（检测技术与自动化装置专业论文）基于模糊petri网的专家系统知识推理及其应用.pdf

天津科技大学 l i t l i it ti i i ii i t l l l l ll t m y 17 9 7 3 6 3 学位论文原创性声明 本人郑重声明：所里交的论文是本人在导师的指导下独立进行研究所取得的研究 成果。除文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发 表或撰写的成果内容。对本文研究做出重要贡献的个人和集体，均已在文中以明确方 式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：揪 e im ：卯年，眨月s 日 专利权声明 本人郑重声明：所呈交的论文涉及的创造性发明的专利权及使用权完全归天津科 技大学所有。本人完全意识到本声明的法律后果由本人承担。 作者签名： 铋k 日期：o _ 7 年f 乞月苦日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权天津科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口( 请在方框内打、r ) ，在 年解密后适用本授权书。 本学位论文属于 作者签名： 导师签名： 不保密 给、次 匣 请在方框内打。、，) 。 物糸 日期：d 7 年住月矿日 日期。 口夕年，2 月矿日 摘要 专家系统开发所涉及到的关键技术：知识表示、知识获取、知识库组织、 知识库维护、推理机制和解释机制等都与知识息息相关，所以知识仍是影响专 家系统性能的关键因素。模糊p e t r i 网( f p n ) 是p e t r i 网的一个扩充，能较好 的描述模糊问题，其表示能力比普通p e t r i 网要强得多，越来越多的研究证明： 模糊p e t r i 网是一种很好的知识表示方法，它既可以合理描述出现实世界中的 不确定性和模糊性，又可以进行不确定性推理，而且与其他方法相比，它支持 并行推理和对知识库的验证。模糊p e t r i 网完全符合专家系统建模的要求，并 且具有明显的自身优势。本文研究基于模糊p c t r i 网的专家系统知识表示及推 理方法。给出了专家系统模糊产生式规则库与f p n 模型的转换算法，把孤立 的模糊产生式规则统一成为完整的f p n 表示的知识库形式：对于基于模糊产 生式规则的专家系统知识库，提出了正向推理算法、反向推理算法和双向推理 算法，并提出一种基于f p n 的并行推理算法，该算法充分利用了模糊p e t r i 网 的并行处理能力，且能避免变迁的重复触发，提高了推理效率；为了使模糊 p e t r i 网可以在知识不完备的情况下进行推理，提出了一种基于默认推理的f p n 模型；针对专家系统知识库中可能出现的等价规则集、冗余规则集、冲突规则 集、循环规则集和死锁等一致性缺陷，给出了基于f p n 的不精确知识的一致 性维护算法；由于模糊p e t r i 网的权值、变迁阈值，规则置信度等参数难以精 确获得，阻碍了知识推理，文中讨论了基于b p 算法和遗传算法的模糊p e t r i 网参数优化算法；为了降低模糊p e t r i 网的复杂度，在确保能表示等量的知识 的基础上，结合知识约简的方法简化了网模型。 关键词：专家系统；知识表示；知识推理；模糊p e t r i 网；知识库维护；模型 简化 r e a s o n i n ga l g o r i t h mo ft h ep r o d u c t i o ns y s t e m a r eb r o u g h tf o r w a r d b e s i d e s ，a p a r a l l e lr e a s o n i n ga l g o r i t h mb a s e do nf p n i sa l s op r e s e n t e d i ta v o i d su n n e c e s s a r y r e p e t i t i o n so ff i r i n go ft r a n s i t i o n se f f e c t i v e l y , a n di m p r o v e st h ee f f i c i e n c yo ft h e r e a s o n i n gp r o c e s s d e f a u l tr e a s o n i n g i sa ni m p o r t a n tm e t h o d f o rt h er e a l - l i f o r e a s o n i n gp r o c e s s ak i n do ff p nm o d e lb a s e d o nd e f a u l tr e a s o n i n gi sp r o p o s e di n t h ep a p e r i nc a s eo ft h ec