王险峰李执力杨华冰
摘要介绍武器装备维修智能决策支持系统的基本结构，主要包括模型库、方法库、知识库和数据仓库及其相应的管理系统、数据挖掘单元和问题综合处理单元等几部分组成，将神经网络、专家系统和仿真技术，应用于维修决策的新型综合模型。该模型能以低成本合理利用各种维修资源，提高武器装备的可靠性和维修保障效率。
关键词装备维修智能决策支持系统
中图分类号TH17文献标识码B
一、引言
近年来，国际维修界在视情维修（CBM）、以可靠性为中心的维修（RCM）等现代维修理论的基础上，提出了先进维修技术（AMT）的概念。所谓AMT就是以高效、可靠、安全和效益为标准，融合信息技术、维修技术和管理知识的高级综合维修技术。先进维修技术是利用强有力的监测诊断技术做支持，及时准确地掌握装备技术状态和故障源特征，发现和纠正任何可能导致装备故障的运行和操作，采取措施进行必要的维修。其有效实施能够保证装备和系统最高的可靠性和最长的使用寿命，从根本上避免故障的发生，大幅度提高维修的及时性、有效性和经济性。
现着重介绍将RCM与AMT，结合在一起的一种维修智能决策新模型。该模型通过人工神经网络、专家系统等智能技术建立维修智能决策支持系统，其特点是能较为全面地考虑影响装备工作状态的多种因素，并实现维修智能决策。从而减少装备故障，延长装备寿命，并降低维修成本。
二、智能决策系统
智能决策支持系统（IDSS）是在决策支持系统（DSS）的基础上集成人工智能的专家系统（ES）而形成的。DSS主要由问题处理与人机交换系统、模型库系统、数据库系统组成；ES主要由知识库、推理机和知识库管理系统组成。ES以知识推理形式解决定性分析问题，DSS以模型计算为核心解决定量分析问题，IDSS充分做到定性分析和定量分析的有机结合。智能决策可视化实现是凭借先进的可视化技术，把智能决策支持过程中使用的各种数据、模型、知识和推理等转化为直观的、易于理解的、并可进行交互分析、交互控制的静动态画面的过程。其实现依据为：
1.IDSS以知识为主体，往往需要结合大量的数据，把决策者的知识、经验与计算机系统相结合，形成定性和定量的决策信息。为使这种结合恰当完美，必须让用户了解系统的数据特性和决策方法。从这个意义上说，IDSS的实用性很大程度上取决于智能决策支持的可视化程度。
2.IDSS以模型为核心，虽然决策支持系统具有模型连接装配能力，但需用户直接参与。从问题的识别、模式的选择到模型的链接和触发等，都是以“用户为导向”。因此，在决策过程中实现可视化界面，以便有正确的“用户导向”。
3.IDSS在决策支持过程中，数据仓库往往需要对历史数据和外部数据进行组织和存储，数据挖掘通过对数据仓库中的数据提取分析，从中识别和抽取有用知识。对决策者而言，提取哪些数据，如何进行分析，通过可视化手段了解历史数据趋势和当前外部数据的变化情况，是正确决策的基础。
智能决策的可视化实现是一个“过程”，这一转化过程能使决策者“看到”数据的特性、模型特征、推理机制的实现等，以使决策建立在科学可靠的基础之上。
三、维修智能决策支持系统的功能与结构
1．系统功能
本维修决策支持系统的特点是基于RCM的维修方式决策。其主要功能为：可确定预防维修的装备的合理维修周期；能对视清维修的装备进行在线状态预测。基于RCM的维修方式包括：预防维修、视情维修和事后维修。本系统针对不同装备的特点，为每个装备选择适当的维修方式，并且对于预防维修的装备制定合理的维修周期，对视情维修的装备进行状态监测，使之在故障发生前能得到维修，在保障装备可靠度的前提下最大限度地降低整个装备系统的维修成本。
2．系统结构
维修智能决策支持系统将专家知识系统、数据仓库技术以及可视化技术等有机结合，为维修人员提供信息支持和智能决策支持。该系统由维修模型库、维修数据仓库、维修知识库、数据挖掘模块、在线分析处理工具等部分构成，系统结构如图1所示。
(1)数据库系统：由数据仓库和其管理系统组成，其功能是存放数据和对数据进行管理操作。数据主要有两方面的内容，一是维修器材管理、维修装备管理、维修经费管理、维修计划管理、维修人员管理、战时维修保障等业务信息；二是利用自动识别技术和交互式电子技术手册采集的各种复杂的测试数据，如当前装备状态信息和故障信息等。
通过数据集成提取维修智能决策系统数据仓库中的数据过行集成、转化和综合分析，组成面向全局的数据视图，为维修健能决策支持系统提供数据存储和组织的基础。
(2)模型库系统：由模型库和模型库管理系统组成，用于存储数据预处理、数据变换和数据挖掘算法和用户决策支持的各种模型。包括规范模型和通过专家信息形成的综合评价知识推理模型，如：数据处理模型、M一C仿真模型、神经网络模型等故障分析模型、维修方案评价模型、预测模型等。
模型库管理系统可根据需要提供交互式的动态建模手段，利用可视化技术模拟专家思路，使专家系统推理过程能以形象、清晰的形式展示出来，让用户充分利用专家的知识经验，根据需要创建自己的模型，同时还支持模型的各种分析、维护和运算。
