（交通信息工程及控制专业论文）人工智能方法在车站信号故障诊断中的应用与研究.pdf

中文摘要 摘要：铁路车站信号联锁系统是保障行车安全、提高运输效率的关键基础设备。 目前普遍应用的电气集中联锁系统，设备维修维护工作量大、可靠性偏低。设备 运行当中出现故障时完全依靠人工排查的方式进行诊断和处理，效率低下，已经 不能适应新时期铁路提速的要求。所以，如何结合信号设备的工作原理与故障特 性，采用基于专家系统的方法对故障设备的诊断和处理提供科学的决策，对于保 障列车运行安全、提高车站通过效率具有重大现实意义。 本文在车站信号控制系统的研究与应用的工程背景下，对车站信号电路故障 诊断系统进行了以下研究工作： 1 在大量收集阅读相关文献和资料的基础上，对铁路信号故障诊断技术及其 发展现状进行了综述，分析和提出了构建车站信号故障诊断专家系统的重要性和 必要性。 2 在现有的专家系统的体系结构基础上，设计车站信号故障诊断专家系统的 体系结构和关键技术环节。 3 对继电式电气集中联锁电路的工作原理和故障机理进行了研究，设计出故 障诊断专家系统中核心部分知识库与推理机的实现方法。 4 利用s u a l c + + 开发环境和c + + 语言实现了车站信号电路故障诊断专家系 统中的各个功能子模块，并对系统的性能进行了测试与评价。 通过系统分析与试验，本论文所设计的车站信号电路故障诊断专家系统针对 联锁电路的故障现象查找出了故障源，证明了系统工作的有效性。 关键词：铁路信号；人工智能；专家系统；故障诊断 分类号：u 2 8 4 3 6 2 j 量京交通太堂亟堂僮途塞垦墨! 塞g ! a bs t r a c t a b s t r a c t ：i n t e r l o c k i n gc o n t r o ls y s t e mo fs i g n a l i n ga tr a i l w a ys t a t i o n si s ak e y e q u i p m e n tw h i c he l l s u r e st h et r a v e l i n gs a f e t ya n di m p r o v e st h et r a v e l i n ge f f i c i e n c y e l e c t r i c a lc e n t r a l i z a t i o ni n t e r l o c k i n gs y s t e m , w h i c hi s g e n e r a l l ya d o p t e d ，h a ss o m e d i s a d v a n t a g e s ，s u c ha sh u g em a i n t e n a n c eo fe q u i p m e n ta n dl o w e rr e l i a b i l i t y w h e n f a i l u r eh a sb e e nh a p p e n e di nt h ei m p l e m e n t ，i tc a n n o ts u i tt h ea c c e l e r a t i n gd e m a n di n n o w a d a y st h a td e p e n d so nm a n u a lm e t h o d s t od e t e c tt h ef a i l u r e t h u s ，b a s e do n s i g n a l i n ge q u i p m e n t s w o r k i n gt h e o r ya n dc h a r a c t e r i s t i co ff a i l u r e ，a d o p t i n gt h em e t h o d o fe x p e r t ss y s t e m ，t h ef a i l i n ge q u i p m e n t sc a nb ed i a g n o s e da n ds e t t l e d i ti sa l s op r o v i d e s c i e n t i f i cd e c i s i o n s t h i sm e t h o dh a sc r i t i c a ls i g n i f i c a n c et oe n s u r et r a v e l i n gs a f e t ya n d a d v a n c et r a v e l i n ge f f i c i e n c y o nt h eb a c k g r o u n do fr e s e a r c ha n da p p l i c a t i o no fi n t e r l o c k i n gs y s t e m ，t h i st h e s i s r e s e a r c