第16卷第4期 智能系统学报 Vol.16 No.4 2021年7月 CAAI Transactions on Intelligent Systems Jul.2021 D0:10.11992/tis.202003046 网络出版地址：https:/ns.cnki.net/kcms/detail/23.1538.TP.20200720.1629.004html 人工智能系统故障分析原理研究 崔铁军1，李莎莎2 (1.辽宁工程技术大学安全科学与工程学院，辽宁葫芦岛125105,2.辽宁工程技术大学工商管理学院，辽宁 葫芦岛125105) 摘要：为研究未来系统在人工智能控制下的系统故障预测、预防、控制和恢复能力，提出一种基于信息生态 方法论的人工智能系统故障分析方法。将研究对象划分为人、功能、自然和智能系统：以智能系统为核心，研 究故障信息、知识和智能安全生成原理；论述了基础故障意识、情感和理智的特点。研究表明，系统故障的人 工智能分析必须采用信息生态方法论结合安全科学理论进行。分析原理是基于信息生态方法论，考虑基础故 障意识、情感与理智，及即时故障语义信息进行的综合决策与反应，以确保系统在规定条件下完成预定功能。 关键词：安全系统工程：空间故障树：智能科学：系统故障：分析原理：信息生态方法论：系统运动空间：系统映 射论 中图分类号：TP391;X913:C931.1 文献标志码：A文章编号：1673-4785(2021)04-0785-07 中文引用格式：崔铁军，李莎莎.人工智能系统故障分析原理研究J.智能系统学报，2021,16(4)：785-791. 英文引用格式：CUI Tiejun,,LI Shasha.Research on system fault analysis principle based on artificial intelligence system.CAAI transactions on intelligent systems,2021,16(4):785-791. Research on system fault analysis principle based on artificial intelligence system CUI Tiejun',LI Shasha' (1.College of Safety Science and Engineering,Liaoning Technical University,Huludao 125105,China;2.School of business admin- istration,Liaoning Technical University,Huludao 125105,China) Abstract:To study the ability of system fault prediction,prevention,control,and recovery under the control of artificial intelligence,an artificial intelligence system fault analysis method based on information ecology methodology is pro- posed.The research object is divided into human beings,function,nature,and intelligent system.Taking the intelligent system as the core,the fault information,knowledge,and intelligent safety generation principle are studied.In addition, the characteristics of basic fault consciousness,emotion,and reason are discussed.Results show that the artificial intelli- gence system fault analysis method must adopt the information ecology methodology in combination with safety sci- ence theory.The analysis principle is based on the information ecology methodology,considering the comprehensive decision and response of basic fault consciousness,emotion and reason,and real-time fault semantic information,to en- sure that the system can complete the predetermined function under the specified conditions. Keywords:safety system engineering;space fault tree;intelligent science;system fault;analysis principle;information ecology methodology;system movement space;system mapping 随着科技水平的进步，未来系统必将是无人 收稿日期：2020-03-31.网络出版日期：2020-07-21 化、智能化、信息化和数据化的复杂系统。人们 基金项目：国家自然科学基金项目(52004120)：国家重点研发计 划项目(2017YFC1503102)辽宁省教育厅科学研究经 设计系统必须解决两个问题：1)系统的功能性， 费项目LJ2020QNL018),辽宁工程技术大学学科创 新团队资助项目(LNTU20TD-31). 2)系统的可靠性。它们都将导致系统故障。 通信作者：崔铁军.E-mail:ctj.159@163.com. 系统的功能性是系统必须达到设计的功能和目
DOI: 10.11992/tis.202003046 网络出版地址: https://kns.cnki.net/kcms/detail/23.1538.TP.20200720.1629.004.html 人工智能系统故障分析原理研究 崔铁军1 ，李莎莎2 （1. 辽宁工程技术大学 安全科学与工程学院，辽宁 葫芦岛 125105; 2. 辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105） 摘 要：为研究未来系统在人工智能控制下的系统故障预测、预防、控制和恢复能力，提出一种基于信息生态 方法论的人工智能系统故障分析方法。将研究对象划分为人、功能、自然和智能系统；以智能系统为核心，研 究故障信息、知识和智能安全生成原理；论述了基础故障意识、情感和理智的特点。研究表明，系统故障的人 工智能分析必须采用信息生态方法论结合安全科学理论进行。分析原理是基于信息生态方法论，考虑基础故 障意识、情感与理智，及即时故障语义信息进行的综合决策与反应，以确保系统在规定条件下完成预定功能。 关键词：安全系统工程；空间故障树；智能科学；系统故障；分析原理；信息生态方法论；系统运动空间；系统映 射论 中图分类号：TP391; X913; C931.1 文献标志码：A 文章编号：1673−4785(2021)04−0785−07 中文引用格式：崔铁军, 李莎莎. 人工智能系统故障分析原理研究 [J]. 智能系统学报, 2021, 16(4): 785–791. 英文引用格式：CUI Tiejun, LI Shasha. Research on system fault analysis principle based on artificial intelligence system[J]. CAAI transactions on intelligent systems, 2021, 16(4): 785–791. Research on system fault analysis principle based on artificial intelligence system CUI Tiejun1 ，LI Shasha2 (1. College of Safety Science and Engineering, Liaoning Technical University, Huludao 125105, China; 2. School of business administration, Liaoning Technical University, Huludao 125105, China) Abstract: To study the ability of system fault prediction, prevention, control, and recovery under the control of artificial intelligence, an artificial intelligence system fault analysis method based on information ecology methodology is proposed. The research object is divided into human beings, function, nature, and intelligent system. Taking the intelligent system as the core, the