与基本事件相对应）的排序上，尽量把容易检查的事件放在前面，以便达到与工人师傅的思维一致，达到尽量提高匹配效率的目的。对应事件列表见表1。
图2 总树示意图
表1总树事件代码
故障诊断的程序是先定位到故障现象所对应的子故障树，然后把排序最先的事件提交给维修人员进行判断，若判断结果为基本事件，无法再展开，诊断停止;若不是基本事件，根据提示继续进行判断。在诊断的过程中，故障树给出相应的测试指南或诊断判别数据，最后给出维修策略及相应的故障树诊断轨迹。
3.2 知识表示
知识表示就是知识的符号化和形式化的过程。在一个专家系统中，知识表示模式的选择不仅对知识的有效存储有关，也直接影响着传统知识获取能力和知识的运用效率，因而知识表示是知识工程中最基本的问题之一。
由于本专家系统的故障诊断知识库是基于故障树分析法建立起来的，知识一般具有经验性、因果性的特点。知识库中的结论知识之间具有故障树所独有的层次关系，也就是说，知识库中得一个结论性知识有可能是另一个结论知识的前件，非常适用产生式规则来组织知识库。因此本系统采用产生式规则来表示故障诊断知识，表示形式为
IF E THEN H （CF（H，E））
其中，E是知识的前提条件，它既可以是单个条件，也可以是用and 或or 连接起来的复合条件;H是结论，它可以是单个结论，也可以是多个结论。CF（H，E）是该条知识的可信度，称为可信度因子。CF（H，E）在[-1，1]上取值，它指出当前提条件E所对应的证据为真时，它对结论为真的支持程度，通常由领域专家直接给出。值越大表示相应的知识越为真。当CF的值为1时，表示相应的知识为真;当CF的值为-1时，表示相应的知识为假。
3.3 知识库的管理
知识库的管理就是对知识进行组织、管理和维护。根据实际使用情况，不断扩充新的知识，删除无用的知识，修改有错误的知识，逐步提高知识库的质量和系统的水平。主要包括对知识的增加、删除、编辑、检索和一致性、完整性检查等管理和维护工作，来保持知识库的一致性和完整性。
实际应用中，管理人员通过专家系统的增加知识功能输入需要增加的领域知识，包括故障现象、故障原因和排除方法。然后，系统将输入知识转换成知识库默认的知识规则格式，然后校检。知识的校检主要包括冗余性校检和矛盾性校检。冗余性校检是检查所输入的新知识的前提或结论同知识库中已有知识的前提或结论是否存在相同情况。矛盾性校检是查看是否存在输入的领域知识的前提同知识库中已有的知识规则的前提相同，但结论不同或相反的情况。经过校检后，正确的知识将存入知识库，反之系统弹出错误对话框。数据库的查询、删除等功能的具体实现将在系统设计中详细介绍。
4.推理过程与实现
推理方法有3种：正向推理、反向推理和混合推理。正向推理是最常用的方法，本系统应用正向推理。正向推理又称为数据驱动策略或前向推理，这种控制的基本思想是：从问题已有的事实开始，正向使用知识，当与已有事实匹配时，该知识为可用知识，然后通过冲突消解，在可用的多个待匹配的知识中选择一条启用规则，启用规则的使用导致上下文的改变，从而引起新的规则的匹配，如此地循环往复，直至到达一个问题状态没有可用知识或求得了所要求的解为止。其推理过程如图3所示：
图3推理流程图
其中待匹配规则的概念为：规则a是规则库中任意一条规则，若观察到的故障征兆的条件包含在规则a的条件部分中，则称规则a是待匹配规则。匹配规则的概念为：规则a是规则库中任意一条规则，若观察到的故障征兆的条件与规则条件部分包含的内容完全相等，则称规则a是匹配规则。
5.结语
本文主要介绍了空气循环制冷设备的故障诊断专家系统知识库的建立与推理机的设计，在对空气循环制冷设备系统结构和工作原理的深入研究的基础上，将故障树引入知识库的结构中，然后成功构建了一个功能完善的飞机地面空调车的故障诊断专家系统。该专家系统能起到部分代替专家指导现场检修的作用，对延长空气循环制冷设备及飞机的寿命，降低其维护、维修费用及保证实验的可靠性和安全性均有重要意义。
本文创新点在于针对空气循环制冷设备的特点，构建该设备的故障诊断专家系统。将故障树分析法引入专家系统中，有效解决了知识获取的瓶颈问题，保证诊断知识的完整性同时也发挥了专家系统故障诊断快速有效的特点。利用故障树建立的专家系统可靠性高，分析故障全面，充分利用了长期以来专家对空气循环制冷设备的维修经验。尤其是本系统构建的故障树本身就是一种形象化的技术资料，对维修人员是一种十分有效的直观教学资料和维修指南，且与人类专家的思维相一致，易于理解和掌握。
参考文献：
[1] 李军.飞机地面空调车智能化故障诊断系统设计[D]. [硕士学位论文]大连：大连理工大学.2005：1-3
[2] 陈炜，吴志良.故障诊断专家系统结合故障树技术的结构研究[J].航海技术，2005（6）：43-45
[3] 蔡宗平，汤正平，闵海波.故障树分析法的专家系统在故障诊断中应用[J].微计算机信息，2006，8-1：135-137。
[4] 王冬梅，王黎，张涛.铁路机车故障诊断专家系统的设计[J].微计算机信息，2006，10-1：221-223。
[5] 金星，洪延姬.基于故障树的智能型故障诊断系统[J].宇航学报，2001，22-3：111-113
[6] 陈朝阳，张代胜，任佩红，许化东.基于故障树分析法的汽车故障诊断专家系统[J].农业机械学报，2003，34-5：131-133