o n s i s t e n td e f i c i e n c yo ft h ek n o w l e d g eb a s e ，a c o n s i s t e n c ym a i n t e n a n c ea l g o r i t h mi sp r e s e n t e d i tc a nd e a lw i t he q u i v a l e n tr u l e s s e t ，r e d u n d a n c yr u l e ss e t ，t h ec o n f l i c tr u l e ss e t ，a n dt h ec y c l e dr u l e ss e t b e c a u s e t h ep a r a m e t e r so ft h ef p n ，s u c ha sw e i g h t s ，t h r e s h o l d so ft r a n s i t i o n s ，d e g r e eo f t r u eo fr u l e s ，a r ed i f f i c u l tt oa c c e s sa c c u r a t e l y , t h eo p t i m i z a t i o na l g o r i t h mo f p a r a m e t e r sb a s e do nb pa l g o r i t h ma n dg e n e t i ca l g o r i t h ma r eb o t hd i s c u s s e di nt h e p a p e r i no r d e rt or e d u c et h ec o m p l e x i t yo ft h e f p nm o d e l ，as i m p l i f i c a t i o n m e t h o do ff p nb a s e do nk n o w l e d g er e d u c t i o ni sp r e s e n t e d t h es i m p l i f i e dm o d e l c o n t a i n st h es a m ei n f o r m a t i o na sb e f o r e k e yw o r d s ：e x p e r ts y s t e m ，k n o w l e d g er e p r e s e n t a t i o n ，k n o w l e d g er e a s o n i n g ，f p n ， k n o w l e d g eb a s em a i n t e n a n c e ，s i m p l i f i c a t i o nm e t h o do ff p n 目录 1 前言：1 1 1 选题背景及研究意义1 1 1 1 专家系统的发展1 1 1 2 常用的专家系统模型。3 1 1 3 模糊p c t r i 网及其在专家系统中的应用背景5 1 2 研究目标。7 ：1 3 论文主要内容8 2 基于模糊p e t r i 网的专家系统知识表示9 2 1 专家系统基本构成9 2 2 专家系统知识库中的模糊知识的表示j 1 0 2 3 模糊p e t r i 网的定义与特点1 1 2 4 模糊产生式规则的模糊p e t r i 网表示1 3 2 5 模糊规则库到模糊p e t r i 网( f p n ) 的转化算法1 7 2 6 转换算法验证。：1 8 2 7 本章小结2 0 3 基于模糊p e t r i 网的专家系统知识处理。2 1 3 1 基于f p n 的分步加运算的推理算法2 1 3 1 1 正向推理算法2 3 3 1 2 反向推理算法2 4 3 1 3 双向推理算法2 4 3 2 基于f p n 的形式化并行推理算法2 6 3 3 基于默认推理的加权f p n 模型。：3 0 3 4 专家系统知识库的维护3 4 3 4 1 一致性检测算法3 5 3 4 2 冲突规则的消除3 5 3 4 3 循环规则的消除3 6 3 5 本章小结：3 7 4 模糊p e t r i 网参数的优化及模型简化3 8 4 1 基于b p 算法的f p n 参数优化方法3 8 4 2 基于遗传算法的f p n 参数优化算法4 3 4 3 基于知识约简的f p n 模型简化4 6 天津科技大学硕士学位论文 1 前言 专家系统( e x p e r ts y s t e m ，e s ) 【1 j 是一个智能的计算机程序，它运用知识 和推理步骤来解决只有专家才能解决的复杂问题。任何解题能力达到了同领域 人类专家水平的计算机程序都可以称作专家系统。自第一个专家系统一一 d e n d r a l 化学分子结构分析系统【2 l 在1 9 6 8 年研究成功以来，专家系统以它的 高性能和实用性引起了世界各国的普遍重视。