fault information, knowledge, and intelligent safety generation principle are studied. In addition, the characteristics of basic fault consciousness, emotion, and reason are discussed. Results show that the artificial intelligence system fault analysis method must adopt the information ecology methodology in combination with safety science theory. The analysis principle is based on the information ecology methodology, considering the comprehensive decision and response of basic fault consciousness, emotion and reason, and real-time fault semantic information, to ensure that the system can complete the predetermined function under the specified conditions. Keywords: safety system engineering; space fault tree; intelligent science; system fault; analysis principle; information ecology methodology; system movement space; system mapping 随着科技水平的进步，未来系统必将是无人 化、智能化、信息化和数据化的复杂系统。人们 设计系统必须解决两个问题：1）系统的功能性， 2）系统的可靠性。它们都将导致系统故障[1-2]。 系统的功能性是系统必须达到设计的功能和目 收稿日期：2020−03−31. 网络出版日期：2020−07−21. 基金项目：国家自然科学基金项目 (52004120);国家重点研发计 划项目 (2017YFC1503102);辽宁省教育厅科学研究经 费项目 (LJ2020QNL018);辽宁工程技术大学学科创 新团队资助项目（LNTU20TD-31）. 通信作者：崔铁军. E-mail：ctj.159@163.com. 第 16 卷第 4 期 智 能 系 统 学 报 Vol.16 No.4 2021 年 7 月 CAAI Transactions on Intelligent Systems Jul. 2021
·786· 智能系统学报 第16卷 的。现在设计制造系统都能达到这种要求，即实 了成果，但仍未摆脱方法论的本质问题。 现系统功能性是相对简单的，技术是成熟的。系 目前人工智能研究主要有三大流派22。结 统可靠性指系统在规定条件下和规定时间内完成 构主义流派，认为信息与智能是人脑结构决定 预定功能的能力。可靠性强调系统在完成功能的 的，将人对信息的处理和智能行为归结于人脑结 前提下保持功能的稳定性。例如：系统可以完成 构，例如神经网络模型。功能主义流派，认为只 一项工作，但该类系统中每个实例系统完成该工 需要在功能层面上对信息和智能进行处理，如专 作的能力不同。在技术不足时系统对功能性的要 家系统。行为流派，通过感知客体的运行和行为 求一般大于可靠性：而在技术成熟后对可靠性要 来模拟智能行为。它们实质是对人工智能在三个 求大于功能性。而且一般可靠性和功能性难以兼 角度的诠释，不同角度理解不同。人工智能应该 得。例如，某型坦克的炮管规定发射2000发炮弹 是脑的结构、功能和行为的统一，而不是相互割 后必须更换。但实际情况可能发生3000发后仍 裂，甚至对立的。这也是目前智能科学发展中使 可继续发射，但这时极有可能发生炸膛。因此必 用机械还原论造成的结果。 须在炮管可靠性较高时停止使用，以保证其可靠 综上，将以系统故障分析为主线，利用钟义信 性，但牺牲了它的功能性。这种情况对简单系统 教授提出的信息生态方法论作为智能分析方法 分析是容易的，但对具有复杂特征的系统而言很 论，讨论人工智能系统故障分析原理。进而规避 困难。 分而治之的机械还原方法论对系统故障分析带来 这些困难当然与系统的复杂性有关，但更为 的问题。最终保障系统的功能性和可靠性，使系 重要的是方法论的天然缺陷。由于伴随着人类发 统安全运行。 展而建立的科学体系之前面对的系统都是较为简 1系统故障的智能分析思路 单的，进而形成了机械唯物主义科学观，即机械 还原方法论。认为系统可不加限制地进行拆分， 随着科技进步和人类发展，人造系统势必将 再研究拆分得到的子系统的功能性和可靠性，最 代替人的大部分功能。系统在完成这些功能的同 终通过系统与子系统的结构关系叠加子系统功能 时需要面对另一个重要问题，即完成这些功能的 性和可靠性，得到系统的功能性和可靠性。这种 可靠性，或者说是否有阻碍完成这些功能的事 思路广泛应用于系统功能设计过程和可靠性分析 件，即系统故障。在未来系统必将拥有高度的人 过程，但忽略了子系统之间的相互作用，造成系 工智能，那么如何满足系统正常实现功能，预测、 统功能性和可靠性降低。特别是，复杂系统基于 预防、控制和恢复系统故障是必须提前考虑的 机械还原方法论将导致严重且频繁的系统故障。 问题。 因此，对于具有无人化、智能化、信息化和数据化 为研究该问题，将研究对象划分为人系统、 的复杂系统，其系统故障分析必须克服上述问题。 功能系统、人工智能系统故障分析系统及环境系 系统故障的智能化分析在一定程度上可解决 统。人系统指正常的自然人。功能系统是人设计 该问题。这方面最新的国内研究包括：天文望远 的，完成预定目的的系统。人工智能系统故障分 镜智能故障辅助诊断)，使用强化学习的电力通 析系统指人设计的，帮助人分析功能系统故障 信网故障恢复，智能变电站二次设备故障诊断问， 的，具有人工智能特征的，能代替人的系统，简称 地铁车辆智能故障监测系统，多尺度熵滚动轴 智能系统。环境系统指人系统、功能系统、智能 承故障可拓智能识别)，高速公路机电设备智能 系统所在的环境的总和。以智能系统为核心研究 维护，安全科学的故障信息转换，人工智能电 对象，论述人工智能系统故障的分析原理。 网调控，继电保护智能运行管控，汽车发动机 传统的且现在主流的方法论是机械还原方法 运行故障智能诊断。国外也有大量研究，包括： 论，是一种机械唯物科学观。认为复杂系统拆分 机器学习与人工智能在复杂制造系统故障预测中 后所得子系统的功能之和与原系统相同。认为个 的应用)，分散群智能空调系统传感器故障检 体与个体，个体与主体相互独立，具有封闭性和 测，深度学习散热器智能故障诊断，轴承故障 确定性。但系统故障分析显然不这么简单。美国 分类特征提取方法6，基于RPVM和神经网络的 科学院院士，系统安全知名专家南希·莱文森教 异步电动机转子断条检测叼，高速铁路故障诊断网 授2s2指出，目前系统故障分析方法得到的系统 风力发电机组先进人工智能保护技术，水轮机 故障概率远小于实际系统故障发生概率。他给出 智能故障诊断2。虽然这些研究在相关领域取得 的原因是：子系统与子系统、子系统与系统之间
的。现在设计制造系统都能达到这种要求，即实 现系统功能性是相对简单的，技术是成熟的。系 统可靠性指系统在规定条件下和规定时间内完成 预定功能的能力。可靠性强调系统在完成功能的 前提下保持功能的稳定性。例如：系统可以完成 一项工作，但该类系统中每个实例系统完成该工 作的能力不同。在技术不足时系统对功能性的要 求一般大于可靠性；而在技术成熟后对可靠性要 求大于功能性。而且一般可靠性和功能性难以兼 得。例如，某型坦克的炮管规定发射 2 000 发炮弹 后必须更换。但实际情况可能发生 3 000 发后仍 可继续发射，但这时极有可能发生炸膛。因此必 须在炮管可靠性较高时停止使用，以保证其可靠 性，但牺牲了它的功能性。这种情况对简单系统 分析是容易的，但对具有复杂特征的系统而言很 困难。 这些困难当然与系统的复杂性有关，但更为 重要的是方法论的天然缺陷。由于伴随着人类发 展而建立的科学体系之前面对的系统都是较为简 单的，进而形成了机械唯物主义科学观，即机械 还原方法论。认为系统可不加限制地进行拆分， 再研究拆分得到的子系统的功能性和可靠性，最 终通过系统与子系统的结构关系叠加子系统功能 性和可靠性，得到系统的功能性和可靠性。这种 思路广泛应用于系统功能设计过程和可靠性分析 过程，但忽略了子系统之间的相互作用，造成系 统功能性和可靠性降低。特别是，复杂系统基于 机械还原方法论将导致严重且频繁的系统故障。 因此，对于具有无人化、智能化、信息化和数据化 的复杂系统，其系统故障分析必须克服上述问题。 系统故障的智能化分析在一定程度上可解决 该问题。这方面最新的国内研究包括：天文望远 镜智能故障辅助诊断[3] ，使用强化学习的电力通 信网故障恢复[4] ，智能变电站二次设备故障诊断[5] ， 地铁车辆智能故障监测系统[6] ，多尺度熵滚动轴 承故障可拓智能识别[7] ，高速公路机电设备智能 维护[8] ，安全科学的故障信息转换[9] ，人工智能电 网调控[10] ，继电保护智能运行管控[11] ，汽车发动机 运行故障智能诊断[12]。国外也有大量研究，包括： 机器学习与人工智能在复杂制造系统故障预测中 的应用[ 1 3 ] ，分散群智能空调系统传感器故障检 测 [14] ，深度学习散热器智能故障诊断[15] ，轴承故障 分类特征提取方法[16] ，基于 RPVM 和神经网络的 异步电动机转子断条检测[17] ，高速铁路故障诊断[18] ， 风力发电机组先进人工智能保护技术[19] ，水轮机 智能故障诊断[20]。