（车辆工程专业论文）基于案例推理车辆维修专家系统的研究.pdf

基于案例推理 车辆维修专家系统的研究 摘要 本文说明了车辆维修专家系统研究的重要性，简要阐述了基于案例推理专家 系统基本原理。针对传统车辆维修诊断日趋复杂的特点，运用计算机和专家系统 技术建立了基于案例推理的车辆维修系统模型，并给出实现方案。为了扩大车辆 维修专家系统对问题的求解、增强用户对车辆维修专家系统的可访问性和增加用 户的访问数量，设计了个基于网络环境的分布式车辆维修专家系统集成框架。 为了保护系统重要信息，针对车辆维修专家系统采用i d e a 和r s a 混合加密方式 的数字签名技术。系统通过测试，表明系统的设计合理、有效。 关键词：专家系统车辆案例推理网络安全 s t u d yo f v e h i c l em a i n t e n a n c ee x p e r ts y s t e m b a s e do nc a s e - b a s e dr e a s o n i n g a b s t r a c t f i r s to fa l l ，t h ep a p e ra c c o u n t sf o rt h en e c e s s i t yi ns t u d yv e h i c l em a i n t e n a n c ee x p e r t s y s t e m ，a n db r i e f l yi n t r o d u c e st h eb a s i ct h e o r yo fe x p e r ts y s t e mb a s e do nc a s e - b a s e d r e a s o n i n g f o ri n c r e a s i n gc o m p l e x i o ni n t r a d i t i o n a lv e h i c l em a i m e n a n c ee x p e r t s y s t e m ， c o m p u t e ra n de x p e r ts y s t e mt e c h n o l o g ya r eu s e dt oa c c o m p l i s ht h em o d e lo fv e h i c l e m a i n t e n a n c ee x p e r ts y s t e mb a s e do ne a s e ，a n dt h eb l u e p r i n ti sp r e s e n t e d s e c o n d l y , a c c o r d i n gt os t u d ya b o v e ，ad i s t r i b u t e dv e h i c l em a i n t e n a n c ei n t e g r a t i n gs k e l e t o ne x p e r t s y s t e m b a s e do nn e t w o r ki sd e s i g n e d ，w h i c hb r o a d e n sp r o b l e mr e s o l v eo fv e h i c l e m a i n t e n a n c ee x p e ns y s t e m ，a n ds t r e n g t h e n su s e ra c c e s s i n gt ot h es y s t e ma n di n c r e a s i n gt h e a c c e s s i n gn u m b e r f i n a l l y , t h ep a p e ra n a l y z e ss y s t e ms e c u r i t yi nv e h i c l em a i n t e n a n c ee x p e r t s y s t e mb a s e do nn e t w o r k a d o p t i n go fh y b r i di d e aa n dr s at op r o t e c tt h ei m p o r t a n t i n f o r m a t i o n t h r o u g ht e s t ，t h es y s t e mp a s s e d ，w h i c hi l l u s t r a t e st h ed e s i g ns o u n d ，a v a i l a b l e k e yw o r d ：e x p e r ts y s t e m v e h i c l ec a s er e a s o n i n gn e t w o r k s e c u r i t y 合肥工业大学 本论文经答辩委员会全体委员审查，确认符合合 肥工业大学硕士学位论文质量要求。 