h e so nt h ed e t e c t i n gf a i l u r e so fi n t e r l o c k i n gs y s t e m i th a sd o n et h ej o b sa s f o l l o w i n g ： 1 b a s e do ne x t e n s i v ec o n s u l t i n gc o r r e l a t i v ei n f o r m a t i o n , t h es u m m a r i z i n go f d e t e c t i n gf a i l u r et e c h n o l o g yh a sb e e nm a d e i na d d i t i o n ，w ea d v a n c e t h es i g n i f i c a n c e a n di m p o r t a n c eo fe x p e r t ss y s t e mo fd e t e c t i n gf a i l u r ei nr a i l w a ys t a t i o n s 2 o nt h eb a s i co fe x i s t e n ts t r u c t u r eo fe x p e r t ss y s t e m ，w ed e s i g nt h es t r u c t u r ea n d k e yt e c h n o l o g yo fe x p e r t ss y s t e mi nr a i l w a ys t a t i o n s 3 a f t e rr e s e a r c h i n gt h ew o r k i n ga n df a i l i n gt h e o r yo f r e l a ye l e c t r i c a lc e n t r a l i z a t i o n i n t e r l o c k i n gs y s t e m ，w ed e s i g nt h ek n o w l e d g e b a s eo fc o r ed e p a r t m e n ta n dr e a l i z i n g m e t h o do f r e a s o n i n gm a c h i n ei ne x p e r ts y s t e mo fd e t e c t i n gf a i l u r e 4 s u b s y s t e mm o d u l e s w e r er e a l i z e d t od e t e c tf a i l u r e s ，w h i c hw e r em a d eb yt h e e n v i r o n m e n to fv i s u a lc + + t h r o u g hs u c hm e a s u r e ，i tw a st e s t e da n dv a l i d a t e da b o u t t h es y s t e m t h r o u g ha n a l y z i n ga n dt e s t i n g ，e x p e r t ss y s t e mo ft h i st h e s i sc a ne f f e c t i v e l yd e t e c t f a i l u r ef o rf a i l u r e so fi n t e r l o c k i n gs y s t e m i ta l s ov a l i d a t e st h es y s t e mc a na v a i l a b l y w o r k k e y w o r d s ：r a i l w a ys i g n a l ；a r t i f i c i a li n t e l l i g e n c e ；e x p e r ts y s t e m ；f a u l td i a g n o s i s c l a s s n 0 ：u 2 8 4 3 6 2 图索引 图l 专家系统的组成结构7 图2 混合推理模式9 图3 故障诊断表述1 1 图4 故障诊断过程。1 2 图5 故障诊断专家系统结构1 5 图6 按钮表示灯电路l8 图7 进路排列表示灯电路1 9 图8 出站兼调车按钮继电器电路1 9 图9 记录电路逻辑动作关系2 0 图1 0 多层次的对象表示结构2 4 图l l 按钮表示灯不闪光故障的知识对象表示层次2 4 图1 2 对象组成与层次结构2 5 图1 3 按钮表示灯不闪光故障事件树2 7 图1 4 正向推理示意图3 4 图1 5 深度优先搜索图3 5 图1 6 记录电路按钮表示灯不闪光故障诊断流程3 7 图17 列车按钮表示灯电路。