虽然这些研究在相关领域取得 了成果，但仍未摆脱方法论的本质问题。 目前人工智能研究主要有三大流派[21-24]。结 构主义流派，认为信息与智能是人脑结构决定 的，将人对信息的处理和智能行为归结于人脑结 构，例如神经网络模型。功能主义流派，认为只 需要在功能层面上对信息和智能进行处理，如专 家系统。行为流派，通过感知客体的运行和行为 来模拟智能行为。它们实质是对人工智能在三个 角度的诠释，不同角度理解不同。人工智能应该 是脑的结构、功能和行为的统一，而不是相互割 裂，甚至对立的。这也是目前智能科学发展中使 用机械还原论造成的结果。 综上，将以系统故障分析为主线，利用钟义信 教授提出的信息生态方法论作为智能分析方法 论，讨论人工智能系统故障分析原理。进而规避 分而治之的机械还原方法论对系统故障分析带来 的问题。最终保障系统的功能性和可靠性，使系 统安全运行。 1 系统故障的智能分析思路 随着科技进步和人类发展，人造系统势必将 代替人的大部分功能。系统在完成这些功能的同 时需要面对另一个重要问题，即完成这些功能的 可靠性，或者说是否有阻碍完成这些功能的事 件，即系统故障。在未来系统必将拥有高度的人 工智能，那么如何满足系统正常实现功能，预测、 预防、控制和恢复系统故障是必须提前考虑的 问题。 为研究该问题，将研究对象划分为人系统、 功能系统、人工智能系统故障分析系统及环境系 统。人系统指正常的自然人。功能系统是人设计 的，完成预定目的的系统。人工智能系统故障分 析系统指人设计的，帮助人分析功能系统故障 的，具有人工智能特征的，能代替人的系统，简称 智能系统。环境系统指人系统、功能系统、智能 系统所在的环境的总和。以智能系统为核心研究 对象，论述人工智能系统故障的分析原理。 传统的且现在主流的方法论是机械还原方法 论，是一种机械唯物科学观。认为复杂系统拆分 后所得子系统的功能之和与原系统相同。认为个 体与个体，个体与主体相互独立，具有封闭性和 确定性。但系统故障分析显然不这么简单。美国 科学院院士，系统安全知名专家南希·莱文森教 授 [25-26] 指出，目前系统故障分析方法得到的系统 故障概率远小于实际系统故障发生概率。他给出 的原因是：子系统与子系统、子系统与系统之间 ·786· 智 能 系 统 学 报 第 16 卷
第4期 崔铁军，等：人工智能系统故障分析原理研究 ·787· 的相互作用往往是意外的，不知情的。这导致系 提出了人工智能系统故障分析原理，如图2所示。 统设计时完全无法考虑这些联系。即是作者想说 故障情感 明的使用传统机械还原方论研究系统故障情况、 基础故障意识 智能安全策略 演化过程及其结果难以适用的根本原因。这种方 故障理智 法论割裂了子系统之间的联系，相反大多系统故 障是子系统之间能量、信息、物质传递错误引起 故障认识 故障知识库 智能安全行为 的。而这些错误在机械还原方法论中不能体现。 幸运的是钟义信教授提出了信息生态方法 感知故障信息 效果校验 论，其是辩证唯物科学观，认为事物具有普遍联 系，个体与个体及主体有着相互作用，是开放的、 人、环境系统、功能系 具有生态演化的方法论。智能系统作为保障功能 统，提供客体故障信息 系统完成功能的控制系统，与其余系统的相互作 图2人工智能系统故障分析原理 用是一种普遍存在的联系。智能系统作为主体， Fig.2 Fault analysis theory of artificial intelligence system 客体分为人系统、功能系统和环境系统。这种划 图2的思路钟义信教授称为信息转化与智能 分也考虑到安全领域对研究对象的划分，即人 创生7，本文将其称为故障信息转化与智能故障 (人系统)、机（功能系统）、环（环境系统）和管（智 分析，即故障分析原理。如果运用结构主义（如 能系统)。未来复杂系统中，智能系统必将成为整 神经网络)、功能主义（如专家系统）或者行为主 个系统的核心，将调解功能系统、环境系统与人 义（感知系统）进行故障分析，那么形成的故障分 系统的关系，如图1所示。 析原理图只是图2展示流程的一部分2”。因为上 述3种主义都是机械还原方法论，割裂了子系统 人系统 之间的关系，得到的故障分析原理图是图2在某 系统的监督者和需求者 一方面的化简。其结果并不完全，也不能适用于 图1给出的系统结构划分。 因此研究适应未来智能和数据环境下的人工 功能系统 智能系统 智能系统故障分析原理，只能使用辩证的信息生 完成人提出的 预测、预防 环境系统 态方法论。其具备了机械还原论对于各子系统的 预定功能的系统 和控制系统故 系统运行的环境 、障的系统 研究特点，即人系统、功能系统、环境系统、智能 图1研究对象系统的划分 系统各自特征；也能够辩证地讨论各子系统之间 Fig.I Division of research object system 的相互作用，即能量、信息、物质的相互传递。信 文献[9]指出，故障信息转化定律可描述为本 息生态方法论满足系统故障分析特点，适合于无 体论故障信息一认识论故障信息一故障知识一智 人化、智能化、大规模、数据化的系统故障分析。 能安全策略一智能安全行为。本体论故障信息指 2故障信息、 故障知识和智能安全 客体系统状态及变化的方式，是客体系统本身表 生成原理 现出来的信息，即人系统、自然系统和功能系统 给出的信息。认识论故障信息指主体系统能够感 根据信息生态方法论，系统故障分析所使用 知到的客体系统的本体论信息，是主体系统能接 的智能系统的任务应为研究故障信息的整体变化 收的故障信息，即为智能系统接收的信息。故障 过程，即本体论故障信息一认识论故障信息一故 知识指认识论故障信息由主体系统进行智能加工、 障知识一智能安全策略一智能安全行为的过程。 分析和记忆，形成可处理客体系统故障的规则。 进一步可简化为信息一知识一智能1，对应的 智能安全策略指主体利用基础故障意识、情感和 3个主要过程为故障信息生成、故障知识生成和 理智综合决策生成的智能策略，用于指导主体实 智能安全生成。 施带有减少故障目的智能安全行为。智能安全行 2.1故障信息生成原理 为指主体根据智能策略对客体实施的带有防止故 基于第1节对主体（智能系统）和客体（人系 障目的行为。智能系统要完成上述故障信息转 统、功能系统和环境系统)的划分给出定义1、2。 化，必须根据故障控制目标，且具备故障知识的前 定义1客体故障信息：人系统、功能系统和 提下完成。文献27给出了人工智能系统通用模型， 环境系统状态及其变化过程体现出的信息
的相互作用往往是意外的，不知情的。这导致系 统设计时完全无法考虑这些联系。即是作者想说 明的使用传统机械还原方论研究系统故障情况、 演化过程及其结果难以适用的根本原因。这种方 法论割裂了子系统之间的联系，相反大多系统故 障是子系统之间能量、信息、物质传递错误引起 的。而这些错误在机械还原方法论中不能体现。 幸运的是钟义信教授提出了信息生态方法 论，其是辩证唯物科学观，认为事物具有普遍联 系，个体与个体及主体有着相互作用，是开放的、 具有生态演化的方法论。智能系统作为保障功能 系统完成功能的控制系统，与其余系统的相互作 用是一种普遍存在的联系。智能系统作为主体， 客体分为人系统、功能系统和环境系统。这种划 分也考虑到安全领域对研究对象的划分，即人 (人系统)、机 (功能系统)、环 (环境系统) 和管 (智 能系统)。未来复杂系统中，智能系统必将成为整 个系统的核心，将调解功能系统、环境系统与人 系统的关系，如图 1 所示。 人系统 系统的监督者和需求者 智能系统 预测、预防 和控制系统故 障的系统 功能系统 完成人提出的 预定功能的系统 环境系统 系统运行的环境 图 1 研究对象系统的划分 Fig. 1 Division of research object system 文献 [9] 指出，故障信息转化定律可描述为本 体论故障信息—认识论故障信息—故障知识—智 能安全策略—智能安全行为。本体论故障信息指 客体系统状态及变化的方式，是客体系统本身表 现出来的信息，即人系统、自然系统和功能系统 给出的信息。认识论故障信息指主体系统能够感 知到的客体系统的本体论信息，是主体系统能接 收的故障信息，即为智能系统接收的信息。故障 知识指认识论故障信息由主体系统进行智能加工、 分析和记忆，形成可处理客体系统故障的规则。 智能安全策略指主体利用基础故障意识、情感和 理智综合决策生成的智能策略，用于指导主体实 施带有减少故障目的智能安全行为。智能安全行 为指主体根据智能策略对客体实施的带有防止故 障目的行为。智能系统要完成上述故障信息转 化，必须根据故障控制目标，且具备故障知识的前 提下完成。文献 [27] 给出了人工智能系统通用模型， 提出了人工智能系统故障分析原理，如图 2 所示。 人、环境系统、功能系 统，提供客体故障信息 故障认识 故障知识库 基础故障意识 故障理智 故障情感 智能安全策略 感知故障信息 智能安全行为 效果校验 Y N 图 2 人工智能系统故障分析原理 Fig. 2 Fault analysis theory of artificial intelligence system 图 2 的思路钟义信教授称为信息转化与智能 创生[27] ，本文将其称为故障信息转化与智能故障 分析，即故障分析原理。如果运用结构主义 (如 神经网络)、功能主义 (如专家系统) 或者行为主 义 (感知系统) 进行故障分析，那么形成的故障分 析原理图只是图 2 展示流程的一部分[27]。因为上 述 3 种主义都是机械还原方法论，割裂了子系统 之间的关系，得到的故障分析原理图是图 2 在某 一方面的化简。其结果并不完全，也不能适用于 图 1 给出的系统结构划分。 因此研究适应未来智能和数据环境下的人工 智能系统故障分析原理，只能使用辩证的信息生 态方法论。其具备了机械还原论对于各子系统的 研究特点，即人系统、功能系统、环境系统、智能 系统各自特征；也能够辩证地讨论各子系统之间 的相互作用，即能量、信息、物质的相互传递。信 息生态方法论满足系统故障分析特点，适合于无 人化、智能化、大规模、数据化的系统故障分析。 2 故障信息、故障知识和智能安全 生成原理 根据信息生态方法论，系统故障分析所使用 的智能系统的任务应为研究故障信息的整体变化 过程，即本体论故障信息—认识论故障信息—故 障知识—智能安全策略—智能安全行为的过程。 进一步可简化为信息—知识—智能[ 9 ] ，对应的 3 个主要过程为故障信息生成、故障知识生成和 智能安全生成。 2.1 故障信息生成原理 基于第 1 节对主体 (智能系统) 和客体 (人系 统、功能系统和环境系统) 的划分给出定义 1、2。 定义 1 客体故障信息：人系统、功能系统和 环境系统状态及其变化过程体现出的信息。 第 4 期 崔铁军，等：人工智能系统故障分析原理研究 ·787·