学者们相继研究开发了很多著名 的专家系统，如针对感染病治疗的m y c n 系统【3 1 ，计算机配置专家系统x c o n 4 l 等。目前专家系统的应用领域已渗透到各行各业，“知识工程之父一费根鲍姆 教授在对世界上许多国家和地区的专家系统的应用性能进行调查后得出结论： 使用专家系统能节约大量的资金，使工作效率提高1 0 倍n 3 0 0 倍【5 1 。 专家系统开发所涉及到的关键技术主要有知识表示、知识获取、知识库组 织、知识库维护、推理机制和解释机制六个方面【6 】。只有建立了完善的、精确 的和易于维护的知识库、拥有了高效的推理机制和易于理解的解释机制，才能 使专家系统具备更高的性能，而这些都与知识息息相关，也就是说：知识是影 响专家系统性能的关键因素。 p e t r i 网【7 j 是一种形式化的系统建模工具。它具有很强的模拟能力( 与图 灵机等价) 和严格的数学定义，同时又具有图形化表示方法的直观易懂的优点， 适合于描述异步并发现象和对并行或并发系统进行分析，因此在人工智能领域 得到了越来越广泛的应用。模糊p e t r i 网i s 】作为p e t r i 网的一个扩充，其表示能力 比普通p e t r i 网要强得多，使用模糊p e t r i 网模型可以更加精确和贴切的描述实际 系统，以通用的模糊p e t r i 网模型为工具，能够较好的解决推理中的模糊问题。 越来越多的研究说明：模糊p e t r i 网是一种很好的知识表示方法，它既可以合理 的描述出现实世界中的不确定性和模糊性，又可以进行不确定性推理，而且与 其他方法相比，它支持并行推理和对知识库的验证。模糊p e t r i 网完全符合专家 系统建模的要求，并且具有明显的自身优势。 本文分别对专家系统的知识表示、知识推理、知识库维护等环节展开讨论， 利用模糊p e t r i 网为模糊知识推理与维护系统建模。讨论了模型的参数优化算法 及基于知识约简的模型的简化方法，并用v c + + 6 0 对原型系统进行验证。 1 1 选题背景及研究意义 1 1 1 专家系统的发展 作为人工智能一个重要分支的专家系统是在2 0 世纪6 0 年代初期产生并发 展起来的一门应用科学，而且正随着计算机技术的不断发展而日臻完普和成熟 【9 1 。专家系统按其发展过程大致可分为三个阶段【l o l ，即初创期( 1 9 7 1 年前) 、 成熟期( 1 9 7 2 m 1 9 7 7 年) 和发展期( 1 9 7 8 年至今) 。 1 前言 2 0 世纪6 0 年代初，人工智能研究者集中精力开发通用的方法和技术，通过 研究一般的方法来改变知识的表示和搜索，并且使用它们来建立专用程序。到 了2 0 世纪6 0 年代中期，知识在智能行为中的地位受到了研究者的重视，这就为 以专门知识为核心求解具体问题的基于知识的专家系统的产生奠定了思想基 础。1 9 6 5 年在美国国家航空航天局要求下，斯坦福大学成功研制了d e n r a l 系统1 2 1 ，该系统的初创工作使得人工智能研究者意识到智能行为不仅依赖于推 理方法，更依赖于其推理所用的知识。它具有非常丰富的化学知识，可根据质 谱数据帮助化学家推断分子的结构，被广泛应用于世界各地的大学及工业界的 化学实验室。这个系统的完成标志着专家系统的诞生。在此之后，麻省理工学 院开始研制m a c s y m a 系统1 4 1 ，它作为数学家的助手，能求解6 0 0 多种数学问 题。其中包括微积分、矩阵运算、解方程和解方程组等。同期，还有美国卡内 基梅隆大学开发的用于语音识别的专家系统h e a r s a y 1 2 l 。该系统表明计算 机在理论上可按编制的程序与用户进行交谈。2 0 世纪7 0 年代初，匹兹堡大学的 鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统 n t e r n i s t 1 3 j 。这些系统的研制成功使得专家系统受到学术界及工程领域的广 泛关注。 n 2 0 世纪7 0 年代中期，专家系统已逐步成熟起来，并先后出现了一批卓有 成效的专家系统。其中，最具代表性的是肖特立夫等人的研制的m y c n 系统1 3 1 。 该系统用于诊断和治疗血液感染及脑炎感染，可给出处方建议，不但具有很高 的性能，而且具有解释功能和知识获取功能。另一个非常成功的专家系统是 p r o s p c t o r 系统【1 4 l ，它用于辅助地质学家探测矿藏，是第一个取得明显经济 效益的专家系统。p r o s p c t o r 的性能据称完全可以与地质学家相比拟。除了 这些成功实例外，在这一时期另外两个影响较大的专家系统是斯坦福大学研制 的a m 系统和p u f f 系统。a m 是一个用机器模拟人类归纳推理、抽象概念的专 家系统；而p u f f 是一个肺功能测试专家系统，经对多个实例进行验证，成功 率达9 3 。诸多专家系统的成功开发，标志着专家系统逐渐走向成熟。 到了2 0 世纪8 0 年代中期，专家系统发展在应用上最明显的特点是出现了大 量的投入商业化运行的系统，并为各行业产生了显著的经济效益。