答辩委员会签名： 番黧帕镶嚣旋 委辛瓣篇鼢跏 l 考釉1 弓匆7 信l 已易久到教授 厄穹乞周2 z 些穴翻豁也 1 钕肛 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及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得金魍王些盍堂或其他 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谢意。 学位论文作者签名：f 司p 签字日期：。砷年) 月富日 l 撕。午7 - 学位论文版权使用授权书 本学位论文作者完全了解金墨兰些太堂有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被 查阅和借阅。本人授权金壁王些盍堂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，可以采用影印、缩印或扫描等复制手段保存、汇编学位 论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文储签名：f 司口级 签字日期：d 厶年7 月6f i 学位论文作者毕业后去向 工作单位： 通讯地址： 电话 邮编 锄签名：敝j 恤 签字r 期：。斗年7 印同 致谢 感谢我的导师张代胜副教授和陈朝阳教授，他们的悉心指导和热 情关怀给了我学习的动力和勇气：他们深厚的专业知识、严谨的学术 作风和虚怀若谷的态度激励我保持锲而不舍的钻研精神。我攻读硕士 学位期间取得的每一滴知识都离不开两位老师教诲和帮助。 感谢陈无畏教授和张树强副教授，他们深邃的思想、无私的帮助 令我终生难忘。 感谢教研室其他老师的帮助( 王启瑞副教授、谭继锦副教授) 和同学( 韦伟、王永宽、邹海斌、王阳阳) 的帮助。 感谢我的家人和朋友，他们以浓浓的亲情理解我、支持我。在我 前进时勉励我；在我停止不前时引导我。至今我无以为报。 最后，向所有关心爱护我的人们表示衷心谢意! 周卫兵 2 0 0 4 年6 月2 0 同 第一章绪论 1 1 专家系统技术发展历程与车辆维修技术研究的意义 人工智能( a i ) 是计算机科学的一个分支，它主要研究一类具有“智能” 的计算机系统的设计，这类智能计算机系统能够显示人类行为中与智能有关的 一些特征。专家系统是a i 研究的一个应用领域，在国外也称为知识专家系统， 目前和自然语言理解、机器人一起成为a i 研究最活跃的三大领域。专家系统的 研究起源于19 6 5 年e a f e i g e n b a u n 等人对d e n d r a l 的着手研制。在其后的 时间，专家系统技术和应用得到了飞跃发展。世界各国已经在医疗诊断、化学 工程、语音图像处理、金融决策、信号解释、地质勘探、石油、军事等领域研 制了大量的专家系统，不少专家系统声称在性能上已达到甚至超过了同领域中 人类专家的水平，其应用产生巨大的经济效益，理论和技术研究方面，专家系 统的研究不断地向人们提出新的研究课题促进了a i 基本理论和基本技术的发 展，开创了计算机求解非数值实际问题的有效途径。 专家系统技术的发展主要经历了四个发展阶段：第一阶段，孕育阶段，指 1 9 6 5 年以前。这一阶段研究主要集中在一些特殊规律、推理演绎，人类思维符 号处理等问题的求解上。第二阶段，产生阶段，时间段是1 9 6 5 1 9 7 1 年。1 9 6 5 年s t a n f o r d 大学计算机科学系的e a f e i g e n b a u n 教授在研究了以往a i 系统的成 功与失败的经验和教训的基础上，与遗传学教授j l e d e r b e r g 、物理化学专家 c ，d i e r a s s i 合作一起开始了从化学数据推断分子假说的d e n d r a l 系统的研究。 d e n d r a l 系统是第一个结合启发式程序和大量专门知识的实用智能系统。与 d e n d r a l 一样，对专家系统的产生起有先驱作用的系统还有数学领域专家系 统m a c s y m a 。