·788· 智能系统学报 第16卷 根据文献[28]，客体信息包括因素流和数据 障信息是表面的，是客体变化过程中散发出的因 流。因素流为表征人系统、功能系统和环境系统 素流和数据流。由于技术限制，故障信息往往是 的所有状态类别的连续状态。数据流是蕴含在因 离散的、随机性和模糊性，并伴随着错误信息，是 素流中，连续不断的人系统、功能系统和环境系 系统故障变化的表象。故障知识是在因素流与数 统的各因素状态变化的数据。这两个概念是笔者 据流基础上得到的对应关系，可表征根本的系统 提出的空间故障树理论的第四部分系统运动空间 故障变化过程。可对新出现的故障语法信息，在 与系统映射论的研究成果。 没有语义情况下进行预测和判断与语法对应的语 系统运动空间认为人建立的人工智能系统是 用，从而采取应对措施。从故障信息到故障知识 对自然系统（包括人工系统或自然系统）的无限 的生成过程主要通过归纳总结完成，形成故障知 功能接近，但无法达到2。期间自然系统与人工 识后存人故障知识库，如图2所示。 智能系统存在着对应关系。自然系统以数据流为 2.3智能安全生成原理 先，智能系统接收数据流，进而归类数据确定因 智能安全包括智能安全策略和智能安全行 素，形成因素流；智能系统改变因素流，进而对自 为。钟义信2指出，智能安全至少包括故障意 然系统进行控制。由于科技水平的限制，智能系 识、故障情感和故障理智3个概念层次。它们都 统无法辨识所有的数据流，现有手段也无法控制 涉及知识的获取并做出对应的反应，但不同层级 所有的因素流，智能系统只能模仿自然系统功能 的知识和反应是不同的。 的一部分。因此因素流和数据流可表征客体系 定义3基础故障意识：根据主体本能故障 统（人系统、功能系统和环境系统）的存在，进而 知识和常识故障知识产生的基础意识反应。 表征系统故障。 主体对客体故障的认识包括本能故障知识和 定义2感知故障信息：主体（智能系统）能够 常识故障知识：本能故障知识是主体自有的，不 感知的客体状态及其变化过程中散发出来的因素 需要经验积累形成的知识；常识故障知识是通过 流和数据流，包括故障信息的形式（语法信息）、内 故障知识反复校验客体系统得到的。则故障意识 容（语义信息）和效用（语用信息）。 过程如式(1)所示： 故障信息形式又称为语法信息，包括因素流 M(I(F,D).Kic,G)=Ri (1) 和数据流，描述故障过程变化和特征；故障信息 式中：M代表从信息和知识到反应的映射；I代表 效用又称为语用信息，描述在具备故障信息形式 主体对故障的语义信息：F为因素流；D为数据 时对应的故障变化情况：故障信息的内容称为语 流；K表示本能故障知识和常识故障知识；G表 义信息，代表了故障形式与故障效用的对应关 示系统故障最少的目标；R。表示基础意识反应。 系，即一种映射。文献[28]中类似的研究称为系 定义4故障情感：主体根据本能故障知识 统映射论，认为系统内部结构是因素流与数据流 常识故障知识和经验故障知识产生情感反应。 的对应关系。这种系统内部结构就是系统外部影 经验故障知识可从故障语义信息（它是感知 响与系统目标的对应关系，对应于这里的语义信 信息认识论信息的代表)归纳得到。故障情感比 息。主体对于客体的认识是语法、语义和语用三 基础故障意识利用了更多的经验故障知识，故障 位一体的认识。故障信息生成过程：客体发散出 情感只在基础故障意识之上才能发生。则故障情 数据流给主体，主体分辨出因素流，因此主体感 感过程如式(2)所示： 知到客体的存在，并由数据流和因素流形成故障 M(I(F,D).Kice,G)=Rice (2) 信息形式；对应的在此情况下客体表现出主体设 式中：Ke表示本能故障知识、常识故障知识和经 定目标的达成情况，形成故障信息效用：故障形 验故障知识；Re表示情感反应。 式和效用组成了对应关系，形成了故障信息内 定义5故障理智：主体根据本能故障知识 容，即映射关系。这就生成了一条故障信息。故 常识故障知识、经验故障知识和规范故障知识产 障信息经过处理将进一步形成常识故障知识、经 生理智反应。 验故障知识和规范故障知识，加之本能故障知识 故障理智比基础意识利用了更多的经验故 就建立起了故障知识库。 障知识和规范故障知识，故障理智只在基础故 22故障知识生成原理 障意识之上才能发生。则故障理智过程如式(3) 将故障信息转化为故障知识即为故障知识的 所示： 生成原理。故障信息与故障知识是有区别的。故 M(I(F,D).Kices,G)=Rices (3)
根据文献 [28]，客体信息包括因素流和数据 流。因素流为表征人系统、功能系统和环境系统 的所有状态类别的连续状态。数据流是蕴含在因 素流中，连续不断的人系统、功能系统和环境系 统的各因素状态变化的数据。这两个概念是笔者 提出的空间故障树理论的第四部分系统运动空间 与系统映射论的研究成果。 系统运动空间认为人建立的人工智能系统是 对自然系统 (包括人工系统或自然系统) 的无限 功能接近，但无法达到[28]。期间自然系统与人工 智能系统存在着对应关系。自然系统以数据流为 先，智能系统接收数据流，进而归类数据确定因 素，形成因素流；智能系统改变因素流，进而对自 然系统进行控制。由于科技水平的限制，智能系 统无法辨识所有的数据流，现有手段也无法控制 所有的因素流，智能系统只能模仿自然系统功能 的一部分。因此因素流和数据流可表征客体系 统 (人系统、功能系统和环境系统) 的存在，进而 表征系统故障。 定义 2 感知故障信息：主体 (智能系统) 能够 感知的客体状态及其变化过程中散发出来的因素 流和数据流，包括故障信息的形式 (语法信息)、内 容 (语义信息) 和效用 (语用信息)。 故障信息形式又称为语法信息，包括因素流 和数据流，描述故障过程变化和特征；故障信息 效用又称为语用信息，描述在具备故障信息形式 时对应的故障变化情况；故障信息的内容称为语 义信息，代表了故障形式与故障效用的对应关 系，即一种映射。文献 [28] 中类似的研究称为系 统映射论，认为系统内部结构是因素流与数据流 的对应关系。这种系统内部结构就是系统外部影 响与系统目标的对应关系，对应于这里的语义信 息。主体对于客体的认识是语法、语义和语用三 位一体的认识。故障信息生成过程：客体发散出 数据流给主体，主体分辨出因素流，因此主体感 知到客体的存在，并由数据流和因素流形成故障 信息形式；对应的在此情况下客体表现出主体设 定目标的达成情况，形成故障信息效用；故障形 式和效用组成了对应关系，形成了故障信息内 容，即映射关系。这就生成了一条故障信息。故 障信息经过处理将进一步形成常识故障知识、经 验故障知识和规范故障知识，加之本能故障知识 就建立起了故障知识库。 2.2 故障知识生成原理 将故障信息转化为故障知识即为故障知识的 生成原理。故障信息与故障知识是有区别的。故 障信息是表面的，是客体变化过程中散发出的因 素流和数据流。由于技术限制，故障信息往往是 离散的、随机性和模糊性，并伴随着错误信息，是 系统故障变化的表象。故障知识是在因素流与数 据流基础上得到的对应关系，可表征根本的系统 故障变化过程。可对新出现的故障语法信息，在 没有语义情况下进行预测和判断与语法对应的语 用，从而采取应对措施。从故障信息到故障知识 的生成过程主要通过归纳总结完成，形成故障知 识后存入故障知识库，如图 2 所示。 2.3 智能安全生成原理 智能安全包括智能安全策略和智能安全行 为。钟义信[27] 指出，智能安全至少包括故障意 识、故障情感和故障理智 3 个概念层次。它们都 涉及知识的获取并做出对应的反应，但不同层级 的知识和反应是不同的。 定义 3 基础故障意识[9] ：根据主体本能故障 知识和常识故障知识产生的基础意识反应。 主体对客体故障的认识包括本能故障知识和 常识故障知识：本能故障知识是主体自有的，不 需要经验积累形成的知识；常识故障知识是通过 故障知识反复校验客体系统得到的。则故障意识 过程如式 (1) 所示： M(I(F, D),Kic,G) = Ric (1) Kic Ric 式中：M 代表从信息和知识到反应的映射；I 代表 主体对故障的语义信息；F 为因素流；D 为数据 流； 表示本能故障知识和常识故障知识；G 表 示系统故障最少的目标； 表示基础意识反应。 定义 4 故障情感：主体根据本能故障知识、 常识故障知识和经验故障知识产生情感反应。 经验故障知识可从故障语义信息 (它是感知 信息/认识论信息的代表) 归纳得到。故障情感比 基础故障意识利用了更多的经验故障知识，故障 情感只在基础故障意识之上才能发生。则故障情 感过程如式 (2) 所示： M(I(F, D),Kice,G) = Rice (2) Kice Rice 式中： 表示本能故障知识、常识故障知识和经 验故障知识； 表示情感反应。 定义 5 故障理智：主体根据本能故障知识、 常识故障知识、经验故障知识和规范故障知识产 生理智反应。 故障理智比基础意识利用了更多的经验故 障知识和规范故障知识，故障理智只在基础故 障意识之上才能发生。则故障理智过程如式 (3) 所示： M(I(F, D),Kices,G) = Rices (3) ·788· 智 能 系 统 学 报 第 16 卷
