民航机务维修差错及其预警专家系统构建梁小虎--中国期刊网

字体：大中小

首页> 原创作品> 正文

民航机务维修差错及其预警专家系统构建梁小虎

发表时间：2020/8/19 来源：《基层建设》2020年第10期作者：梁小虎

[导读] 摘要：近年来，全球民航事业呈现出蓬勃发展的态势，我国的民航机队已进军全球第二大航空运输机队，传统的“事后管理”模式的风险管理方法存在重理论、轻实践的现象，不能有效削减安全综合保障水平与民航迅速发展现状之间的矛盾。

        身份证号码：14052219840227xxxx 河北石家庄 050000
        摘要：近年来，全球民航事业呈现出蓬勃发展的态势，我国的民航机队已进军全球第二大航空运输机队，传统的“事后管理”模式的风险管理方法存在重理论、轻实践的现象，不能有效削减安全综合保障水平与民航迅速发展现状之间的矛盾。根据我国民航维修的特点，笔者以SHEL模型作为维修差错相关信息收集的工具，REASON模型作为分析这些信息的框架，并在该模型的基础上，从“人、机、环境、管理”四个方面对差错的诱因进行分类，以提供差错类型预控度量，它们是设计专家系统的基础.
        关键词：民航机务；维修差错；预警专家系统；构建
        1、前言
        近年来，我国航空运输业的安全管理水平整体有所提高，安全管理正在向科学化、规范化、系统化的管理方式转变，安全第一的理念已得到全行业普遍认可。但不可否认的是，我国的民航安全管理水平在世界范围内依然无法跨入到比较优秀的行列，与航空发达国家相比仍有较大差距。总的来说 ,国内的维修差错控制主要还是沿用传统的技术手段 ,因此飞行事故仍主要与维修差错有关 ,其原因就在于: ( 1) 缺乏科学的维修差错分析和控制系统 ,致使维修差错不能得到有效防范，( 2) 缺乏对重复性和多发性故障的预防性研究 ,对维修差错发生的规律缺乏认识，( 3) 将重点放在一线操作者身上 , 而忽视周围的环境和管理因素对维修差错的影响，( 4) 过分强调现行失效而忽视隐性或系统失效 .因此 ,研究并开发具有高度智能化的专家系统以分析民航机务维修差错的诱因 ,及早发现事故征候并采取相应的防范措施 ,切断事故发生链 ,对于提高民航安全水平 ,将具有巨大的社会和经济效益。
        2、基于MAS的民航机务维修差错预警专家系统的构建
        2.1系统结构
        基于MAS的民航机务维修预警专家系统利用Agent技术作为底层支撑技术，因为Agent的基本思想就是使软件能够模拟人类的社会行为和认知，即人类社会的组织形式、协作关系、进化机制，以及认知、思维和解决问题的方式.利用JADE作为多Agent系统的开发平台，利用Agent来模拟人的分析、推理、组织和协调能力，利用Jess提供的推理引擎，实现不确定性推理，从“人、机、环境、管理”四个方面综合分析机务维修差错产生的诱因(见表1)，预警可能产生的后果并给出相应的对策，其体系结构如图1.

        图1
        2.2系统功能与实现
        整个系统功能由7个Agent完成，其中，人机接口Agent与用户(本系统中的用户分为机务维修员、机务维修专家、系统管理员以及安全检查员)进行交互，完成原始信息的收集，同时将分析、决策后的结果输出.
        管理Agent、人Agent、环境Agent这三个Agent的结构基本相同，都是利用JADE中的JessAgent实现，因此每个Agent都是一个专家系统，实现基于规则的不确定性推理，并且有各自的知识库，所不同的是管理Agent负责与组织监督、管理有关的诱因的分析推理，人Agent负责与人自身因素有关的诱因的分析推理，而环境Agent则负责对影响机务维修工作环境的诱因进行分析推理.机Agent除了利用Jess完成与飞机结构、设计、维修工具、设备有关的诱因的分析推理外，同时利用BP神经网络实现对飞机系统和部件故障规律的预测分析，通过使用“飞机部件更换数据库”中的数据，找到部件故障或寿命的概率分布，从而预测机械故障的发生.
        以上这四个Agent既相互独立，又相互协作，它们首先从人机接口Agent处获取原始信息，然后利用基于可信度的规则，在各自的知识范围内进行推理或计算(如机Agent)，获得可能产生的差错以及相应预控对策或中间结果，然后与其他的Agent通信，交流中间结果，相互协作，以联合求解.
        表 1 机务维修差错诱因分类框架