d e n d r a l 和m a c s y m a 通常被称为第一代( 或第一批) 专 家系统。第一代专家系统对a i 研究的重大意义在于，它们把a i 的启发式程序、 符号推理技术用到了实际问题的求解，使a i 走向了现实世界。第三阶段，基本 成熟阶段，从1 9 7 2 1 9 7 7 年。在此期间，a i 基本技术的进一步发展，如法国马 塞大学的a c o l m e r a u e r 和他的同事们研制成功了逻辑推理语言p r o l o g ，以及 专家系统中知识的表示提供了专家知识的储存手段，一批卓有成效的专家系统 开始出现，有m y c i n 、c a s n e t 、h e a r s a y 、p r o s p e c t o r 等，专家系统的 主要技术，如人机接口、解释功能、自学习能力、不精确推理技术以及元知识 的概念等得到了研究和应用，并提出了知识工程的概念。至此，专家系统技术 已基本成熟。第四阶段，进一步发展阶段。从1 9 7 8 年至今，专家系统技术的应 用己同益渗透到各个领域，并开始了非计算机专业人员直接建立专家系统的年 代。与此同时，随着专家系统所处理问题难度的不断增加，专家系统技术的研 究得到了不断深入。研究主要在以下几个方面：( 1 ) 骨架系统( s k e l e t a ls y s t e m ) 等建造专家系统的工具系统的研究开发。( 2 ) 自动知识获取系统的研制。( 3 ) 知识库的管理问题和知识库管理系统( k b m s ) 的研制。( 4 ) 网络远程终端分 布式处理技术在专家系统中的应用研究。 车辆维修专家系统作为专家系统研究的一个重要分支，在专家系统技术的 发展过程中也在逐渐成长起来。2 0 世纪7 0 年代至今，随着机械、电子、计算机 技术的飞速发展，车辆底盘、发动机及其它总成系统变的越来越复杂，新车型、 新结构、新材料、新功能层出不穷，车辆发生的故障日趋复杂化，传统的望、 闻、问、切显得捉襟见肘，维修技师不可能熟悉所有车型的故障维修，甚至在 一个单一领域也不可能。所以有必要利用计算机强大的信息处理功能，广泛收 集各种车型的技术数据、各种故障现象和维修诊断程序、各种维修工艺及不同 专家维修经验，研发一个车辆维修专家系统，使其可以快速完成车辆维修工作， 提高维修质量、降低维修成本。 1 1 1 国外研究现状 国外车辆维修专家系统的研究始于7 0 年代末，其主要经历五个阶段： 第一阶段，从2 0 世纪七十年代初到2 0 世纪八十年代初。主要研究内容是 自动在线故障诊断( o n b o a r dd i a g n o s t i c ) 和基于串行通讯口的车外故障诊断。 如美国、日本、德国、法国等国家相继推出类似的车内诊断装置，这种故障 诊断通过故障码的存储与读取，借助车辆仪表板上的故障指示灯，反映系统的 工作状况和故障发生部位，然后参照用户手册进行维修；美国通用公司的t e c h l 系统、福特的s t a r 系统等1 2 , 3 l ，它通过与e c u 的在线故障诊断系统进行交互 式通讯，交互提供诊断资讯和维修方法。 第二阶段，从2 0 世纪八十年代初到2 0 世纪八十年代末，研究主要集中在 把a i 技术的启发式程序、符号推理技术应用到车辆诊断，研究对象是发动机， 因为发动机的维修诊断一直被认为是人工智能的一个最具挑战性的问题。如美 国r a d i a n 公司开发实验性故障诊断专家系统r u l e m a s t e r 巴获得初步成功， 显示专家系统具有改善车辆修理质量和降低维修成本的巨大潜力。1 9 8 6 年福特 汽车公司开发专家系统工具t e s t ，1 9 8 7 年加拿大太平洋铁路公司开发用于发动 机油液分析的故障诊断专家系统e d m s 等等1 6 。8 l ，为发动机维修提供处理方法。 第三阶段，从2 0 世纪八十年代末到2 0 世纪九十年代初，车辆维修技术得 到了进一步的发展，把神经网络技术应用到车辆维修，局部实现了知识的自学 习、系统的自适应能力、推理的非线性映射功能。研究内容有：美国 v e n k a t a s u b r a m a n i a n 等人首次将神经网络用于维修中| 9j ，并与基于知泌的专家系 统进行了比较，获得了理想的结果：m a r k o 等| l0 。”l 把神经网络引入到车辆控制 系统和柴油发动机的维修中，利用神经网络的学习功能和强大的非线性映射特 性和很强的容错性能，实现故障的快速分类；s h a r k y 等h 3 “i 对柴油发动机的故 障机理进一步研究的基础上，提出多神经网络维修专家系统。 