第4期 崔铁军，等：人工智能系统故障分析原理研究 ·789· 式中：K表示本能故障知识、常识故障知识、经 但效率降低。 验故障知识和规范故障知识；Res表示理智反应。 故障情感根据本能故障知识、常识故障知识 和经验故障知识产生主体情感反应。本能故障知 34种故障知识的获得、特性与应用 识和常识故障知识的处理与基础故障意识相同。 由于研究的主体是智能系统，它本身是由人 经验故障知识往往是针对同一类故障的经验。由 设计的，通常情况下独立于人运行的，保证系统 于经验本身具有一定的不确定性，智能系统可能 正常运行的智能故障分析控制系统。因此对于智 会得到一些可选方案。作为主体的智能系统可根 能系统而言，使用故障意识、故障情感和故障理 据客体的即时故障语法信息得到故障语义信息并 智是不恰当的。实际上钟义信教授认为智能应该 采取行动，这是一种模糊决策过程，当然也可以 包括这3层次。进一步地，它们基于本能故障知 使用其他方法。 识、常识故障知识、经验故障知识和规范故障知 故障理智根据本能故障知识、常识故障知 识，而智能系统获得这些知识是可行的、合理的。 识、经验故障知识和规范故障知识产生主体理智 本能故障知识对智能系统最难理解但确是最 反应。与故障情感的区别在于故障理智拥有规范 易接受的知识。它包含了人对于系统故障过程的 故障知识。当故障问题在上述层面难以解决，可 最基本观点和看法。人可以将对系统故障的本能 利用规范故障知识进行逻辑推理获得主体理智反 语义信息写入智能系统的故障知识库，作为智能 应。当问题更加困难时在规范故障知识基础上运 系统最基本的反应规则，而不需要进一步处理和 用智能方法加以分析，如深度学习、神经网络等 推理。由于上述特点，智能系统可利用本能故障 方法。 知识最为快速地进行故障处理。 可见基础故障意识、故障情感和故障理智可 经验故障知识往往来源于系统设计者知识的 处理逐渐复杂的故障问题，但处理效率则是降低 直接写入，而系统运行后则来源于系统运行过程 的，反应时间变慢。虽然本能故障知识、常识故 中的故障语义信息收集和写入。经验故障知识往 障知识、规范故障知识和经验故障知识对系统故 往偏重于个体经验，可体现功能系统在特定条件 障语义信息抽象的程度越来越低，但语义信息的 下独有的故障语义信息，具有排他性。 数量则是增加的。 规范故障知识是经过经验故障知识在同类的 智能系统的核心任务是根据故障语义信息提 不同个体（同类功能系统对应的智能系统）之间 供适合的智能安全行为保障系统完成预定功能。 传播，并经过智能系统验证、修正、提炼和写入故 智能安全行为取决于智能安全策略。智能安全策 障知识库的故障语义信息。具有一定范围内的通 略需要综合考虑基础故障意识、情感与理智。因 识性。 此最终得到的人工智能系统故障分析原理可表述 常识故障知识是规范故障知识经过长期的、 为基于信息生态方法论，考虑基础故障意识、故 大量同类的不同个体验证，并达成一直且有统一 障情感与故障理智，及即时故障语义信息的综合 认识的故障语义信息。一旦确定一般不进行 安全决策与降低故障反应生成过程，目的是确保 修改。 系统在规定条件下完成预定功能。 因此这4种故障知识都可以通过主体（智能 4结束语 系统)对客体（功能系统和环境系统）的学习，或 客体（人系统）直接授予主体完成。对实际系统 本文研究了利用信息生态方法论对系统故障 的故障分析、预测和控制，智能系统可根据实际 进行智能分析处理的基本原理，主要结论： 情况（故障信息语法）运用基础故障意识、故障情 1)对系统的研究对象进行了划分，针对未来 感和故障理智和4种故障知识进行应对。 系统特点将智能系统作为研究主体。认为研究适 基础故障意识根据故障语义信息利用主体本 应未来智能和数据环境下的人工智能系统故障分 能故障知识和常识故障知识进行主体反应。首先 析原理，只能使用辩证的信息生态方法论实现。 考虑本能故障知识，其代表了智能系统最基本的 2)结合信息生态方法论和系统运动空间及系 趋利避害的原则目标，且本能故障知识相对较 统映射论，提出了故障信息、故障知识和智能安 少，可直接通过识别以最快的响应速度给客体提 全生成原理。它们涉及了本能故障知识、常识故 供支持。常识故障知识较本能故障知识更多，通 障知识、经验故障知识、规范故障知识、故障语义 过寻找匹配条件完成对客体的支持，更为具体， 信息的因素流和数据流，以及系统故障最少的目标
Kices Rices 式中： 表示本能故障知识、常识故障知识、经 验故障知识和规范故障知识； 表示理智反应。 3 4 种故障知识的获得、特性与应用 由于研究的主体是智能系统，它本身是由人 设计的，通常情况下独立于人运行的，保证系统 正常运行的智能故障分析控制系统。因此对于智 能系统而言，使用故障意识、故障情感和故障理 智是不恰当的。实际上钟义信教授认为智能应该 包括这 3 层次。进一步地，它们基于本能故障知 识、常识故障知识、经验故障知识和规范故障知 识，而智能系统获得这些知识是可行的、合理的。 本能故障知识对智能系统最难理解但确是最 易接受的知识。它包含了人对于系统故障过程的 最基本观点和看法。人可以将对系统故障的本能 语义信息写入智能系统的故障知识库，作为智能 系统最基本的反应规则，而不需要进一步处理和 推理。由于上述特点，智能系统可利用本能故障 知识最为快速地进行故障处理。 经验故障知识往往来源于系统设计者知识的 直接写入，而系统运行后则来源于系统运行过程 中的故障语义信息收集和写入。经验故障知识往 往偏重于个体经验，可体现功能系统在特定条件 下独有的故障语义信息，具有排他性。 规范故障知识是经过经验故障知识在同类的 不同个体 (同类功能系统对应的智能系统) 之间 传播，并经过智能系统验证、修正、提炼和写入故 障知识库的故障语义信息。具有一定范围内的通 识性。 常识故障知识是规范故障知识经过长期的、 大量同类的不同个体验证，并达成一直且有统一 认识的故障语义信息。一旦确定一般不进行 修改。 因此这 4 种故障知识都可以通过主体 (智能 系统) 对客体 (功能系统和环境系统) 的学习，或 客体 (人系统) 直接授予主体完成。对实际系统 的故障分析、预测和控制，智能系统可根据实际 情况 (故障信息语法) 运用基础故障意识、故障情 感和故障理智和 4 种故障知识进行应对。 基础故障意识根据故障语义信息利用主体本 能故障知识和常识故障知识进行主体反应。首先 考虑本能故障知识，其代表了智能系统最基本的 趋利避害的原则目标，且本能故障知识相对较 少，可直接通过识别以最快的响应速度给客体提 供支持。常识故障知识较本能故障知识更多，通 过寻找匹配条件完成对客体的支持，更为具体， 但效率降低。 故障情感根据本能故障知识、常识故障知识 和经验故障知识产生主体情感反应。本能故障知 识和常识故障知识的处理与基础故障意识相同。 经验故障知识往往是针对同一类故障的经验。由 于经验本身具有一定的不确定性，智能系统可能 会得到一些可选方案。作为主体的智能系统可根 据客体的即时故障语法信息得到故障语义信息并 采取行动，这是一种模糊决策过程，当然也可以 使用其他方法。 故障理智根据本能故障知识、常识故障知 识、经验故障知识和规范故障知识产生主体理智 反应。与故障情感的区别在于故障理智拥有规范 故障知识。当故障问题在上述层面难以解决，可 利用规范故障知识进行逻辑推理获得主体理智反 应。当问题更加困难时在规范故障知识基础上运 用智能方法加以分析，如深度学习、神经网络等 方法。 可见基础故障意识、故障情感和故障理智可 处理逐渐复杂的故障问题，但处理效率则是降低 的，反应时间变慢。虽然本能故障知识、常识故 障知识、规范故障知识和经验故障知识对系统故 障语义信息抽象的程度越来越低，但语义信息的 数量则是增加的。 智能系统的核心任务是根据故障语义信息提 供适合的智能安全行为保障系统完成预定功能。 智能安全行为取决于智能安全策略。智能安全策 略需要综合考虑基础故障意识、情感与理智。因 此最终得到的人工智能系统故障分析原理可表述 为基于信息生态方法论，考虑基础故障意识、故 障情感与故障理智，及即时故障语义信息的综合 安全决策与降低故障反应生成过程，目的是确保 系统在规定条件下完成预定功能。 4 结束语 本文研究了利用信息生态方法论对系统故障 进行智能分析处理的基本原理，主要结论： 1) 对系统的研究对象进行了划分，针对未来 系统特点将智能系统作为研究主体。认为研究适 应未来智能和数据环境下的人工智能系统故障分 析原理，只能使用辩证的信息生态方法论实现。 2) 结合信息生态方法论和系统运动空间及系 统映射论，提出了故障信息、故障知识和智能安 全生成原理。它们涉及了本能故障知识、常识故 障知识、经验故障知识、规范故障知识、故障语义 信息的因素流和数据流，以及系统故障最少的目标。 第 4 期 崔铁军，等：人工智能系统故障分析原理研究 ·789·