3 9 图1 8 诊断系统对象种类与表示符号4 6 图1 9 继电器类单值属性举例4 7 图2 0 车站信号故障诊断专家系统对象联结模式4 8 图21 接口类模型4 9 图2 2 推理诊断类模型4 9 图2 3 诊断系统软件结构一5 0 图2 4 诊断模块数据流一5 2 图2 5 推理诊断流程5 3 图2 6 解释机制流程5 5 图2 7 知识库规则浏览5 7 图2 8 设备情况实体e r 图5 8 图2 9 故障征兆5 9 图3 0 诊断结论5 9 图3 1 解释故障诊断流程6 0 图3 2 故障诊断过程说明6 0 表索引 表1 车站信号故障诊断专家系统需求模型4 5 表2 车站信号故障诊断系统类的单值属性表钾 表3 诊断模块数据字典5 2 表4 故障诊断结果列表6 l 6 7 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：磊才刚 签字日期：扣待6 月7 b 7 膏阳 台 年 孙一 名 期 签 日 师 字 导 签 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名： 铆刚 、， 签字日期： 幽g 年6 月p 致谢 首先，我要感谢导师王海峰副教授，本论文是在王海峰老师的悉心指导下完 成的，论文的每一步工作都倾注着导师的心血。导师渊博的知识、敏锐的洞察力、 严谨的科学态度，严以律己、宽以待人的崇高品质对学生将是永远的鞭策，藉此 论文完成之际，谨向培育我的导师表示诚挚的谢意! 其次，我要深深的感谢北京交通大学轨道交通控制与安全国家重点实验室的 各位老师，感谢他们两年多来对我科研工作的指导和论文撰写过程中的良好建议 与帮助。同时还要感谢北京交通大学电子信息工程学院所有关心和帮助过我的老 师们。 再有，我要感谢我的同学杨旭文、李颖、吴雅婧等人。在我参与项目开发和 论文写作期间给予我极大的帮助和支持。与他们日常的交流与探讨，启发了我的 研究思路，也正是和他们的并肩协作，让我一次次体会到成功的激动与喜悦。 最后，我还要由衷的感谢我的父母和妻子还有我可爱的女儿。数年来他们在 物质和精神上给予我无私的奉献和巨大的支持，是他们鼓励我勇敢前进，成为我 生活和学习的动力，使得我能够更专心的完成学业。 1 引言 信号、道岔、进路之间通过技术手段建立起一种互相制约的关系，称这种互 相制约的关系为联锁，实现联锁关系的的系统称为车站联锁控制系统，又称作车 站信号控制系统。车站信号控制系统负责指挥站内列车运行和调车作业，保证车 站内行车安全和提高通过效率，是保障铁路运输生产安全的关键【l 】。我国铁路车站 信号控制系统按照控制手段主要分为三种，即机械联锁、继电式电气集中联锁和计 算机联锁系统【2 】。许多新建线路的车站信号控制制式一般采用计算机联锁系统，但 在既有线尤其是繁忙的干线上许多车站仍然采用继电式电气集中联锁系统。 继电式电气集中联锁系统采用继电器实现联锁关系，其定型化程度高、逻辑 性强等，同时也具有设备结构复杂、易受外界环境影响、电气连接环节多的特点。 设备使用过程当中一旦出现故障，如果故障处理不得当或者维修时间长势必影响 行车安全和铁路车站的通过效率。目前我国铁路车站信号设备的故障诊断与维修 技术还局限在对于设备进行有计划的人工检测与维修的传统方式上。因此，如何 利用新技术新方法，为车站信号设备故障分析和诊断提供科学的辅助决策，建立 保障铁路运输安全的设备故障诊断系统，是亟需解决的重大课题。 1 1 选题的背景和意义 随着专家系统、神经网络技术、小波分析、模糊集理论的发展以及电子技术、 计算机技术、通讯技术和检测技术等相关领域学科的进一步深入，设备故障诊断 技术正朝着智能化方向发展，业已形成了一门集电子技术、计算机技术、信息技 术、模式识别和人工智能等多学科交叉的综合性技术，故障诊断和维修技术已经 步入了智能化阶段。其中专家系统的方法是目前人工智能技术中最活跃、应用最 有成效的一个领域，它基于知识工程，从人类专家获得专业与经验知识，用来解 决只有人类专家才能解决的复杂问题。 采用新技术与新方法来实现铁路信号设备状态检测与故障的诊断，是确保铁 路运输安全生产的一个有效手段。由于铁路车站信号控制设备本身构成的复杂性， 尤其是控制电路的复杂性，以及受设备使用和环境等因素的影响，实际造成设备 故障的原因多种多样，具有明显的随机不确定性和模糊性。传统的信号设备故障 处理方法完全依赖于维修人员对设备故障机理的把握程度和工作经验。这就难免 由于维修人员经验不足或者对设备的故障机理的掌握程度不够而产生处理方法上 的失误，造成行车事故或延误列车运行。因此，有必要结合铁路车站信号控制系 统的工作原理和铁路微机监测系统提供的设备状态信息，开发相应的分析诊断软 件，建立车站信号故障诊断专家系统，为故障诊断提供科学的决策方法。 专家系统是计算机技术、人工智能技术和专业技术相结合的计算机系统。目 前我国铁路实际应用的专家系统还很少，尤其是关于铁路信号故障诊断的专家系 统，仍然处于有待研究开发的阶段。