第四阶段，从2 0 世纪九十年代初到2 0 世纪九十年代末，研究内容向多知 识、多模型维修方向发展 1 5 - 1 8 i ，研究对象从发动机维修逐步扩大到各个车辆系 统总成维修。b r e n n a n 等| 1 5 - 1 6 1 运用状态监控和模糊逻辑推理，开发了车辆悬架单 元的诊断系统。在车辆变速箱维修方面，s t a s z e w s k i 等1 1 7 i 在振动信号的特征提 取和神经网络模式识别上做了广泛研究。m l s m i t h 为e a t o n 公司开发的车辆 紧急刹车平衡系统是集成专家系统的一个典型例子，该系统由两个基于知识推 理的单元和五个神经网络诊断子系统组成，诊断输入信息和事实数据经过规则 和神经网络的交互式推理后，完成车辆制动系统的诊断，并在适当的时候建议 车辆制动系统复原。j a n i c e 等i l8 l 开发了一个车辆集成诊断专家系统，该系统通 过不同的诊断方案，提高诊断结果的准确度。澳大利亚的a u t a r 等i l9 1 在c a m o d e 系统的基础上，结合浅知识和深知识推理，开发了柴油机自诊断专家系统。h i r p a l 等1 2 0 i 开发了一个基于决策树的诊断专家系统e x e d s ，通过建立征兆群，达到快 速维修的目的。p i s u 开发了一个基于层次模型的在线车辆制动和转向系维修系 统川。 第五阶段，从2 0 世纪九十年代末至今，计算机网络技术应用到车辆维修中， 使维修专家系统向网络信息集成维修方向发展盼2 3 i 。集成系统由维修专家系统、 诊断工具、技术服务信息系统组成，通过多种信息的综合运用，达到实时维修 目的。 11 2 国内研究现状 国内在车辆维修技术的研究方面起步较晚。8 0 年代末9 0 年代初，国内部分 高校和科研机构对车辆维修专家系统进行研究，并相继发表了一些研究文献 1 2 4 - 2 6 1 。 从9 0 年代中期到现阶段，国内在车辆维修专家系统方面的研究进入快速发 展期，部分研究已达到国外同等研究水平1 2 7 - 3 6 i 。从整体上看，我国在车辆维修 专家系统方面的研究一直紧跟国外学术动态，对新理论、新方法、新趋势等方 面的把握和研究及时，取得了一些有价值的成果。从诊断方法上看，主要以基 于信号处理和基于知识处理为主。在基于信号处理方面，从传统的付里叶变换 到小波分析，为诊断信号的预处理提供一条有效的技术路线。在基于知识处理 方面，从传统基于规则、模糊推理的诊断专家系统模型到集成模糊理论、神经 网络技术、案例推理的维修专家系统模型1 2 4 , 2 ”们，仅仅经历了十来年的时间。 西安公路交通大学、吉林工业大学、合肥工业大学、浙江大学等高等院校进行 了大量的研究，发表了众多相关的研究文章2 7 舶，4 1 4 2 书l 。 多媒体技术是2 0 世纪8 0 年代在国外兴起的一门新兴技术，它利用计算机 及其它电子手段传递文本、声音、图像、动画、图形信息，实现信息媒体的多 样性、交互性和集成性，从而使机器处理的信息多维化。近几年来，国内逐渐 把多媒体技术应用于维修领域2 7 j 4 一i 。由于在维修系统中综合采用了声音、图 像、图形、动画、视频等多媒体技术，从而使整个维修平台有着良好的人机界 面和交互式的工作环境，增加了系统的易操作性和可靠性，能够提高对突发性 事件的监视、识别、维修和预报能力。 1 1 3 发展趋势 人工智能技术的迅速发展，为车辆维修专家的发展奠定了坚实的基础，而 计算机和网络技术的应用为车辆维修专家系统的研究提供了广阔的发展空间。 自第一个车辆维修专家系统问世以来，虽然取得了很大的发展，但随着应用范 围的扩大以及人们对它的期望日益提高，也暴露出了许多薄弱的环节：系统的 分布能力弱、知识的不足、求解方法的单一等。从这些薄弱环节和目前的研究 情况来看，车辆维修专家系统的研究主要集中在以下几个领域： 分布协同式的体系结构的研究：所谓分布协同式体系结构是指把知识库分 布于计算机网络的不同节点上，或者把推理机分布于计算机网络的不同节点上， 或者两者同时分布，但在求解问题时，它们能互通信息，密切合作，共同完成 问题的求解任务。在这种体系结构中，主要应解决的问题是任务分布和合作策 略的问题。 