·790· 智能系统学报 第16卷 3)研究了4种故障知识的获得和特性，及基 39(6):200-205 础故障意识、故障情感和故障理智的特点和应 [8]徐红辉，王翀，范杰.基于故障状态演化的高速公路机电 用。认为人工智能系统故障分析原理是基于信息 设备智能维护系统设计[).现代电子技术，2019,42(24)： 生态方法论，考虑了基础故障意识、故障情感与 112-115. 故障理智，及故障语义信息的综合安全决策与降 XU Honghui,WANG Chong,FAN Jie.Design of fault 低故障反应生成过程，目的是确保系统在规定条 state evolution based intelligent maintenance system for 件下完成预定功能。 electromechanical equipments on expressway[J].Modern electronics technique,2019,42(24):112-115. 参考文献： [9]崔铁军，李莎莎.安全科学中的故障信息转换定 律[.智能系统学报，2020,15(2)：360-366. [1]CUI Tiejun,LI Shasha.Deep learning of system reliability CUI Tiejun,LI Shasha.The conversion law of fault in- under multi-factor influence based on space fault tree[J]. formation in Safety Science[J].CAAI transactions on intel- Neural computing and applications,2019,31(9): ligent systems,2020,15(2):360-366 4761-4776. [10]范土雄，李立新，王松岩，等.人工智能技术在电网调控 [2]崔铁军，马云东.多维空间故障树构建及应用研究).中 中的应用研究.电网技术2020,44(2)：401-411 国安全科学学报，2013.23(4)：32-37. FAN Shixiong,LI Lixin,WANG Songyan,et al.Applica- CUI Tiejun,MA Yundong.Research on multi-dimension- tion analysis and exploration of artificial intelligence tech- al space fault tree construction and application[J].China nology in power grid dispatch and control[J].Power sys- safety science journal,2013,23(4):32-37. tem technology,2020,44(2):401-411. [3]张豫龙，王建峰，李陶然，等.基于观测图像识别的天文 望远镜智能故障辅助诊断系统[，天文研究与技术， [11]盛海华，王德林，马伟，等.基于大数据的继电保护智能 运行管控体系探索.电力系统保护与控制，2019， 2020,17(3):392-398. 47(22:168-175. ZHANG Yulong,WANG Jianfeng,LI Taoran,et al.The SHENG Haihua,WANG Delin,MA Wei,et al.Explora- intelligent fault auxiliary diagnosis system of astronomical telescope based on observation image recognition[J].As- tion of intelligent operation management system of relay tronomical research&technology,2020,17(3):392-398. protection based on big data[J].Power system protection [4]贾惠彬，盖永贺，李保罡，等.基于强化学习的电力通信 and control,2019,47(22):168-175. 网故障恢复方法[】.中国电力，2020,53(6)：34-40 [12]王春影.低温环境下汽车发动机运行故障智能诊断仿 JIA Huibin,GAI Yonghe,LI Baogang,et al.Power com- 真).计算机仿真，2018,35(12：131-134 munication network recovery from large-scale failures WANG Chunying.Intelligent diagnosis of automobile en- based on reinforcement learning[J].Electric power,2020, gine running fault in low temperature environment[J]. 53(6):34-40. Computer simulation,2018,35(12):131-134. [5]尹相国，张文，路致远，等.面向智能变电站二次设备的 [13]BUKKAPATNAM S T S,AFRIN K,DAVE D,et al.Ma- 故障诊断方法研究).电测与仪表，2020,57(3：39-45. chine learning and AI for long-term fault prognosis in YIN Xiangguo,ZHANG Wen,LU Zhiyuan,et al.Re- complex manufacturing systems[J].CIRP annals,2019, search on fault diagnosis method for secondary equipment 68(1459-462 of intelligent substation[J].Electrical measurement in- [14]WANG Shiqiang,XING Jianchun,JIANG Ziyan,et al.A strumentation,2020,57(3):39-45 novel sensors fault detection and self-correction method [6]高凯，宋娜，王红艳，等.基于大数据的地铁车辆智能故 for HVAC systems using decentralized swarm intelli- 障监测系统研究1.铁道机车车辆，2019,39S1):35-39. gence algorithm[J].International journal of refrigeration, GAO Kai.SONG Na,WANG Hongyan,et al.Research on 2019.106:54-65. intelligent fault monitoring system for metro vehicles [15]NASIRI A,TAHERI-GARAVAND A,OMID M,et al. based on big data[J].Railway locomotive car,2019, Intelligent fault diagnosis of cooling radiator based on 39(S1):35-39 deep learning analysis of infrared thermal images[J].Ap- [7]张龙，吴荣真，雷兵，等.基于多尺度嫡的滚动轴承故障 plied thermal engineering,2019,163(1):114410. 可拓智能识别[J刀.噪声与振动控制，2019,39(6)： [16]KUNCAN M,KAPLAN K,MINAZ M R,et al.A novel 200-205. feature extraction method for bearing fault classification ZHANG Long.WU Rongzhen,LEI Bing,et al.Extensible with one dimensional ternary patterns[J].ISA transac- intelligent identification for rolling bearing faults using tions,2020.100:346-357. multiscale entropy[J].Noise and vibration control,2019, [17]BENSAOUCHA S,BESSEDIK S A,AMEUR A,et al
3) 研究了 4 种故障知识的获得和特性，及基 础故障意识、故障情感和故障理智的特点和应 用。认为人工智能系统故障分析原理是基于信息 生态方法论，考虑了基础故障意识、故障情感与 故障理智，及故障语义信息的综合安全决策与降 低故障反应生成过程，目的是确保系统在规定条 件下完成预定功能。 参考文献： CUI Tiejun, LI Shasha. Deep learning of system reliability under multi-factor influence based on space fault tree[J]. Neural computing and applications, 2019, 31(9): 4761–4776. [1] 崔铁军, 马云东. 多维空间故障树构建及应用研究 [J]. 中 国安全科学学报, 2013, 23(4): 32–37. CUI Tiejun, MA Yundong. Research on multi-dimensional space fault tree construction and application[J]. China safety science journal, 2013, 23(4): 32–37. [2] 张豫龙, 王建峰, 李陶然, 等. 基于观测图像识别的天文 望远镜智能故障辅助诊断系统 [J]. 