其中一个著 名的例子是d e c 公司与卡内基梅隆大学合作开发的x c o n r 1 专家系统【4 1 。它 用于辅助d e c 计算机系统的配置设计，每年为d e c 公司节省数百万美元。专家 系统的应用日益广泛，处理问题的难度和复杂度不断增大，导致了传统的专家 系统无法满足较为复杂的情况，迫切需要新的方法和技术支持。 从2 0 世纪8 0 年代后期开始，面向对象、神经网络和模糊技术等新技术的迅 速崛起，为专家系统注入了新的活力。这些技术逐渐发展成熟，并成功运用到 专家系统之中，使得专家系统得到更广泛的运用。在这期间开发的专家系统按 其处理问题的类型可以分为解释型、预测型、诊断型、设计型、规划型、监视 2 天津科技大学硕士学位论文 型、调试型、修正型、教学型和控制型，其应用领域也涉及到农业、商业、化 学、通信、计算机系统、医学1 1 5 j 等多个方面，并已成为人们常用的解决问题 的手段之一。 1 1 2 常用的专家系统模型 目前已研究的专家系统模型有很多种。其中较为流行的有基于规则推理的 专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家 系统、基于d s 证据理论的专家系统、基于人工神经网络的专家系统和基于遗 传算法的专家系统等，本节简单介绍其中的几种系统模型及相关的研究。 基于规则推理( r u l eb a s e dr e a s o n i n g ，r b r ) 【1 6 j 的方法是根据以往专家 的经验，将其归纳成规则，通过启发式经验知识进行推理。它具有明确的前提， 得到确定的结果。早期的专家系统大多数是用规则推理的方法，如d e n d r a l 。专家系统、m y c n 专家系统、p r o s p e c t o r 专家系统等。这种系统又称为产生 式专家系统，基于规则的方法容易使知识工程师与人类专家合作，易于被人类 专家理解。规则库中的规则具有相同的结构，即i f t h e n 结构，这种统一的格 式便于管理，同时便于推理机的设计。文献【1 7 】对基于规则的专家系统的不确 定性推理进行了研究，提出了权值法和修正权值法两种不确定推理算法。其中 权值法根据各证据重要程度的不同，区别对待证据的可信度信息，同时充分利 用每一条信息；修正权值法除了具有权值法的优点外，又区分了可信度分布的 差异。笔者还利用修正权值法开发了几个实用的基于规则的专家系统。文献 1 8 】 讨论了基于规则的专家系统语言c l i p s ，并研究了基于规则的房间空调器故障 分析专家系统。文献【1 9 探讨了专家系统方法用于机车柴油机故障诊断的框 架，介绍了基于规则的机车柴油机故障诊断专家系统。文献【2 0 】提出了一个基 于规则的推理与基于案例的推理相结合的实时专家系统r t e s c r ，介绍了该系 统的原理及其组成部分，目前应用于航天控制系统实时故障诊断系统。 基于案例推理( c a s eb a s e dr e a s o n i n g ，c b r ) 【2 1 】的方法就是通过搜索曾 经成功解决过的类似问题，比较新、1 日问题之间的特征、发生背景等差异，重 新使用或参考以前的知识和信息，达到最终解决新问题的方法。基于案例的专 家系统无须显示领域知识、无需规则提取，降低了知识获取难度，它适用于领 域知识难以表示成规则形式，而容易表示成案例形式并且已积累丰富案例的领 域( 如医学诊断系统) 2 2 l 。文献 2 3 1 分析了基于案例推理专家系统中案例结构 的描述方法及其在推理过程中所面临的问题，提出了一种以基于模拟和面向问 题两种案例结构表述共同使用为基础的案例描述方法，并在一个基于汽车音响 故障的案例推理专家系统中验证了这种案例描述方法的有效性和正确性。文献 【2 4 1 通过对基于案例推理的专家系统中案例知识获取的研究，提出一个带有智 能搜索同类网页信息的虚拟信息网络模型。文献【2 5 针对目前案例推理的不 1 前言 足，用新的观点审视了基于案例推理的一些重要步骤，包括复杂决策环境下案 例的表示、案例的检索、案例的调整以及案例推理与其它推理方法的复合等问 题，为案例推理的实用化提供了理论依据，并将之用于医疗诊断支持系统的设 计。基于案例推理的难点在于案例特征的选择、权重分配以及处理实例修订时 的一致性检验( 特征变量间的约束关系) 等问题。传统的基于案例的方法难以 表示案例间的联系，对于大型案例库案例检索十分费时，并且难以决定应选择 哪些特征数据及它们的权重【2 酬。 模糊逻辑理论是对模糊事物相互关系的研究。基于模糊逻辑的专家系统【2 7 】 的优点在于：具有专家水平的专门知识，能表现出专家的技能并有足够的鲁棒 性；能进行有效的推理，具有启发性，能够运用人类专家的经验和知识进行启 发性的搜索、试探性的推理，具有灵活性和透明性。文献【2 8 针对大中型企业 液压卷扬机出现的各种故障及征兆，采用基于模糊逻辑的方法，建立了一个诊 断专家系统的推理机，采用正向推理进行诊断，并用路径跟踪法进行了解释。 