        预警与决策Agent从管理Agent，人Agent，机Agent，环境Agent中获取各种可能产生的差错以及相应预控对策，对这些信息进行分析和统计，并将一些定性指标利用模糊综合评判法转化为定量指标，同时计算得出预警需要的如下指标数据:机务维修失误率，飞机及维护设备质量未达标率，空中停车次数，技术标准失察率，技术事件总数，机务原因三级事件发生率，机组报告故障率，机务原因误飞千次率，非计划件拆换率.设置两级警戒值:弱预警和强预警.凡是可能产生的人为差错和达到一定预警值的指标数据都会产生弱预警;而重要的不安全行为(或称关键事件)和达到较高预警值的指标数据就会产生强预警，在预警的同时给出了相应对策，各种预警信息和相关对策最后均通过人机接口Agent输出给用户.
        控制与反馈Agent主要完成两方面的工作:(1)对于人机接口Agent收集的原始信息按表1所示的类别进行人为差错诱因的分类，汇总，同时对人机接口Agent输出的各种可能产生的差错和对策进行统计，做出趋势图，以便为管理层提供更多、更有价值的安全决策信息;(2)对于各种预警信息，无论是弱预警还是强预警，均实行反馈监督，其目的是为了使日常观察到的各种安全隐患及时得到控制.
        2.3不确定性推理的实现
        2.3.1规则的表示以及可信度的计算
        系统中的规则用一个四元组形式描述Rule=<Premise，Consequence，Confidencefactorforrule，Criticalvalue>，其中:Premise表示规则前件，Consequence表示规则后件，Confidencefactorforrule是规则强度，它表示规则前件对于后件的支持程度，取值范围在[0，1]，Criticalvalue是阈值，表示只有当规则后件的可信度超过它时，该结论才是成立的.而原始证据的确定性因子由用户在系统运行时提供，非原始证据的确定因子由不确定性推理算法得出，通常使用如下算法.
        1)若已知规则强度CF(B，A)和前提可信度CF(A)，则结论B的可信度为CF(B)=CF(B，A)×CF(A)
        2)若前提条件A是子条件Ai的逻辑组合，则CF(A)=CF(A1ANDA2AND…ANDAn)=min{CF(A1)，CF(A2)，…，CF(An)}
        3)CF(A)=CF(A1ORA2OR…ORAn)=max{CF(A1)，CF(A2)，…，CF(An)}
        4)若系统中有两个规则得到同样的结论，每个结论都会有一个可信度，则该结论(设CF1(B)，CF2(B)表示从不同的规则得出的某个结论的两个可信度)是:(1)当CF1(B)和CF2(B)≥0时，CF(B)=CF1(B)+CF2(B)-CF1(B)×CF2(B);(2)当CF1(B)和CF2(B)≤0时，CF(B)=CF1(B)+CF2(B)+CF1(B)×CF2(B);(3)否则，CF(B)=CF1(B)+CF2(B).若有多个规则得到同样的结论，则可反复使用如上公式.
        2.3.2不确定性推理的实现
        为了在Jess中实现不确定性推理，系统采用了JavaBean的形式将事实和结论封装成类，对类的成员的操作不以成员方法的形式完成，而是以规则后件的形式完成，例如对于可信度的计算.定义的JavaBean类中的CausationBean存储各种诱因，ConclusionBean存储可能导致的差错和相应的对策。整个推理过程利用Jess实现，分别在管理Agent，人Agent，机Agent，环境Agent中完成对管理、人、机、环境四方面维修差错诱因的分析，而不确定性则通过2.3.1的算法进行计算，每个Agent拥有自己的知识库，存储各自领域的知识，从而利用多Agent解决了传统专家系统知识存储容量和运行速度的矛盾，通过它们之间的通信又有效地解决了分散知识的整合与协同，提高了系统的速度和智能性.
        3、结束语
        基于MAS的民航机务维修差错预警专家系统从有效性、诊断性、预测性，实用性出发，通过对机务维修人员的日常工作状态的检测和飞机各部件可靠性数据的收集，将Agent技术应用于专家系统开发中，利用单个Agent模拟人类认知、思维和推理的能力，利用多Agent之间的相互协调和协作能力解决了分散知识的整合与协同，提高了整个系统的推理速度和智能化程度，从而完成了对维修系统中潜在的安全隐患的定性分析和预测，同时结合多项预警指标，通过设置两级警戒值，实现了定量预警，因此该系统能有效地辅助航空公司避免或减轻由机务维修引起的事故或事故征候，保证飞行安全.
        参考文献
        [1]罗帆，佘廉，顾必冲.航空公司交通灾害预警指标体系的构建.武汉理工大学学报:交通科学与工程版，2004，28(3):361-364
        [2]张荣梅.基于CBR与MAS的智能决策支持系统研究及应用[D].北京:北京科技大学，2001.