天文研究与技术, 2020, 17(3): 392–398. ZHANG Yulong, WANG Jianfeng, LI Taoran, et al. The intelligent fault auxiliary diagnosis system of astronomical telescope based on observation image recognition[J]. Astronomical research & technology, 2020, 17(3): 392–398. [3] 贾惠彬, 盖永贺, 李保罡, 等. 基于强化学习的电力通信 网故障恢复方法 [J]. 中国电力, 2020, 53(6): 34–40. JIA Huibin, GAI Yonghe, LI Baogang, et al. Power communication network recovery from large-scale failures based on reinforcement learning[J]. Electric power, 2020, 53(6): 34–40. [4] 尹相国, 张文, 路致远, 等. 面向智能变电站二次设备的 故障诊断方法研究 [J]. 电测与仪表, 2020, 57(3): 39–45. YIN Xiangguo, ZHANG Wen, LU Zhiyuan, et al. Research on fault diagnosis method for secondary equipment of intelligent substation[J]. Electrical measurement & instrumentation, 2020, 57(3): 39–45. [5] 高凯, 宋娜, 王红艳, 等. 基于大数据的地铁车辆智能故 障监测系统研究 [J]. 铁道机车车辆, 2019, 39(S1): 35–39. GAO Kai, SONG Na, WANG Hongyan, et al. Research on intelligent fault monitoring system for metro vehicles based on big data[J]. Railway locomotive & car, 2019, 39(S1): 35–39. [6] 张龙, 吴荣真, 雷兵, 等. 基于多尺度熵的滚动轴承故障 可拓智能识别 [J]. 噪声与振动控制, 2019, 39(6): 200–205. ZHANG Long, WU Rongzhen, LEI Bing, et al. Extensible intelligent identification for rolling bearing faults using multiscale entropy[J]. Noise and vibration control, 2019, [7] 39(6): 200–205. 徐红辉, 王翀, 范杰. 基于故障状态演化的高速公路机电 设备智能维护系统设计 [J]. 现代电子技术, 2019, 42(24): 112–115. XU Honghui, WANG Chong, FAN Jie. Design of fault state evolution based intelligent maintenance system for electromechanical equipments on expressway[J]. Modern electronics technique, 2019, 42(24): 112–115. [8] 崔铁军 , 李莎莎 . 安全科学中的故障信息转换定 律 [J]. 智能系统学报, 2020, 15(2): 360–366. CUI Tiejun, LI Shasha. The conversion law of fault information in Safety Science[J]. CAAI transactions on intelligent systems, 2020, 15(2): 360–366. [9] 范士雄, 李立新, 王松岩, 等. 人工智能技术在电网调控 中的应用研究 [J]. 电网技术, 2020, 44(2): 401–411. FAN Shixiong, LI Lixin, WANG Songyan, et al. Application analysis and exploration of artificial intelligence technology in power grid dispatch and control[J]. Power system technology, 2020, 44(2): 401–411. [10] 盛海华, 王德林, 马伟, 等. 基于大数据的继电保护智能 运行管控体系探索 [J]. 电力系统保护与控制, 2019, 47(22): 168–175. SHENG Haihua, WANG Delin, MA Wei, et al. Exploration of intelligent operation management system of relay protection based on big data[J]. Power system protection and control, 2019, 47(22): 168–175. [11] 王春影. 低温环境下汽车发动机运行故障智能诊断仿 真 [J]. 计算机仿真, 2018, 35(12): 131–134. WANG Chunying. Intelligent diagnosis of automobile engine running fault in low temperature environment[J]. Computer simulation, 2018, 35(12): 131–134. [12] BUKKAPATNAM S T S, AFRIN K, DAVE D, et al. Machine learning and AI for long-term fault prognosis in complex manufacturing systems[J]. CIRP annals, 2019, 68(1): 459–462. [13] WANG Shiqiang, XING Jianchun, JIANG Ziyan, et al. A novel sensors fault detection and self-correction method for HVAC systems using decentralized swarm intelligence algorithm[J]. International journal of refrigeration, 2019, 106: 54–65. [14] NASIRI A, TAHERI-GARAVAND A, OMID M, et al. Intelligent fault diagnosis of cooling radiator based on deep learning analysis of infrared thermal images[J]. Applied thermal engineering, 2019, 163(1): 114410. [15] KUNCAN M, KAPLAN K, MINAZ M R, et al. A novel feature extraction method for bearing fault classification with one dimensional ternary patterns[J]. ISA transactions, 2020, 100: 346–357. [16] [17] BENSAOUCHA S, BESSEDIK S A, AMEUR A, et al. ·790· 智 能 系 统 学 报 第 16 卷
第4期 崔铁军，等：人工智能系统故障分析原理研究 ·791· Induction motors broken rotor bars detection using RPVM proach-information conversion[J].Journal of Beijing Uni- and neural network[J].Compel,2019,38(2):596-615. versity of Posts and Telecommunications,2010,33(1): [18]ZANG Yu,SHANGGUAN Wei,CAI Baigen,et al. 1-6. Methods for fault diagnosis of high-speed railways:a re- [25]LEVESON N G.Engineering A Safer World:Systems view[J].Proceedings of the institution of mechanical en- Thinking Applied to Safety[M].Cambridge:MIT Press, gineers,part O:journal of risk and reliability,2019, 2011. 233(5):908-922 [26]莱文森·南希.基于系统思维构筑安全系统M).唐涛， [19]NOURELDEEN O,HAMDAN I,HASSANIN B.Design 牛儒，译.