文献【2 9 应用模糊推理的思想和方法设计和实现了一个燃煤锅炉事故诊断专 家系统，系统采用模糊关系矩阵和基于框架的模糊推理相结合的推理方法，具 有较高的准确性。文献【3 0 】提出了基于模糊理论和逆向推理的故障诊断专家系 统，并通过对某型战机平显系统的实际应用说明，该方法简单、易行，具有较 强的实用价值。基于模糊理论的专家系统已得到了很多成功的应用，然而也有 不足之处：模糊推理知识获取困难，尤其是征兆的模糊关系较难确定；系统的 推理能力依赖模糊知识库，学习能力差，容易发生错误；由于模糊语言变量是 用隶属函数表示的，实现语言变量与隶属函数之间的转换是一个难点。 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 从微观上模拟人脑功能， 是一种分布式的微观数值模型，神经元网络通过大量的经验样本进行学习。神 经网络不仅能很好地解决专家系统中知识获取的瓶颈问题，而且能凭借其极强 的自学习能力，对新的模式和样本通过权值的改变进行学习、记忆和存储，进 而在以后的运行中能够判断这些新的模式。目前较为常用的神经网络有误差反 传网络( b p ) 3 1 】、小脑网络( c m a c ) 3 2 l 、自组织特征映射网络( s o m ) 3 3 1 、 自适应共振理论( a r t ) 3 4 j 和径向基网络( r e f ) 3 5 】等。基于神经网络的专家 系统1 3 6 j 的具体应用形式可以根据实际情况选择不同的神经网络模型，能够实 现不同的用途。文献【3 7 】有针对性地综合提取了缺陷信息加以分类，采用双三 层b p 神经网络来分析和处理输入参数，并对系统知识表示、知识获取、知识 库的构造及推理机策略的选用进行了阐述。文献【3 8 】构造了一种新型神经网络 电路故障诊断专家系统。文献【3 9 】采用人工神经网络与专家系统结合的方式， 实现了机械设计知识库中知识的模糊分类。神经网络专家系统也存在固有的弱 点：系统性能受到所选择的训练样本集的限制，训练样本集选择不当，特别是 在i i i 练样本集很少的情形下，很难保证其归纳推理能力：神经网络没有能力解 4 天津科技大学硕士学位论文 释自己的推理过程和推理依据及其存储知识的意义；神经网络表达知识的方式 单一，通常的神经网络只能采用数值化的知识；神经网络只能模拟人类感觉层 次上的智能活动，在模拟人类复杂层次的思维方面还有不足之处。 遗传算法( g e n e t i ca l g o r i t h m s ，g a ) 1 4 0 】是一种基于自然选择和基因遗传 学原理的优化搜索方法。遗传算法将问题的求解表示成染色体，将一群染色体 置于问题的环境中，根据适者生存的原则，从中选择出适应环境的染色体进行 复制。通过交换、变异两种基因操作产生出新一代的更适应环境的染色体群， 这样一代接一代地不断进化，最后收敛到一个最适应环境的个体上，求得问题 的最优解。文献【4 1 】采用模糊神经推理控制器作为推理机，并用遗传算法对推 理机进行离线训练。文献【4 2 】提出了基于遗传算法的导弹故障智能诊断专家系 统的结构，并对某导弹发射控制系统进行故障分析，给出了具体的诊断实例。 如何同时提高搜索最优解的概率和效率，是遗传算法需要进一步探索的问题。 1 1 3 模糊p e t r i 网及其在专家系统中的应用背景 p e t r i 网的概念最早是由原西德的c a p e t r i 博士于1 9 6 2 年在他的博士论 文用自动机通信中首次提出的。其根本思想来源于6 0 年代的计算机科学 即形式语言和自动机理论，从概念上构造了一种适合于描述物理系统( 如通信 系统) 中并发现象的体系结构1 4 3 1 。p e t r i 网作为一种图形化和数学化的建模工 具，能够对复杂的系统进行精确的模拟和描述，尤其是在并行处理方面更能显 示其特点和优越性。从1 9 8 0 年召开第一次p e t r i 网理论和应用国际研讨会以来， 通过世界各国学者的共同努力和不断研究，p e t r i 网在各种不同的领域得到了 广泛的重视和推广，如计算机网络性能分析、并行程序的设计与分析、系统可 靠性分析、分布式计算机系统的分析和控制、软件工程、知识推理【4 4 1 、人工 神经元网络和决策模型等领域。 p e t r i 网具有很强的抽象能力，可用于专家系统中的知识表达和推理的形式 化模型的建立，可以表达各个活动之间的各种关系，如顺序关系、与关系、或 关系等，并可在模型基础上通过已知的初始状态和初始条件进行逻辑推理。之 所以选择p e t r i 网来模拟逻辑推理，是因为p e t r i 网具有很好的描述静态和动态特 性的能力，并且有一套成熟的数学分析方法。将专家系统中的逻辑推理问题转 换成p e t r i 网模型，并用p e t r i 网的分析方法去处理逻辑推理问题，可增加用不同 的方法处理逻辑推理问题的机会。文献【4 5 】探索了命题逻辑h o r n 子旬的p e t r i 网 模型，指出计算p e t r i 网的t 不变量是求解逻辑推理问题的核心步骤，并提供了 计算t 不变量的一个有效算法。