因此，有必要在框架模型和理论方法上进行 探讨和研究。 为了适应铁路发展的新形势，利用现代新技术和方法，建立保障铁路运输安 全的铁路信号故障诊断专家系统，具有重大的现实意义。本论文结合导师研究方 向，通过系统的研制与开发，就如何运用人工智能的理论和计算机技术，建立智 能车站信号故障诊断系统的实施方案以及系统实现分析，进行了选题研究。 1 2 国内外故障诊断技术的发展现状 1 国内外故障诊断技术的发展现状 故障诊断是根据被监测设备发生故障时的工作状态信息分析故障范围并找出 故障源，同时确定相应决策的综合性新兴学科。 故障诊断技术的发展大体经历了三个阶段【3 】：第一阶段是故障诊断的初级阶 段，诊断结果是建立在领域专家的感官和专业经验基础上，仅对诊断信息作简单 的处理，其诊断水平受到个人技术能力和工作经验的限制。第二阶段是以传感器 技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其 中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等；建 模处理包括参数估计、系统辨识、模式识别等，其理论基础是系统论、信息论和 控制论。在这一阶段，故障诊断技术在工程上得到了广泛的应用，其自身也得到 了空前的发展，诞生出许多新的诊断方法。如振动诊断技术、声发射诊断技术、 频谱诊断技术、光谱诊断技术、无损诊断技术和热成像检测诊断技术等。第三阶 段是智能诊断技术阶段。所谓诊断系统的智能就是它可以有效地获取、传递、处 理、再生和利用诊断信息，从而具有对给定环境下的诊断对象进行成功状态识别 和状态预测的能力。至8 0 年代中期以后，由于机器设备的大型化、复杂化以及连 续高速运行的需要，加之自动化制造系统的诞生和发展，单靠信号处理和人工分 析判断又难以实现在线的精确诊断。人工智能技术的发展，特别是基于知识的专 家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应 用，使得故障诊断技术进入了一个新的智能化发展阶段。 国外已经将一些典型的故障诊断技术应用于各个领域，如：1 9 8 7 年日本j i i 崎 钢铁公司将先进的g o - - - s t o p 系统应用于高炉的故障诊断，实现了高炉工作稳定 2 性的控制，对坍塌等故障实现了预报和控制。 我国在检测与诊断技术研究方面虽然起步较晚，但是由于国家重视发展较快。 早在八五期间国家组织了若干个故障诊断技术方面的公关课题研究，分别在石化、 电力等部门进行了应用于推广。目前我国在检测与故障诊断技术方面的理论研究 已经接近世界水平，但是在应用技术方面与国外的先进国家比较差距较大。随着 科学技术领域的不断进步，我国正面临着大型技术设备广泛应用的关键时期，所 以为适应国民经济发展形式的要求，必须使设备检测与故障诊断技术上升到一个 新的水平。 2 我国铁路车站信号设备故障诊断的现状 到目前为止，为了保证铁路车站信号设备经常处于良好的工作状态，铁道部 以及各个铁路局已经建立起了诸多完备的设备维修与维护制度，这些制度主要包 括大修、中修、年修、厂修、假修、春检、秋检以及交接班制等定期维修制度， 再加上铁路电务基层单位的频繁的不定期检查、检修的双检办法，健全完善的各 类维修制度为行车安全奠定了坚实的基础。但是总体而言，这些设备维护、维修 制度均都具有事先或者事后维修的特点，缺乏基于设备实时工作状态的预测性和 诊断性；对于故障设备的维修工作完全依靠人工处理，缺乏有效的故障诊断技术 手段。 尽管我国车站信号设备微机检测系统已经在全路得到广泛应用，绝大部分的 车站都可以实现对信号设备工作状态信息实时监测，但是故障诊断决策支持系统 仍处于研究开发阶段。 因此如何结合铁路微机监测系统的设备监测数据，对车站信号故障诊断和专 家系统的原理和方法进行科学的研究，进而开发出实际的车站信号设备的故障诊 断系统，将是今后铁路车站信号故障诊断领域研究的重点。 1 3 论文的主要研究内容 本论文的研究内容借鉴国内外先进的设备故障诊断技术和经验，根据我国铁 路车站信号控制系统的主要特点，紧密结合现场的实际工作情况以及应用的要求， 将人工智能领域内专家系统的方法应用到铁路车站信号设备故障诊断中，代替传 统的人工故障诊断处理方法。论文主要进行了以下研究工作： 1 对故障诊断技术及其发展现状进行了综述，分析并提出了构建铁路车站信 号故障诊断专家系统的主要性和必要性。 2 在现有的故障诊断专家系统的体系结构层次分析比较基础上，设计了铁路 车站信号故障诊断专家系统的系统结构，分析了其关键技术环节。 3 3 将众多的电气集中联锁设备的故障症状与故障原因并进行分类，具体确定 针对每一个故障原因的故障现象。 4 针对电气集中联锁电路的不同结构特点与工作原理，研究设计车站信号故 障诊断专家系统中关键部分一知识库与推理方法的实施方案。 