北京：国防工业出版社，2015：6,12 of advanced artificial intelligence protection technique LEVINSON N.Engineering A Safer World Systems based on low voltage ride-through grid code for large- Thinking Applied to Safety[M].TANG Tao,NIU Ru, scale wind farm generators:a case study in Egypt[J].SN trans.Beijing:National Defense Industry Press,2015:6, applied sciences,2019,1(6):515. 12 [20]LIU Xiaolian,TIAN Yu,LEI Xiaohui,et al.Deep forest [27]钟义信.机制主义人工智能理论一一一种通用的人工 based intelligent fault diagnosis of hydraulic turbine[J]. 智能理论[).智能系统学报，2018,13(1)2-18. Journal of mechanical science and technology,2019, ZHONG Yixin.Mechanism-based artificial intelligence 33(5):2049-2058. theory:a universal theory of artificial intelligence[J] [21]钟义信.信息生态学与语义信息论小.图书情报知识， CAAI transactions on intelligent systems,2018,13(1): 2017(6):4-11 2-18. ZHONG Yixin.Information ecology and semantic in- [28]CUI Tiejun,LI Shasha.System movement space and sys- formation theory[J].Documentation,information tem mapping theory for reliability of loT[J].Future gener- knowledge,2017(6):4-11. ation computer systems,2020,107:70-81. [22]钟义信.从“机械还原方法论”到“信息生态方法 论”一人工智能理论源头创新的成功路).哲学分 作者简介： 析，2017,8(5：133-144. 崔铁军，副教授，博士，主要研究 ZHONG Yixin.From mechanical reductionism to meth- 方向为系统可靠性及系统故障智能分 odology of information ecology:successful approach to 析理论。提出和建立了空间故障树理 论及空间故障网络理论。发明专利 innovation for Al theory [J].Philosophical analysis,2017, 20项。发表学术论文100余篇。出版 8(5):133-144. 学术专著5部。 [23]钟义信.从信息科学视角看《信息哲学》哲学分析， 2015,61)17-31. ZHONG Yixin.Information science and its view on in- 李莎莎，讲师，博士，主要研究方 向为安全管理及其智能方法。参加了 formation philosophy[J].Philosophical analysis,2015, 因素空间和空间故障树理论的研究。 6(1):17-31. 发明专利5项。发表学术论文20余 [24]钟义信.高等智能机制主义·信息转换[.北京邮电大 篇。出版学术专著2部。 学学报，2010,33(1)1-6. ZHONG Yixin.Advanced intelligence-mechanism ap-
Induction motors broken rotor bars detection using RPVM and neural network[J]. Compel, 2019, 38(2): 596–615. ZANG Yu, SHANGGUAN Wei, CAI Baigen, et al. Methods for fault diagnosis of high-speed railways: a review[J]. Proceedings of the institution of mechanical engineers, part O: journal of risk and reliability, 2019, 233(5): 908–922. [18] NOURELDEEN O, HAMDAN I, HASSANIN B. Design of advanced artificial intelligence protection technique based on low voltage ride-through grid code for largescale wind farm generators: a case study in Egypt[J]. SN applied sciences, 2019, 1(6): 515. [19] LIU Xiaolian, TIAN Yu, LEI Xiaohui, et al. Deep forest based intelligent fault diagnosis of hydraulic turbine[J]. Journal of mechanical science and technology, 2019, 33(5): 2049–2058. [20] 钟义信. 信息生态学与语义信息论 [J]. 图书情报知识, 2017(6): 4–11. ZHONG Yixin. Information ecology and semantic information theory[J]. Documentation, information & knowledge, 2017(6): 4–11. [21] 钟义信. 从“机械还原方法论”到“信息生态方法 论”——人工智能理论源头创新的成功路 [J]. 哲学分 析, 2017, 8(5): 133–144. ZHONG Yixin. From mechanical reductionism to methodology of information ecology: successful approach to innovation for AI theory[J]. Philosophical analysis, 2017, 8(5): 133–144. [22] 钟义信. 从信息科学视角看《信息哲学》[J]. 哲学分析, 2015, 6(1): 17–31. ZHONG Yixin. Information science and its view on information philosophy[J]. Philosophical analysis, 2015, 6(1): 17–31. [23] 钟义信. 高等智能·机制主义·信息转换 [J]. 北京邮电大 学学报, 2010, 33(1): 1–6. ZHONG Yixin. Advanced intelligence-mechanism ap- [24] proach-information conversion[J]. Journal of Beijing University of Posts and Telecommunications, 2010, 33(1): 1–6. LEVESON N G. Engineering A Safer World: Systems Thinking Applied to Safety[M]. Cambridge: MIT Press, 2011. [25] 莱文森·南希. 基于系统思维构筑安全系统 [M]. 唐涛, 牛儒, 译. 北京: 国防工业出版社, 2015: 6, 12. LEVINSON N. Engineering A Safer World Systems Thinking Applied to Safety[M]. TANG Tao, NIU Ru, trans. Beijing: National Defense Industry Press, 2015: 6, 12. [26] 钟义信. 机制主义人工智能理论——一种通用的人工 智能理论 [J]. 智能系统学报, 2018, 13(1): 2–18. ZHONG Yixin. Mechanism-based artificial intelligence theory: a universal theory of artificial intelligence[J]. CAAI transactions on intelligent systems, 2018, 13(1): 2–18. [27] CUI Tiejun, LI Shasha. System movement space and system mapping theory for reliability of IoT[J]. Future generation computer systems, 2020, 107: 70–81. [28] 作者简介： 崔铁军，副教授，博士，主要研究 方向为系统可靠性及系统故障智能分 析理论。提出和建立了空间故障树理 论及空间故障网络理论。发明专利 20 项。发表学术论文 100 余篇。出版 学术专著 5 部。 李莎莎，讲师，博士，主要研究方 向为安全管理及其智能方法。参加了 因素空间和空间故障树理论的研究。 发明专利 5 项。发表学术论文 20 余 篇。出版学术专著 2 部。 第 4 期 崔铁军，等：人工智能系统故障分析原理研究 ·791·