規(guī)則推理在建筑智慧運維中的應用

　　摘要】：本文從建筑智慧運維的實際管理需要出發(fā)，描述了常見的運維決策規(guī)則類型，引入了Rete產(chǎn)生式規(guī)則推理算法，構(gòu)建了運維規(guī)則推理引擎。在此基礎(chǔ)上，采用基于節(jié)點共享度模型等改進算法，提高了推理引擎的匹配效率，節(jié)省了計算資源，以期實現(xiàn)對建筑和建筑群的海量采集數(shù)據(jù)的快速運維規(guī)則推理。

　　【關(guān)鍵詞】：建筑智慧運維產(chǎn)生式推理系統(tǒng)Rete網(wǎng)邊緣計算

　　1概述

　　隨著建筑智能化技術(shù)的成熟和不斷發(fā)展，建筑信息集成應用軟件系統(tǒng)在智慧建筑運維領(lǐng)域得到廣泛的建設(shè)和應用。集成系統(tǒng)不僅需要對建筑運營環(huán)境和現(xiàn)場設(shè)備運行工況等信息實現(xiàn)感知和采集，還需滿足建筑管理方和建筑功能實際用戶對建筑業(yè)務(wù)場景的相關(guān)信息使用要求。如建筑內(nèi)建筑環(huán)境安全判別，公共資源的使用管理，辦公樓內(nèi)相關(guān)設(shè)施的高效使用，大型商業(yè)、超市的管理等業(yè)務(wù)，家居設(shè)備的使用管理等。這些都需要對已采集到的建筑實時運行信息，按照不同的業(yè)務(wù)場景要求，做出數(shù)據(jù)分析和業(yè)務(wù)邏輯判斷，并根據(jù)判斷的結(jié)果觸發(fā)相應的業(yè)務(wù)動作(如：建筑環(huán)境的消防報警、安保安全判別及報警，舒適度判別及空調(diào)設(shè)備的調(diào)控，公區(qū)車位預約、辦公區(qū)域加班時的設(shè)備分區(qū)控制、制冷季的空氣焓值控制等)。上述業(yè)務(wù)使用場景，都要求預定義業(yè)務(wù)規(guī)則邏輯，根據(jù)現(xiàn)場實時數(shù)據(jù)集，快速完成業(yè)務(wù)邏輯推理，并執(zhí)行相應的業(yè)務(wù)邏輯。本文采用基于Rete網(wǎng)絡(luò)的前向推理算法構(gòu)建規(guī)則推理引擎，并用節(jié)點共享度排序算法對原Rete網(wǎng)絡(luò)的算法作了改進，實現(xiàn)建筑運維階段的快速推理判斷。

　　2建筑運維血務(wù)規(guī)則

　　2.1建筑運維業(yè)務(wù)邏輯

　　建筑運維階段業(yè)務(wù)邏輯規(guī)則可大致分成兩類：

　　(1)故障診斷類規(guī)則此類規(guī)則主要用于當前建筑及重要設(shè)備運行狀態(tài)的故障診斷，使運維管理體系形成閉環(huán)管理。通過統(tǒng)計分析運維過程中產(chǎn)生的數(shù)據(jù)，與運維管控規(guī)則比較，從而推理出故障現(xiàn)象，觸發(fā)報警事件，并將數(shù)據(jù)及報警信息推送到相關(guān)業(yè)務(wù)管理系統(tǒng)以進行故障處理。故障診斷類規(guī)則如表1所示。

　　(2)過程控制類規(guī)則此類規(guī)則主要用于對當前建筑環(huán)境狀態(tài)的推理，根據(jù)推理結(jié)果，對建筑環(huán)境相應的設(shè)備進行控制調(diào)適，以滿足建筑綠色節(jié)能并舒適運行，建筑用戶滿意度等建筑運維目標。依據(jù)是將建筑現(xiàn)場環(huán)境實時采集的運行參數(shù)與相應的控制規(guī)則進行匹配，推斷設(shè)備當前的工況和狀態(tài)的合理性，并觸發(fā)相應的設(shè)備控制動作。過程控制規(guī)則如表2所示。