文献【4 6 】在此基础上，扩充了h o r n 子句模型的t 不变量分析方法，使之适合于非h o r n 子句模型的分析。文献【4 7 】则给出了子句 p e t r i 网模型表示逻辑推演不动点的正向推理和反向推理的方法，提供了不动点 求解的有效算法。文献【4 8 】通过归结反演的改进策略，提出了四种证明目标命 1 前言 题成立的推理算法，在求解目标变迁的t 不变量的同时求出变迁的启动序列， 并推广到了一阶谓词逻辑的谓词变迁网模型中。总之，p e t r i 网能很好的为知 识系统建模，通过分析p e t r i 网的基本特性( 可达性、有界性、活性、一致性等) ， 能相应的对知识系统进行分析，而采用p e t r i 网的分析方法能成功的处理逻辑推 理问题，因此，用p e t r i 网来表示知识并进行逻辑推理是顺理成章的，但是传统 的p e t r i 网有一个缺点，就是不能描述不精确知识，而现实世界中大量复杂的问 题存在着不精确性，难以用精确的知识表示。 为了增强p e t r i 网表示和处理模糊知识的能力，人们把经典p e t r i 网模型与模 糊数学联系在一起，模糊p e t r i 网就应运而生了1 4 9 。模糊p e t r i 网作为p e t r i 网的一 个重要分支，能很好的解决模糊问题，它更符合人类的思维和认知方式，在描 述和分析许多物理系统乃至社会系统的并行和并发行为时具有广泛的意义，特 别是应用在人类知识的表示和专家系统中非常合适。模糊p e t r i 网的出现大大拓 宽了p e t r i 网的应用领域，模糊知识表示与处理是模糊p e t r i 网的主要研究领域之 一。 模糊p e t r i 网能准确地表示知识、进行知识推理，它符合了专家系统关于知 识库、推理机制的要求。利用模糊p e t r i 网，表达在专家系统中的一种不确定的 逻辑推理连接，一旦给了初始条件，就可通过模糊推理计算出各个推理结果的 可信度，并通过选取得到合理的推理结果。已有较多的将模糊p e t r i 网应用于专 家系统中的相关研究。文献 5 0 1 针对列车专家控制系统的知识不确定性特点， 提出了一种采用框架式专家系统知识表示方法与模糊p e t r i 网推理相结合的知 识表示及获取方法，研究表明，此方法对列车运行系统具有较强的表示及处理 能力。文献【5 1 提出一种采用模糊p c t r i 网作为知识表示和推理机制的模型，充 分利用其较好的模型描述能力和处理并行推理的能力，构造了一个耦合结构的 专家数据库系统( e d b s ) ，提高了推理的效率及其准确性，同时具有并发控制、 数据组织、共享、存取和查询等数据库管理系统的功能，并使用投资决策实例 对模型进行了解释和验证。文献【5 2 】针对一些复杂专家控制系统的知识不确定 性及知识规则数量多的特点，在模糊p c t r i 网和彩色p e t r i 网的基础上，提出了一 种基于模糊彩色p e t r i 网( f c p n ) 5 3 j 的知识表示和知识获取方法，结果表明， 基于模糊彩色p e t r i 网的知识表示和获取方法对大型、复杂的专家控制系统是非 常有效的。文献 5 4 1 研究了基于可信度的合成式模糊产生式规则的表示方法， 在此基础上，将模糊p e t r i 网与矩阵运算相结合，给出了模糊推理过程的形式化 推理算法，将复杂的推理过程采用矩阵运算实现，充分利用了模糊p e t r i 网的并 行处理能力，大大减少了诊断时间并提高了准确度。最后以液压同步提升系统 故障诊断为例证明了算法的可行性和准确性。文献【5 5 】针对专家系统知识库中 的知识具有模糊特性以及知识库需要频繁更新的特点，设计了一种基于模糊 p c t r i 网的动态知识表示与推理方法。通过学习来调整知识模型的权值、阈值和 天津科技大学硕士学位论文 确信度等参数，从而实现知识库的动态实时更新。仿真实验结果表明，经过训 练调整后的知识模型具有更高的准确度。 ” 对于模糊p e t r i 网的研究，除了基本的网结构特性、知识表示方法及推理方 法以外，还涉及到模型参数的自学习算法，如何将模糊神经网络中的一些优化 算法引入到模糊p e t r i 网模型的学习算法中，是一个很重要的研究方向。文献 5 6 1 提出了适合模糊p e t r i 网模型自学习的模糊推理算法和学习算法。在模糊推理算 法中，把神经网络中的b p 网络算法引入到模糊p e t r i 网模型中，用b p 算法计算 一阶梯度，对模糊产生式规则中的参数进行学习和训练。经过学习和训练的模 糊p e t r i 网具有很强的泛化能力和自适应功能。文献【5 7 】提出了应用遗传算法实 现模糊p e t r i 网参数优化的方法，仿真结果表明，遗传算法能有效的找到模糊 p e t r i 网的理想参数，提高了模糊p e t r i 网对知识的分析、推理能力。