分析设计专家系统知识库中知识的表达方式，提出了基于事件树分析的产生 式规则和框架集成知识表示方法，对车站信号电路的产生式规则表示法进行了研 究，并给出了本系统知识库的实现方式；结合联锁电路结构特点、工作原理与故 障机理，研究设计推理机的推理方法和控制方式，对事件树模型进行了探讨，给 出了本系统推理机的实现方式。 5 基于面向对象的软件方法，采用软件工程分析、设计、实现及测试过程，逐 层实现车站信号电路故障诊断专家系统的各功能子模块。经测试证明，基于专家 系统方法的车站信号故障诊断系统是实现车站信号设备由人工定期检修制度向根 据设备运行情况进行状态修制度转变的有效途径，符合我国铁路发展的要求。 4 2 人工智能与专家系统 铁路车站信号故障诊断专家系统属于将智能专家系统应用到铁路信号故障诊 断领域的一个实例，为了更好的说明铁路车站信号故障诊断专家系统的功能与作 用，有必要在本章对人工智能、专家系统、故障诊断技术以及实现故障诊断功能 的智能专家系统的整体结构和功能加以介绍与说明。 2 1 人工智能技术 人工智能【4 】是计算机科学的一个重要组成部分。它的任务是：让计算机模拟人 类的智能活动，使之具有应用知识、逻辑推理、解决实际问题的能力。 人工智能的研究，始于1 9 5 6 年，是从所谓难题求解开始的。早期的问题，大 都限于下棋、猜谜和数学定理证明之类的简单领域。目前人工智能的研究，几乎 涉及所有学科，其主要包括以下几个方面： 1 专家系统让计算机模拟人类专家的决策过程，求解那些无法建立数学模型而 必须依靠专家经验来解决实际问题。 2 决策支持系统通过计算机的推理、判断，对某些多元的、非精确的或不确定 的难题进行辅助决策。 3 启然语言理解系统使计算机能够理解人类的语言，改善人机联系的条件。 4 知识库系统把人类自己掌握的知识，用一定的规则表示出来，即经过形式比 较处理存放在计算机中，为用户提供知识共享。 5 智能机器人使机器人具有入的手、眼、脑的功能，不仅会看、会做、还会思 考，并能根据环境条件决定自己的行为，智能机器人已在航天、核工业、冶金、 机械、化工等各个领域开始部分代替人类的工作。 6 智能计算机在知识库的支持下，能识别声音、图像、自动进行程序设计，具 有推理、学习等功能的新一代计算机。 人工智能系统还构成了新兴的知识工业，它将为新技术革命提供重要的工具， 为变革人类的生产和生活方式做出了巨大贡献。 2 2 专家系统 专家系统是目前人工智能中最活跃、最有成效的一个研究领域，是基于知识 的计算机智能程序系统。它从人类领域专家那里获取知识，并用来解决只有领域 专家才能够解决的困难问题。因此可以这样来定义专家系统：专家系统是一种具 有特定领域内大量知识与经验的程序系统，它应用人工智能技术，根据某个领域 一个或多个人类专家提供的知识和经验进行推理判断，模拟人类专家求解问题的 思维过程，以解决该领域内的各种问题。 1 专家系统分类 专家系统按系统的体系结构可分为三种： ( 1 ) 集中式专家系统：指对知识及推理进行集中管理的专家系统。目前大多 数成功应用的专家系统都属于这一类型。 ( 2 ) 分布式专家系统：指把知识和推理机制分布在一个计算机网络上的专家 系统。这种类型的系统具有具有较强的问题求解能力。它将复杂的问题进行分解， 并在求解之后将各个子问题的解合为原问题的解，对那些单个机构难以解决的问 题它都可以实现求解。 ( 3 ) 神经网络专家系统：采用人工神经网络技术建立的一种专家系统。它以 神经网络为体系结构实现知识表示和求解推理。 除了按照专家系统处理问题的类型和系统的体系结构分类外，还可以从其他 角度对专家系统进行分类。例如，可以按照求解问题的要求进行分类，也可以按 推理方向进行分类，还可以按照知识表示技术和应用领域进行分类，等等。 2 专家系统功能 一个专家系统通常具有以下功能：咨询功能，回答用户提出的问题，解决其 决策过程；学习功能，专家的训练下，系统能不断扩充和完善自己的知识；教育 功能，系统能回答用户的提问，使用户在与系统交流时掌握领域内的知识。 与普通的计算机程序( 常规软件) 不同，专家系统对知识的表达不是数学模 型与算法，而是诸如“规则 、“框架”一类的方法；不是进行数学仿真，而是逻 辑推理；影响结论可信度的因素不是数学模型与算法的精度，而是事实与规则的 可信度。由于专家系统中，对信息的表达与处理是明确分开的，对信息模块的修 改、扩充要比常规程序容易得多，且有良好的解释功能和学习功能( 常规程序没 有) ，因而比普通程序有更好的人机界面。 3 专家系统特点 不同类型的专家系统具有各自的特点，但总体上，专家系统还具有以下一些 共同特点： ( 1 ) 灵活性，一般专家系统的体系结构都采用了知识库与推理机相分离的构 造原则，彼此既有联系，又相互独立。当对知识进行增加、修改、删除时，灵活 方便，对推理机不会造成大的影响。 ( 2 ) 透明性，专家系统能根据用户的要求，对自身的推理过程及其产生的结 6 论做出相应的解释，使用户能够理解它的推理过程，提高用户对系统的信任度， 增加系统的透明度。 ( 3 ) 交互性，专家系统一般都是交互式系统，这种交互性既有利于系统从专 家那里获取知识，又便于用户在求解问题时输入条件或事实。 2 2 1专家系统基本结构 专家系统是在计算机中实现的。它由知识库、知识获取机构、综合数据库、 推理机、人机接口、解释器五个部分组成。其中知识库和推理机是专家系统的核 心部分。各部分的关系如图1 所示5 1 。在上述各组成部分中，知识库与推理机是专 家系统不可缺少的组成部分。在某些应用领域中，可以缺少解释部分和知识获取 部分，但是一个完善的专家系统应具备上述五个部分。 2 2 2知识库 图1 专家系统的组成结构 f i gls t r u c t u r eo fe x p e r ts y s t e m 知识库是用来存储领域专家知识和经验的地方。专家的知识只有用适当的数 值、符号并通过一定的形式表示之后才能为计算机所接受。因此，建立知识库的 关键是如何准确、简明、有效地表示专家的知识： 知识表示的准确性就是要能确切地反映专家的知识，不能走样。 知识表示的简明性就是既要便于用户理解又要方便改进，不能繁琐。 知识表示的有效性是使用起来既方便调用又确实可用。 要在计算机中建立一个知识库，首先要从领域专家获取知识，其次是将专家 的知识用适当的方法表示出来，并用智能语言书写，然后再送入计算机中。 常用的知识表示法有如下几种：逻辑模式；产生式系统；框架结构；语义网 7 络，此外还有事件树、与或图、状态图、模糊关系及模糊逻辑等。 系统工作时，知识库中存放的知识由推理机调用、处理，推理机经过推理产 生的新知识，又送到知识库中储存。因此，知识库中的知识会不断的自动扩展、 创新，因而是动态的而不是静态的，这种动态结构的性能，是智能知识库与传统 知识库的根本区别。知识库还可以通过知识获取部分，与领域专家直接打交道， 领域专家可以人为修改、删除、增添知识库中的知识。一个有效的知识库的建立， 需要领域专家与计算机工作者密切配合才能完成。 2 2 3推理机 推理机实际上是计算机中的一组智能程序，它包括推理机制与搜索策略两个 部分。其任务是运用给定的推理方法和搜索策略，从知识库中选取有关知识，针 对用户提出的问题，做出相应的解答。 1 推理机制 在专家系统中，推理有精确推理与非精确推理两大类。其推理方式又分为正 向推理、反向推理以及正反向混合推理。 ( 1 ) 正向推理 正向推理是一种从证据到结论的推理方法，所以又称为证据驱动策略，或者 称为由顶向下策略。应用正向推理构成的推理机，应具备以下功能： 根据用户提供的前提事实，选用知识库中的知识；将选用的知识和经过推理 得出的结论显示在用户窗口中，并记录下来以便向用户解释推理诊断过程；当用 户提供的证据不充分、不足以得到相关结论时，可以向用户进行提问；能够判断 结束推理的时机。 ( 2 ) 反向推理 反向推理是一种从结论到证据的推理方法。它是根据用户的问题，先给出一 个结论( 假设) ，然后在知识库中去寻求支持这个假设的证据，如果证据存在假设 就成立，则问题获解。这种推理方式是从结论到证据，所以又称为目标驱动策略。 运用反向推理构成的推理机，至少应具备以下功能： 能根据用户的问题，先提出假设，并能判断此假设目标的真假。 若假设为真( 成立) ，记录下用过的知识以备解释之用，同时将此假设为 真的结论告之用户。 若假设为假( 不成立) ，系统再重新假设，再在知识库中搜索支持新假设 的证据。 若证据不充分，可向用户提问，看是否有新的证据补充。能判断何时推理 8 结束。 ( 3 ) 正反向混合推理 正反混合推理则是一种证据到结论、再由结论到证据的综合推理方法。 剧1 1 竺堡卜+ l 垩塑| 叫竺兰i 图2 混合推理模式 f i g2m i x e dr e s o n i n gm o d e 混合推理方式如图2 所示。其推理过程是：先根据用户提供的前提( 证据) 事实，通过正向推理，帮助系出参考结论，再应用反向推理，进一步寻求支持该 结论的证据，如此反复循环直到推理成功或失败为止。 无论是正向推理、反向推理，还是正反混合推理，都有精确推理和非精确推 理之分。 ( 4 ) 精确推理 精确推理是指经过推理得到的结论要么为真( 肯定的) ，要么为假( 否定的) 。 在这种推理中，应用到的知识或涉及到的推理规则，都是客观世界中存在的必然 事实，证据和结论之间，都有确定的因果关系。例如，已知a 是c 的父亲，b 是c 的母亲，问a 和b 的关系是什么，结论一定是a 和b 是夫妻关系，且可推论出a 是b 的丈夫，b 是a 的妻子，其关系也是非常明确的。 ( 5 ) 非确定性推理 非确定性推理主要用于某些事实前提和因果关系都并非肯定的场合，这在诊 断型、预测型的专家系统中常会用到。其共同特点是：利用客观世界中某些不完 善的或不确定的事实和资料、以及不缺定的因果关系进行推理，得出某些近乎合 理的结论。 例如，一个患有发烧、咳嗽的症状，问是感冒、肺炎、还是其他疾病引起的? 仅根据这两个症状是肯定不下来的，医生只能参考其他病症迹象凭经验做出判断。 