摘要】：本文從建筑智慧運維的實際管理需要出發，描述了常見的運維決策規則類型，引入了Rete產生式規則推理算法，構建了運維規則推理引擎。在此基礎上，采用基于節點共享度模型等改進算法，提高了推理引擎的匹配效率，節省了計算資源，以期實現對建筑和建筑群的海量采集數據的快速運維規則推理。

　　【關鍵詞】：建筑智慧運維產生式推理系統Rete網邊緣計算

　　1概述

　　隨著建筑智能化技術的成熟和不斷發展，建筑信息集成應用軟件系統在智慧建筑運維領域得到廣泛的建設和應用。集成系統不僅需要對建筑運營環境和現場設備運行工況等信息實現感知和采集，還需滿足建筑管理方和建筑功能實際用戶對建筑業務場景的相關信息使用要求。如建筑內建筑環境安全判別，公共資源的使用管理，辦公樓內相關設施的高效使用，大型商業、超市的管理等業務，家居設備的使用管理等。這些都需要對已采集到的建筑實時運行信息，按照不同的業務場景要求，做出數據分析和業務邏輯判斷，并根據判斷的結果觸發相應的業務動作(如：建筑環境的消防報警、安保安全判別及報警，舒適度判別及空調設備的調控，公區車位預約、辦公區域加班時的設備分區控制、制冷季的空氣焓值控制等)。上述業務使用場景，都要求預定義業務規則邏輯，根據現場實時數據集，快速完成業務邏輯推理，并執行相應的業務邏輯。本文采用基于Rete網絡的前向推理算法構建規則推理引擎，并用節點共享度排序算法對原Rete網絡的算法作了改進，實現建筑運維階段的快速推理判斷。

　　2建筑運維血務規則

　　2.1建筑運維業務邏輯

　　建筑運維階段業務邏輯規則可大致分成兩類：

　　(1)故障診斷類規則此類規則主要用于當前建筑及重要設備運行狀態的故障診斷，使運維管理體系形成閉環管理。通過統計分析運維過程中產生的數據，與運維管控規則比較，從而推理出故障現象，觸發報警事件，并將數據及報警信息推送到相關業務管理系統以進行故障處理。故障診斷類規則如表1所示。

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

　　在建筑運維過程中，隨著運維管理數字化體系的建設和完善，有效數據的積累和分析手段的提高，必然導致設備運行的精細化，上述兩種類型的規則數量也隨之不斷増長，并伴隨著規則判據的調整和完善。在建筑運維過程中，需要建筑和設備狀態的數據與規則快速匹配和推理，以實現業務規則的落地運行。

　　2.2產生式運維規則

　　產生式規則對業務邏輯進行規則化處理，以丨F{條件判斷｝THEN{執行動作｝形式表達規則中的業務知識。產生式規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域的重要組成部分，當前廣泛采用的推理機制是基于規則推理(Rule-BasedReasoning，簡稱RBR)。RBR作為一種基于現有規則集對實時數據進行前向鏈式推理的機制，在建筑運維領域，可很好地以邏輯完備的規則集表達運行場景中的已有業務知識;同時，產生式推理引擎能很好地實現用戶業務規則維護和規則運行的分離，業務專家只需專注于知識的總結和維護，而無需關心規則系統的實現問題。

　　3改進Rete算法

　　3.1Rete網的節點排序

　　在Rete規則網絡作為一個有向無環圖，在生成階段，由于規則模式中約束條件順序的不同，構建的網絡節點的共享程度也不同。假設規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節點)。則對應此三種模式生成的Rete網絡模型如圖5所示。

　　在原有條件順序下，三種模式中共需建立6個節點，并且只實現了GC1、GC1c2兩種子圖的共享，而未實現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共享，并且網絡節點數降為5個。改進排序后Rete網絡模型如圖6所示。

　　6所示。同理，針對P節點，其約束條件順序的不同，也將影響P節點的共享程度及結點的數量。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節點)。生成的Rete網絡模型如圖7所示。

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

　　優化條件排序后，在原有共享子圖GC1、GC1c2基礎上，新增了GC1c2c3子圖的共享，減少了p節點的數量。

　　由此可見，對a和(3節點條件順序進行重排序優化，可以減少中間緩存節點的數量，減少推理網絡占用的內存空間，提高節點的共享率和規則匹配的速度。

　　3.2節點共享度排序

　　在Rete網絡生成階段，統計所有的a節點在所有規貝[|中出現的總次數，以此作為該節點的節點共享度。為確保共享度高的節點位于網絡前部，按照共享度從高到低的順序，將所有〇t節點依次加入網絡中，以提高整個Rete網絡的節點共享程度。當節點共享度相同時，再按照〇c節點的模式共享度，按照從高到低的順序，將對應a節點依次加入網絡。節點的模式共享度為：a節點的模式共享度=S模式(S(模式內所有a節點的共享度))對所有的P節點，統計所有的分類節點的分類共享度，再按降序排序分類節點。分類共享度相同時，再按照每個分類下包含的a節點數量，按升序排序分類節點。分類共享度=：!(該分類下的所有ex節點共享度)3.3Rete網推理優化在Rete網絡的數據事實推理階段，采用兩種方式加速推理過程。

　　3.3.1推理過程的觸發規則

　　網絡生成后，當規則集合需要變化時，將以用戶UI交互的方式，觸發Rete網絡的重生成，以匹配最新的定義規則集。而規則網絡推理過程的啟動，是以事實數據集的變化為觸發條件的。通過判斷計算運維現場相關數據的變化，分布到建筑運維的各個邊緣網關中執行，引擎只有在被通知到數據事實發生變化時，才進入匹配運算，減少了引擎無效計算時間，提高了引擎對數據變化的實時性響應能力。同時，邊緣網關還監聽引擎規則動作的輸出，如輸出動作要求執行相應任務時，網關將依據接收到的任務信息對現場設備系統進行相應的操作，并將操作的完成情況回傳給推理引擎端。

　　3.3.2數據事實的匹配推理

　　在數據進入Rete網后，采用HashM叩(Key=fact，Value=匹配節點地址鏈表)記錄整個匹配過程。這樣，當相同數據事實再次進入網絡時，可以通過鏈表直接定位到匹配的節點，而不必重新遍歷整個規則網絡。

　　4結束語

　　本文針對建筑智慧運維的需求，對現場網絡控制器采集到的實時數據集(千萬條/秒)與(數千條)管理規則實時進行規則推理，以產生式Rete推理算法為基礎，構建快速規則推理引擊;并通過節點排序算法，在邊緣側網關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，節省所需的計算資源，初步探討了智慧運維決策的實現可能。

　　【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.基于工業環境的改進Rete算法.計算機工程與設計，2009

　　[3]顧小東，高陽.Rete算法：研究現狀與挑戰.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.基于規則引擎技術的Rete算法的研究.IT技術論壇，2008

　　董效東