　　在建筑運維過程中，隨著運維管理數(shù)字化體系的建設(shè)和完善，有效數(shù)據(jù)的積累和分析手段的提高，必然導致設(shè)備運行的精細化，上述兩種類型的規(guī)則數(shù)量也隨之不斷増長，并伴隨著規(guī)則判據(jù)的調(diào)整和完善。在建筑運維過程中，需要建筑和設(shè)備狀態(tài)的數(shù)據(jù)與規(guī)則快速匹配和推理，以實現(xiàn)業(yè)務(wù)規(guī)則的落地運行。

　　2.2產(chǎn)生式運維規(guī)則

　　產(chǎn)生式規(guī)則對業(yè)務(wù)邏輯進行規(guī)則化處理，以丨F{條件判斷｝THEN{執(zhí)行動作｝形式表達規(guī)則中的業(yè)務(wù)知識。產(chǎn)生式規(guī)則使得知識的表示簡便清晰，也便于知識的更新維護。

　　生式推理屬于人工智能領(lǐng)域的重要組成部分，當前廣泛采用的推理機制是基于規(guī)則推理(Rule-BasedReasoning，簡稱RBR)。RBR作為一種基于現(xiàn)有規(guī)則集對實時數(shù)據(jù)進行前向鏈式推理的機制，在建筑運維領(lǐng)域，可很好地以邏輯完備的規(guī)則集表達運行場景中的已有業(yè)務(wù)知識;同時，產(chǎn)生式推理引擎能很好地實現(xiàn)用戶業(yè)務(wù)規(guī)則維護和規(guī)則運行的分離，業(yè)務(wù)專家只需專注于知識的總結(jié)和維護，而無需關(guān)心規(guī)則系統(tǒng)的實現(xiàn)問題。

　　3改進Rete算法

　　3.1Rete網(wǎng)的節(jié)點排序

　　在Rete規(guī)則網(wǎng)絡(luò)作為一個有向無環(huán)圖，在生成階段，由于規(guī)則模式中約束條件順序的不同，構(gòu)建的網(wǎng)絡(luò)節(jié)點的共享程度也不同。假設(shè)規(guī)則對應的模式分別為：P1(C1，C2，C4>、P2(C1，C3>、P3(C1，C2，C3，C4)。其中Ci表示為同一類型的約束條件(ot節(jié)點)。則對應此三種模式生成的Rete網(wǎng)絡(luò)模型如圖5所示。

　　在原有條件順序下，三種模式中共需建立6個節(jié)點，并且只實現(xiàn)了GC1、GC1c2兩種子圖的共享，而未實現(xiàn)GC1c2c3子圖的共享。改變P3的條件排序為P3(C1，C2，C4，C3)，則可對所有子圖實現(xiàn)共享，并且網(wǎng)絡(luò)節(jié)點數(shù)降為5個。改進排序后Rete網(wǎng)絡(luò)模型如圖6所示。

　　6所示。同理，針對P節(jié)點，其約束條件順序的不同，也將影響P節(jié)點的共享程度及結(jié)點的數(shù)量。如模式P1(C1，C2，C3)、P2(C1，C2，C4，C3)。其中Ci表示為不同類型的約束條件(P節(jié)點)。生成的Rete網(wǎng)絡(luò)模型如圖7所示。

　　改變P2的條件順序為P2(C1，C2，C3，C4)后，生成的Rete網(wǎng)絡(luò)模型如圖8所示。

　　優(yōu)化條件排序后，在原有共享子圖GC1、GC1c2基礎(chǔ)上，新增了GC1c2c3子圖的共享，減少了p節(jié)點的數(shù)量。

　　由此可見，對a和(3節(jié)點條件順序進行重排序優(yōu)化，可以減少中間緩存節(jié)點的數(shù)量，減少推理網(wǎng)絡(luò)占用的內(nèi)存空間，提高節(jié)點的共享率和規(guī)則匹配的速度。