非精确推理的主要理论基础是概率论。由于在某些领域，尚未获得大量的样 本空间，以及其他一些原因，使得纯概率论的方法应用受到某些限制。为此，专 家系统的建造者们提出了许多改进的理论模型与经验公式，以处理不确定性问题。 在车站信号系统的故障诊断与预测方面，存在大量并非精确和不完善的证据， 因而经过推理得到的结论，也不是完全肯定的。作为决策咨询，专家系统只能给 出结论的可信度。 2 搜索策略 无论在那种推理方法中都会遇到搜索问题。搜索策略的适当与否决定着系统 的推理速度，它是设计推理机时需要考虑的重要问题。单纯的正、反向推理，在 目标的搜索上常常具有很大的盲目性。在一个庞大的知识库中( 样本空间) ，盲目 9 地搜索问题的求解目标，影响系统的工作效率。因此，对推理路线和推理规则要 求是具有启发性，使之能有效缩短推理过程，加快目标的收敛聚焦速度。在专家 系统中，根据搜索空间的大小，目前常用的搜索策略主要有深度优先搜索、宽度 优先搜索等方法。 2 2 4解释器 解释器是与人机接口相连的部件，它负责对专家系统的行为进行解释，并通 过人机接口界面提供给用户。它实际也是一组程序，其主要功能是对系统的推理 过程进行跟踪和记录，回答用户的提问，使用户能够了解推理的过程及运用的知 识和数据，并负责解释系统本身的推理结果。 采用的形式包括系统提示、人一机对话等。例如，回答用户提出的“为什么， 给用户说明“结论是如何得出的 等。解释器是专家系统不可缺少的部分，它可 以使用户了解系统的推理情况，也可以帮助系统建造者发现系统存在的问题，从 而帮助进一步对系统进行完善。 设计解释器一般要考虑系统运行时，用户可能会提到哪些问题，如何对这问 题进行回答，以便在程序中加以实现。解释器与人一界面的连接与交互方法也是设 计解释器时必须要考虑的。 2 2 5知识获取机构 知识获取部分的任务是实现知识源到知识库的转移。知识源一方面来自专家， 另一面来自书本文献。对这些知识均需经过形式化处理并以编码的方式存入知识 知识库中。 知识获取的方法有两种：人工的和自动获取。早期的专家系统，其知识的表 示、存储、修改、扩充和删除等都是人工进行的，需要领域专家与智能工程师长 期合作，并为此付出艰巨的劳动。目前，一些专家系统已或多或少具有了自动获 取知识的功能。自动获取知识包括两个方面的含义：一是针对领域专家知识的自 动获取，即系统可以不通过智能工程师就能与领域专家交流，并自动将专家传授 的知识做形式化处理，存放在知识库中；二是在推理过程中形成的知识，通过总 结成功和失败的经验，自动修改、扩充、完善自身的知识。 实现系统自动获取知识的功能，需要一套知识的编译程序，要使计算机本身 智能化，要做到这一点，并非是件容易的事，属于系统建造的“瓶颈 问题，目 前正在探索将人工神经元网络应用于智能系统中。 1 0 2 2 6人机接口 专家系统的人机界面，主要用于系统与用户之间的双向技术交流。一个友好 的人机界面，应具备下述功能： 1 系统能够理解用户按规定语言输入的信息。专家系统常用的语言有l i s p 和 p r o l o g 两种，这两种语言共同的特点是都非常接近于自然语言，可以直接用他们表 达专家知识以及推理过程。使用这些智能语言，还可以生成新的知识，因而在专 家系统中得到广泛的应用。未来的人机界面将使用自然语言理解技术，即让系统 能直接听瞳人的话，这是当前人工智能研究的另一个重要方面。 2 系统能向用户提问。系统在启动和工作过程中，需要向用户提问，目的是进 一步明确用户的要求或索取充分的证据。常用的提问方式有：检测表、项目选择、 数据是与否。另外，当系统发现故障时，如在推理过程中，发现使用的规则发生 矛盾或错误、或推理过程进入死循环时，能向专家提示，并请求更正。 3 系统能显示对策查询结果，并解答用户提问。实现系统具有解释功能的基本 方法是回溯反推，即由当前的结论反推出导致该结论的理由，直到给出合理的解 释。 4 系统应能向用户提示系统的操作方法及外围设备( 打印机、屏幕显示) 的使 用方法。 2 3 基于专家系统方法的故障诊断 系统的故斟8 】是指系统的运行处于不正常状态( 劣化状态) ，并可导致系统相 应的功能失调，即导致系统相应的行为( 输出) 超过允许范围，使系统的功能低 于规定的水平，这种劣化状态就称为故障。 故障诊断【9 】是指系统在一定工作环境下查明导致系统某种功能失调的原因或 者性质，判断劣化状态发生的部位和部件，以及预测状态劣化的发展趋势等。 故障诊断的基本思想可以这样描述【6 】【_ 7 】设被检测对象全部可能发生的状态 ( 包括正常和故障状态) 组成状态空问s ，它的可观测量特征的取值范围全体构成 特征空问y ，状态空间与特征空间的关系可用图3 来表示。 f g 图3 故障诊断表述 f i g3i n d i c a t i o no ff a u l td i a g n o s i s 若系统可能处于的状态是有限的，例如可能发生n 种故障，这时把正常系统 所处的状态称为s o ，将不同故障情况下，系统所处的状态表示成为s l ，s 2 至s n 。 