文献【5 8 】提 出了基于模糊有色p e t r i 网的不确定性学习和推理方法。文献1 5 9 1 采用遗传算法 实现模糊产生式规则的训练过程，使基于模糊p e t r i 网的新型推理机获得更好的 推理连续性。在不增加虚节点的情况下实现了模糊p e t r i 网的反向传播学习，给 出了正向推理算法，并采用l e v e n b e r g m a r q u a r d t 算法实现权值优化。 综上所述，p e t r i 网在知识表示与推理、知识一致性维护等方面都得到了广 泛应用。而由于模糊p e t r i 网能很好的处理模糊知识，因此在专家系统知识表示 与处理方面具有的能力比p e t r i 网更胜一筹。近年来，越来越多的研究人员致力 于提高基于模糊p e t r i 网的模糊知识推理及知识一致性维护的效率，这恰恰是基 于知识的专家系统的努力方向。因此，关于利用模糊p e t r i 网来解决专家系统中 的知识表达与推理等问题的研究十分活跃。 1 2 研究目标 目前模糊p e t r i 网的研究工作已经细化，在专家系统知识表示和推理方面 的应用研究也取得了一定的成果，但是针对专家系统中的知识库的建立和推理 机制这两个重要环节，还有很多工作要做：将知识库中的模糊产生式规则转换 为模糊p e t r i 网时，应充分考虑命题。逻辑非 的问题，避免产生过多的前提 库所；传统p e t r i 网的运行过程中，变迁一旦触发，输入库所的托肯数会发生 转移，而在表示推理过程中，托肯应该保留在输入库所中，因此需要对用于知 识推理的模糊p e t r i 网的运行机制进行重新定义：模糊推理过程中，默认推理 已经是很普遍的现象，但是现有的模糊p e t r i 网模型中却没有考虑默认推理的 情况；推理算法还需进一步改进，以提高其推理效率；现有的关于模糊p e t r i 网模型的自学习算法的研究还较少，神经网络b p 算法收敛速度慢；知识库系 统规模较大的情况下，模糊p e t r i 模型较复杂，容易产生组合爆炸问题。针对 上述问题，本文将研究基于模糊p e t r i 网的专家系统知识推理方法，以达到以 下目标t 1 前言 ( 1 ) 建立模糊产生式规则与模糊p e t r i 网模型的转换关系，实现其转换算法， 将专家系统知识库中的规则转化为模糊p e t r i 网模型； ( 2 ) 充分利用p e t r i 网的并行处理能力，提出一种基于模糊p e t r i 网的知识推 理算法，改进专家系统的推理机制，提高推理效率； ( 3 ) 完善模糊p e t r i 网模型，使得模糊p e t r i 网可以在知识不完备的情况下进 行默认推理； ( 4 ) 根据模糊p e t r i 网的动态行为，给出专家系统知识库的不精确知识的一致 性维护算法； ( 5 ) 针对神经网络b p 算法收敛速度慢的问题，将其优化算法引入模糊p e t r i 网的参数优化算法中； ( 6 ) 给出基于知识约简的模型简化方法； 1 3 论文主要内容 本文第一章回顾了专家系统的发展及其常用模型，介绍了模糊p e t r i 网的 研究现状及其在专家系统中的应用背景，讨论了模糊p e t r i 网应用于专家系统 知识表示及推理方面的可行性与优势，并分析了现有研究取得的成果与不足之 处。指出了本文的研究目标是利用模糊p e t r i 网为模糊知识推理与维护系统建 模，并对基于知识约简的模型简化方法及学习算法进行讨论。第二章给出了专 家系统模糊产生式规则库与模糊p e t r i 网模型的转换算法，把孤立的模糊产生 式规则统一成为完整的模糊p e t r i 网表示的一致的知识库形式，并在v c + + 6 0 上对转换算法进行了验证。第三章主要介绍专家系统的推理机制，给出了正向 推理算法、反向推理算法和双向推理算法，并提出一种基于模糊p e t r i 网的并 行推理算法，该算法能避免变迁的重复触发，提高了推理效率；为了使模糊 p e t r i 网可以在知识不完备的情况下进行推理，本文首次提出了一种基于默认 推理的模糊p e t r i 网模型，并给出了相应的默认推理算法；针对专家系统知识 库中可能出现的等价规则、冗余规则、冲突规则、循环规则和死锁等一致性缺 陷，给出了基于模糊p e t r i 网的不精确知识的一致性维护算法；第四章介绍基 于知识约简的模糊p e t r i + 网模型简化算法以及模型参数的自学习算法。由于模 糊p e t r i 网的权值、变迁阈值，变迁确信度等参数难以精确获得，文中给出了 基于b p 算法和遗传算法的模糊p e t r i 网参数优化算法：为了降低模糊p e t r i 网 的复杂度，在确保能表示等量的知识的基础上，本文结合知识约简的方法简化 了网模型，简化后的模型中库所和变迁数量都大大的减少，使得在其基础上进 行的推理工作的效率能得到相应的提高。第五、六章是本文的总结和展望，在 总结了课题所作的工作基础之上提出了未来的工作方向。 8 天津科技大学硕士学位论文 2 基于模糊p e t r i 网的专家系统知识表示 知识的表示和处理是专家系统中最重要的问题。