知识的自动获取的研究：知识获取可以分为两个阶段；一是从车辆维修专 家及有关文献资料那里获取知识，一是从系统的运行实践当中不断总结归纳出 新的知识；对于前种情况，需要解决自然语言的识别以及从大量实例中归纳知 识等问题，对于后种情况，还需要解决如何从系统的运行实践中发现问题以及 通过总结经验教训，归纳出新的知识，修改旧的知识等问题： 深层知识的利用的研究：所谓深层知识是指车辆维修领域中的理论性的知 识，原理性的知识，而专家的经验通常被称为表层知识或浅层知识，在这当中 存在的主要问题是如何确定深层知识的容量和边缘，另外，非单调性也是深层 知识利用中的一个困难问题。 1 2 本文研究目的和意义 目前国内外已丌发的车辆维修专家系统包括其它应用领域的维修系统大多 只是面向单用户，不能利用网络环境的分布性和互联性提供用户便捷的服务， 也限制了自身的发展。而不少基于网络环境的维修专家系统也仅仅是帮助桌面 系统不能算严格意义上的维修专家系统，因此无法解决复杂的问题。另外，现 今国内外已开发的车辆维修专家系统的推理机制大多是以单一推理方法为主， 不能适应车辆维修的复杂性、多变性。同时，绝大多数的开发者仅将专家系统 看成单一的个体，没有视其为一个大系统的组成部分，这使得开发出来的专家 系统往往自成封闭的一体，无法方便扩充和与其它信息单元沟通。 由于上述原因，本文在已有的车辆诊断专家系统的研究基础上，研究开发 出一个综合性高、针对性强、网络分布性能好、安全性高，适合于车辆维修领 域的远程异地维修、客户帮助和数据库管理集成系统。实现系统多模型、多层 次的智能诊断，以适应车辆维修的复杂性、多变性。这对延长车辆的正常运营 周期，提高维修质量，缩短维修时间，提高车辆的可靠性和安全性，减少和预 防事故起到积极的推动作用，也实现了专家知识和经验的交流、汇集、复制、 传播和长期保存。而记录维修中大量的原始信息，为车辆合理运行和快速维修 经验的积累及其改进设计提供了比较可靠的依据和后台支持。 1 3 已有的研究基础 本课题来源于安徽省“十五”重大专项网络构架下车辆故障诊断集成系 统( 0 21 0 2 0 0 9 ) ，是安徽省重点科研项目汽车故障诊断专家系统的进一步 深入研究和开发。 目前，本课题组已完成“基于实例与基于规则混合推理的车辆诊断专家系 统原型设计”、“模糊神经网络在车辆故障诊断专家系统中的应用”研究，主 要工作如下： ( 1 ) r b r 与c b r 融合模型的建立； ( 2 ) 实例和实例库建构模式的设计，其中包括： i ) 实例表示方法的设计； 2 ) 实例库建构模式的设计； ( 3 ) 基于模糊概念的实例获取方法的设计； ( 4 ) 知识库的管理。 在上述车辆诊断专家系统中，存在以下几点不足： ( 1 ) 基于规则的诊断存在推理速度慢、规则匹配冲突、组合爆炸等问题： ( 2 ) 对规则的处理不够： ( 3 ) 规则知识获取“瓶颈”问题； ( 4 ) 系统分向计算能力较弱； ( j ) 没有充分考虑到系统运行的安全性。 1 4 本文研究的主要内容 本课题以车辆发动机为维修对象，用d e l p h i5 0e n t e r p r i s e 为开发工具，s q l s e r v e r 7 0 为后台知识库，建立良好的人机交互界面，编制相关的运作逻辑与算 法，建构故障领域的维修策略，在已开发的车辆诊断专家系统基础上，集成分 布计算技术与网络安全技术，实现系统多模型、多层次的智能维修。 主要研究内容是： ( 1 ) 基于案例的车辆维修系统模型研究； ( 2 ) 集成系统的网络化研究； ( 3 ) 集成系统的安全性研究。 第二章基于案例推理专家系统原理概述 2 1 案例推理理论 2 1 1 案例推理概述1 4 4 - 4 6 i 案例推理是一种类比推理方法，它提供了一种近似人类思维模型的建造专家 系统的新的方法学，这与人对自然的求解相一致，它强调这样的思维：人类在 解决问题时，常常回忆过去积累下来的类似情况的处理，通过对过去类似情况 处理的适当修改来解决新的问题。过去的类似情况及其处理技术被称为案例， 过去的案例还可以用来评价新的问题及新问题的求解方案，并且对可能的错误 进行预防。运用这一基本思想进行推理被称为基于案例推理技术。基干案例推 理的方法适用于领域定理难以表示成规则形式，而易表示成案例形式并且已经 积累了丰富案例的领域。案例知识库和推理机是基于案例推理专家系统的两个 重要组成部分。案例记忆细胞；推理机思维模拟基于案例推理专家系 统以相关案例作为e s 中知识表达的基本单元，并构造e s 中的知识库案例知 识库，基于案例推理机基于案例知识库的存储的案例检索。即：在解决新 问题时从案例知识库中找出与当前情况类似的过去案例，利用过去的案例或经 验进行推理来求解新问题。由于计算机的记忆特性，利用基于案例推理技术可 以方便、快捷地得到求解问题的方法或提示。