(3)知识库系统：由知识库、推理机和知识库管理模块组成。知识库的功能是储存有关知识，包括维修专业知识、决策知识和专家的决策经验和科学数据以及维修智能决策支持系统在决策运行中积累的经验。推理机是推理类别、目标的识别、推理命令的发配及规则的激活机制，其功能是激活规则库后在知识库的规则库中进行。
利用数据仓库对大量具体的业务信息进行综合和系统分析，结合数据挖掘对数据仓库中蕴含的、未知的、有潜在应用价值的内在规律（决策知识）的提取，形成维修装备知识库，并将数据与知识库中的知识交互，发现新知识并扩充到知识库之中。
可视化维修智能决策支持系统利用数据仓库和数据挖掘技术对维修业务信息和故障诊断数据进行综合，专家系统对上述信息进行分析判断，构建相应的模型库和决策知识库，支持维修计划，并进行维修分析预测，为维修人员提供智能决策支持信息。
四、维修智能决策的实现
1．维修方式的决策
(1)影响维修方式决策的因素。维修决策是一个复杂的过程。其复杂性体现在：一是决策的结果是多样的，而且与决策过程密切相关；二是影响决策的因素众多，关系复杂。主要影响因素如下：①可靠性，包括故障后的替代程度、专用程度、在生产中的重要程度、对安全环境的影响程度、装备质量的稳定性和对工期的影响程度；②维修性，包括维修的难易程度、备件供应程度和维修时间长短；③可监测性，包括监测装备数量、监测装备费用、对监测人员的技术要求和监测装备的可靠性；④经济性，包括装备原价值、停机损失费用、维修费用和年计划检修情况；⑤维修后勤保障能力。
(2)利用专家系统实现维修方式决策。知识库由7个规则库组成：可靠性判定规则库、维修性判定规则库、可监测性规则库、经济性判定规则库、维修后勤保障能力判定规则库、维修方式选择规则库和控制规则库。前6个规则库里保存事实性知识，最后一个规则库保存规则控制知识。多规则库便于知识的管理，还可以提高推理的效率。推理方式采用正向推理，工作存储器中事实与规则库中的规则在冲突消解策略下进行匹配，推出结论。通过前6个规则库的知识判定装备的可靠性、维修性、可监测性、经济性和维修后勤保障能力的等级，然后根据这些中间结论，通过方式选择规则库进行推理，得到一个优化的维修方式。采用VisualC＋＋和CLIPS语言混合编程，VisualC＋＋利于实现专家系统的数据通讯、数据存取与处理以及人机交互界面，可保持整个系统的良好兼容性，采用CLIPS编制专家系统的知识库和推理机，可以简化许多工作，缩短开发周期。
2．利用M一C仿真进行维修周期决策
求解最佳维修周期的步骤如下：
(1)根据经验先假设一个大修周期T；
(2)根据故障分布函数F(t)，修复时间分布函数FMC(t)大修时间分布函数Fpt(t)进行样本的随机抽样；
(3)计算在T时段内随机故障数N;
(4)将假设的大修周期T和随机抽样得到的特殊随机数代入
式中Mpt—大修所需时间
Mctj—每次故障所需修理时间
N—预防维修周期内发生故障的次数
通过计算就可以得到一个A(t)值。反复进行足够次数的这种抽样和计算可以得到一个稳定的可用度A(t)；
(5)改变假设的大修周期（均匀递增）Ti，重复上面的步骤可以求出一系列与界对应的Ai值，画出Ti—Ai曲线就可确最佳大修周期。
神经网络采用三层BP网，网络输入层与状态特征向量对应，每一输入结点对应一个状态特征向量元素；输出层与由各种状态类型组成的故障向量相对应，每一输出结点对应某一具体状态，其输出值的大小表示该状态发生的可能性量度。装备状态预测过程如图2所示。
3．决策过程
本系统维修决策模型的工作流程如图3所示。决策开始时需将系统进行初始化，将装备的静态特性参数和动态参数通过数据库管理系统输入数据库。系统将自动对数据进行预处理，然后调用专家系统进行维修方式决策，通过推理机构调用有关的规则，针对装备的特点选取适当的维修方式。维修方式决策过程完成后，系统有三个流向：如果选取的是预防维修方式。采用M-C仿真进行装备的维修周期和级别的决策；如果选取郎是视情维修方式，则进行状态监测，根据检测到的特征参数用GM(1，1)模型和BP神经网络模型进行状态预测，确定合理的维修时间和级别：如果选取的是事后维修方式，待装备故障发生后再进行维修。最后将决策的结果输出，保存在数据库中。
五、结束语
本文探讨了维修智能决策支持系统，建立了系统模型，提出了系统结构以及实现方式，综合应用神经网络、专家系统和M-C仿真等技术进行故障预测，选择合理的维修方式和维修周期，制定维修策略。能有效的改善维修决策的正确性，提高决策效率，最终保证装备的可靠性，降低维维费用。
参考文献
1马绍民，章国栋综合保障工程．北京：国防工业出版社，1995
2陈晓红．决策支持系统理论和应用．北京：清华大学出版社，2000
3陈文伟．智能决策技术．北京：电子工业出版社，1998
4杜江，孙玉芳，基于面向对象模型库的DSS可重用体系结构研究.心痛工程理论实践，2000（1）
5DeKleerJ,BrowmJ.AQualitativePhysicsBasedonConfluences.ArtificialIntelligence，1984（24）
6谢榕．基于数据仓库的决策支持系统框架．系统工程理论与实践，2000（4）
7王林，高国安．面向对象的IDSS模型库构造.电脑与信息技术.2000（1）