当系统处于状态s i 时，对应的可测量特征向量为y i = ( y i l ，y i 2 ，y i n ) 。故障 诊断是由特征向量y = ( y l ，y 2 ，y m ) ，求出它的对应状态s 的过程。故障诊断 也可以说是按特征向量对被测系统进行分类的问题或者是对特征向量进行的状态 模式识别问题。 2 3 1故障诊断的过程 故障诊断的过程【i o 】主要分成三个步骤：第一步检测设备状态的特征信号；第 二步从检测到的信号中提取征兆；第三步根据征兆和其他诊断信息来识别设备的 状态，从而完成故障诊断。如图4 显示了故障诊断的过程。 检测设备状态的特征信息，一般来说，具有两种表现形式，一种是以能量方 式表现出来的特征信号，例如振动、噪声、温度、电压、电流、磁场等；物态形 式表现出来的特征信号，如设备产生或排出的烟雾、油液等以及可以直接观测到 的锈蚀、裂纹等。检测能量方式所表现出来的特征信号必须使用传感器装置；而 提取物态的特征信号一般采用特定的收集装置或者可以直接观测。 特征信号 能量形式的 征信号 - 人类感官 特 征兆 叫传感装置 一-提取 状 装置 态 识 物理形式的特征信号 _ 别 装 物理状态 一 置 指导诊断信息的进一步获取 干预决策 态趋势萎嘉曩鍪| 舔态1分析装置l 状态 设备档案 参考模式 工作环境 图4 故障诊断过程 f i g4p r o c e s so ff a u l td i a g n o s i s 从所检测到的特征信号中提取征兆。如输入征兆提取装置的特征信号是能量 形式的，则可以在时域中提取征兆，也可以在频域或者相位域中提取征兆；对于 物态形式的特征信号，其提取征兆的方法眼办事通过特定的物理化学方法提取； 1 2 对于直接观测到的锈蚀、裂纹等信息，可以直接作为征兆来使用。 从征兆提取装置中输出的征兆即可输入到状态识别装置来识别系统的状态， 这是整个诊断过程的核心。一般来说，这一步是将实际上已经存在的参考模式与 现有由征兆按照不同方式组成的相应的待检模式进行对比，而决定待检模式应划 为哪一类参考模式，即对系统的当前状态进行模式识别。在智能技术引入诊断领 域之前，系统的状态识别是由该领域的人类专家来完成的。随着人工智能技术特 别是专家系统技术在诊断领域中的应用，产生了基于知识的诊断推理的这个发展 方向，它模拟了领域专家来完成系统状态识别的任务，这是智能诊断技术同一般 诊断技术之间最主要的差别。当然对于整个诊断过程而言，还需由人来进行干预 决策，并付诸实施。 所以，系统发生故障，诊断过程包括三个步骤：即信号测量、征兆提取和状 态识别。 2 3 2故障诊断的智能化 智能故障诊断技术是人工智能技术在诊断领域内引用的产物，它随着人工智 能，特别是专家系统、知识工程和人工神经网络的发展而不断发展。 根据制式处理途径上的不同，智能诊断方法可以分为两个大类【l l 】【1 2 j ： 第一种基于符号推理的智能诊断方法。在基于符号推理的知识处理系统当中， 知识是按照一定的规则用特定描述符加以表示、存储和处理的。知识的获取就是 对事件性知识或者专家所拥有的功能性知识加以描述，并按照一定的规则存储这 些知识到知识库的这个过程。然后，知识的处理系统就可以根据输入数据集体定 的推理机制和策略进行逻辑推理，并最终输出所要的结果。目前基于符号推理的 传统的人工智能故障诊断方法比较成熟。但是，该方法具有一个重大的缺陷：知 识获取的“瓶颈 和逻辑推理的“组合爆炸 。这使得该方法受到了一定的制约。 第二种是基于数值计算的智能诊断方法。如人工神经网络，她是当今故障诊 断方法一个重要的研究领域。其制式是通过系统权值系数矩阵来加以表示和存储。 知识的获取是按照一定的学习规则通过学习不断的调整确定其权值系数矩阵。在 诊断过程中，系统按照相应的网络计算方法对输入数据进行计算，得到网络输出 作为诊断结果。神经网络由于其本身强大的功能，对于不精确的、矛盾的或者是 错误的数据，他都能进行推理计算，并能够给出好的计算结果。在神经网络的知 识处理系统中，知识的获取、知识存储以及推理之间的联系很紧密，交融性很大。 同时神经网络的知识处理系统中不存在知识获取的瓶颈问题和推理的组合爆炸问 题。所以其发展空间更加广阔。 1 3 对于这两种智能诊断方法，无论是就与符号还是基于数值的只是处理方法只 是从两个不同方面对人工智能的模拟。符号系统模拟了人类复杂的逻辑思维，而 数值系统则是模拟了人类抽象的形象思维，这是人类智能中不可缺少、不能够互 相替代的两个部分。在这种情况下，如果能够将两种方法又记得结合到一起，从 而有效的模拟人的逻辑思维与形象思维，这是当今智能故障诊断技术发展的方向。 2 3 3故障诊断专家系统 将专家系统方法应用于设备故障诊断领域是故障诊断技术发展的趋势。一般 说来，为了对设备的故障进行诊断与维修，对设备的工作情况均要进行监控和测 试。为获取设备的运动状态信息