目前已经成功运用的基于 符号的知识表示形式主要有谓词逻辑、产生式规则、语义网络、框架、剧本等。 这些方法各有其特点和成功应用的领域，但这些方法有一个致命的弱点是不能 进行并行推理且难于对知识库进行形式化的验证。鉴于此，本章介绍采用模糊 p e t r i 网来表示专家系统知识库中的模糊产生式规则的方法。 2 1 专家系统基本构成、 一个完整的专家系统是由六个部分组成的：知识库、推理机、解释机、知 识库管理器、人机接口和外部接口。其基本构架如图2 1 所示： 图2 - 1 专家系统基本结构 f i g 2 - 1t h ef r a m eo ft h ee s 知识库用来存放相关领域专家提供的专门知识，是知识的存储部件，是整 个系统的核心，所有的操作都是围绕它进行的，因此需要单独建立一个管理器 对其进行管理和维护。 知识库管理器负责完成对知识库的管理和维护，具体工作包括：对知识库 的日常维护操作( 增加、删除、修改和查询) 和对知识进行合法性检验。 推理机的功能是根据一定的推理策略从知识库中选取有关的知识，对用户 提供的证据进行推理，直到得出相应的结论为止。它用于记忆所采用的规则和 控制策略的程序，使整个专家系统能够以逻辑方式协调地工作，针对用户或外 部系统提出的问题根据知识库中存储的知识进行推理，给出回答，所以它也是 整个系统重要部件之一。 解释机用于向用户解释专家系统的行为，使用户能够输入数据、提出问题、 2 基于模糊p e t r i 网的专家系统知识表示 了解推理过程及结果，并完成对知识库的管理等。 外部接口实现本系统与外部系统的信息交换，一方面可从外部系统( 如数 据挖掘系统) 获取新知识，另一方面，也可以通过该接口对外界提供服务。 2 2 专家系统知识库中的模糊知识的表示 知识库中存储着专家知识，如何准确的表示模糊知识是一个关键问题。关 于模糊知识的表示存在着许多种方法，包括模糊关系表示法、模糊逻辑表示法、 模糊框架表示法和模糊产生式表示法等等。由于产生式表示法是一种很适合用 于表示客观世界中的因果关系的表示形式，所以本文采用的是模糊产生式规则 ( f u z z yp r o d u c t i o nr u l e s ，f p r ) 这一表示方法，不少成功的专家系统都是基 于产生式规则的( 见1 1 2 节) 。 ， 建立在模糊逻辑理论之上的模糊规则，相对于传统的产生式规则，在处理 不确定的问题时，具有明显的优点。它用一种语言变量的形式来描述知识，因 此对人们来说更容易理解和掌握。设置，恳，r 和q 为模糊逻辑谓词，一般的 模糊规则可分为三类： t y p e l ：幼只 娩p 2 f o 只一q ( c r ，t h ) 对应的模糊产生式规则为： 腰最b ) a n db ( - 0 2 ) 肿a n d 只c o 一) n z e sq ( c f ，掇) ； t y p e 2 ：p 呻q i ) 人q 2 慨j a 办协k ) 对应的模糊产生式规则为： 腰pt h e nq 1 【c rja n dq 2 ( c f 2j a n d 办【瓯j ； t y p e 3 ：j f iv 恳v v 只q ，t h j 对应的模糊产生式规则为： 腰t 1o rt 2o r o r 只t h e nq ( c f ，t h ) ； 其中，最，马，只是模糊规则的前提条件，q 是模糊结论，r 和q 的取值 范围是【o ，1 】间的实数；鳓o 1 2 ，刀) 是前提条件p j 的权系数，1 。当拧一1 时，权值可以忽略；c f 是规则的确信度，表示规则为真的可信度，取值范围 也是【o ，1 】间的实数；t h 为该规则的“可应用阈值 。 例如某系统中有4 条模糊产生式规则如下 6 0 i ： ( 1 ) 如果物体为绿色，则它为农产品( o 8 ，0 7 ) ； ( 2 ) 如果物体为冷冻食品或农产品，则它为易腐烂食品( 0 8 ，o 6 ) ； ( 3 ) 如果物体重1 5 磅( 0 2 ) 且为廉价物体( o 4 ) 且不为易腐烂食品( 0 4 ) ， 则它为常用食品( 0 9 ，0 5 ) ； ( 4 ) 如果物体为廉价物体，则它为常用物品( o 8 ，0 5 ) 且为易腐烂物品( 0 4 ， 0 5 ) 。 这四条规则对应的形式化的表示方法为： 天津科技大学硕士学位论文 ( 1 ) 腰pt h e nq ( o 8 , 0 7 ) ，此规则为最简单的产生式规则，可看作以下三种 类型的特例。 一 ( 2 ) 腰毋o rp 2t h e nq ( o 8 o 7 ) ； ( 3 ) i f1 1 ( 0 2 ) a n db ( o 4 ) a n d 恳( o 4 ) t h v _ j vq ( o 9 ，0 5 ) ； ( 4 ) i fpt h e n q 1 【o 8 , 0 5 ja n dq 2 【o 4 ，0 5 ) 。 2 3 模糊p e t r i 网的定义与特点 上一节已给出了模糊产生式规则的形式化表示