　　3.2節(jié)點共享度排序

　　在Rete網(wǎng)絡(luò)生成階段，統(tǒng)計所有的a節(jié)點在所有規(guī)貝[|中出現(xiàn)的總次數(shù)，以此作為該節(jié)點的節(jié)點共享度。為確保共享度高的節(jié)點位于網(wǎng)絡(luò)前部，按照共享度從高到低的順序，將所有〇t節(jié)點依次加入網(wǎng)絡(luò)中，以提高整個Rete網(wǎng)絡(luò)的節(jié)點共享程度。當節(jié)點共享度相同時，再按照〇c節(jié)點的模式共享度，按照從高到低的順序，將對應a節(jié)點依次加入網(wǎng)絡(luò)。節(jié)點的模式共享度為：a節(jié)點的模式共享度=S模式(S(模式內(nèi)所有a節(jié)點的共享度))對所有的P節(jié)點，統(tǒng)計所有的分類節(jié)點的分類共享度，再按降序排序分類節(jié)點。分類共享度相同時，再按照每個分類下包含的a節(jié)點數(shù)量，按升序排序分類節(jié)點。分類共享度=：!(該分類下的所有ex節(jié)點共享度)3.3Rete網(wǎng)推理優(yōu)化在Rete網(wǎng)絡(luò)的數(shù)據(jù)事實推理階段，采用兩種方式加速推理過程。

　　3.3.1推理過程的觸發(fā)規(guī)則

　　網(wǎng)絡(luò)生成后，當規(guī)則集合需要變化時，將以用戶UI交互的方式，觸發(fā)Rete網(wǎng)絡(luò)的重生成，以匹配最新的定義規(guī)則集。而規(guī)則網(wǎng)絡(luò)推理過程的啟動，是以事實數(shù)據(jù)集的變化為觸發(fā)條件的。通過判斷計算運維現(xiàn)場相關(guān)數(shù)據(jù)的變化，分布到建筑運維的各個邊緣網(wǎng)關(guān)中執(zhí)行，引擎只有在被通知到數(shù)據(jù)事實發(fā)生變化時，才進入匹配運算，減少了引擎無效計算時間，提高了引擎對數(shù)據(jù)變化的實時性響應能力。同時，邊緣網(wǎng)關(guān)還監(jiān)聽引擎規(guī)則動作的輸出，如輸出動作要求執(zhí)行相應任務(wù)時，網(wǎng)關(guān)將依據(jù)接收到的任務(wù)信息對現(xiàn)場設(shè)備系統(tǒng)進行相應的操作，并將操作的完成情況回傳給推理引擎端。

　　3.3.2數(shù)據(jù)事實的匹配推理

　　在數(shù)據(jù)進入Rete網(wǎng)后，采用HashM叩(Key=fact，Value=匹配節(jié)點地址鏈表)記錄整個匹配過程。這樣，當相同數(shù)據(jù)事實再次進入網(wǎng)絡(luò)時，可以通過鏈表直接定位到匹配的節(jié)點，而不必重新遍歷整個規(guī)則網(wǎng)絡(luò)。

　　4結(jié)束語

　　本文針對建筑智慧運維的需求，對現(xiàn)場網(wǎng)絡(luò)控制器采集到的實時數(shù)據(jù)集(千萬條/秒)與(數(shù)千條)管理規(guī)則實時進行規(guī)則推理，以產(chǎn)生式Rete推理算法為基礎(chǔ)，構(gòu)建快速規(guī)則推理引擊;并通過節(jié)點排序算法，在邊緣側(cè)網(wǎng)關(guān)上采用分布式計算模型和建立匹配過程索引的方式，提高整個引擎的計算效率，節(jié)省所需的計算資源，初步探討了智慧運維決策的實現(xiàn)可能。

　　【參考文獻】

　　[1]CharlesL.Forgy，Rete：AFastAlgorithmfortheManyPattern/ManyObjectPatternMatchProblem，ArtificialIntelligence19(1)：17-37，September1982

　　[2]汪成亮，周亞鑫，陳娟娟.基于工業(yè)環(huán)境的改進Rete算法.計算機工程與設(shè)計，2009

　　[3]顧小東，高陽.Rete算法：研究現(xiàn)狀與挑戰(zhàn).計算機科學，2012

　　[4】孫新，嚴西敏，尚煜茗，歐陽童，董闊.一種基于共享度模型的改進Rete算法.自動化學報，2017

　　[5】鮑金玲.基于規(guī)則引擎技術(shù)的Rete算法的研究.IT技術(shù)論壇，2008

　　董效東

《規(guī)則推理在建筑智慧運維中的應用》

上一篇：智慧工地系統(tǒng)在建筑施工過程中的應用探究

下一篇：基于標準體系的公共建筑智慧能源欄管控策略研究