多案例集成机制的推理就是对在 驰证后的方寰毫u 步瑾泌方案 图2 一l 案例推理的一般过程 处理复杂问题时，回忆多个类似的情景，通过横向、纵向的比较，综合多个案 例的经验，从而创造陛地解决新问题。它为e s 提供了一条创造性的解快问题的 思路。因为，若一对一案例匹配失败时， 对与其相关的案例进行横向、纵向集成 通过对新案例进行多方位和适当分解， 从而达到解决新问题的目的。 2 1 2 基于案例推理工作机制和研究课题 基于案例推理专家系统基本研究领域问题：案例获取、案例表示、案例索 引、案例组织与检索、案例修改、案例学习和归纳等。 ( 1 ) 案例获取 案例知识库中确保有相当数量的相关案例是一个基于案例推理专家系统正 常工作的前提条件。因此，专家系统要进行推理决策，必须先要案例获取，且 案例知识的多少以及精练、准确对系统执行功能的好坏影响很大。案例获取主 要从其手段、来源方面来考虑。参考已有的基于案例推理专家系统，案例知识 获取到目前为止还没成为系统中真正运行的一部分。 ( 2 ) 案仞表示 以适当形式将知识在计算机中表示出来是使机器具有智能的前提和基础。 这也是为什么知识表示的研究一直在a i 中占据相当重要地位的原因。案例表示 研究是整个基于案例推理专家系统研究的基础和核心。案例就是能导致特定结 果的一系列特征属性的集合确定适当的案例特征包括领域专有名词的定义和 专家借以解决问题的代表性案例的收集，是基于案例推理专家系统申主要的知 识工程任务。 ( 3 ) 案例索引 基于案例推理专家系统的强大功能来源于能从记忆库( 案例知识库) 中迅 速准确地检索出相关案例。案例索引过程是建造一个结构或过程来得到最适当 的案例。实现技术通常有三种：最近邻法、归纳法( 决策树法) 、知识导引法。 最近邻法：指用户利用与记忆库案例相匹配的输入案例的“特征权数和”来 检索案例。适用于检索目标未能很好定义或可用案例不多。确定权数和的标准 比较难。 归纳法( 决策树法) ：在需要分类的各种各样的案例库中，归纳地确定哪 一特征判别能力好。适用于检索的目标或案例的结果是良定义的，且有足够的 案例进行归纳比较。其缺点有：当使用的案例库包括数以千计的案例时，为了 完成归纳，系统需相当数量的案例来生成判别特征，归纳分析时间长。 知识导引法：利用现存的有关案例库案例的知识来确定检索案例时哪些特 征是重要的。适用于可用的、可表示的解释性知识。存在的问题是：常常难以 代码化足够的解释性知识，在大范围的可能案例输入上完成完备的基于知识索 引。 ( 4 ) 案例组织与检索m 一旦案例表示和索引技术确定，就可被组织成一个高效的检索结构。大多 数案例存储结构介于纯粹的关联检索与纯粹的分层检索之间。摄近邻匹配技术 被认为是关联的，因为它们没有真正的记忆组织；判别网络主要介于关联与分 层之间，具有网结构的检索灵活性，因为它们有许多潜在的索引特征链：决策 树是一种纯粹的分层记忆组织。 s e h a n k 的动态记忆模型和p o r t e r 的分类案例 模型是比较有影响的两种内存组织模型。案例检索应达到的目标：检索出来的 案例尽可能少，尽可能与当前案例相关或相似。 共有四种检索案例的方法： 1 ) 模板检索：类似于关系数据库的s o l 查询，它根据用户输入的问题描述， 形成一个检索模板，再依据这个模板在案例库中查找与之完全匹配的案例，若 有，则返回，否则什么也不返回。 2 ) 分层检索：常与归纳索引配合使用。其检索过程以用归纳索引形成的决 策树为基础，由树根开始逐层下降，到不能下降为止，此时，返回停止点以下 的所有案例集。 3 ) 关联检索：又称近邻检索，与近邻索引配合使用。其检索过程是基于近 邻索引中定义的案例特征矢量的类似度，将用户输入的新案例与库中案例进行 比较，选出相似度高的案例返回用户。 4 ) 基于知识的检索：由于基干知识的索引没有特定的模式，因此，不同的 知识索引及其检索机制差异较大。如果领域的知识以规则的形式表示，则基于 知识的检索依赖于一个推理算法。有的将领域知识反映到特征属性的权重上， 并己可以动态地调整权值，使检索更具灵活性和动态性。 ( 5 ) 案例改写 案例检索的目标是得到一个与输入情况最类似的过去案例。案例改写就是 将一个案例检索到的与当前情况大部分匹配的案例改写成完全匹配的案例。现 有的基于案例推理专家系统大多数改写方法是将改写知识代码化成改写规则集 成领域模型。改写规则可使检索到的案例转化为一个满足所有要求的新的案例。 许多成功的基于案例推理专家系统是利用存储的现有案例来完成改写的。 ( 6 ) 学习和归纳 利用现有技术从案例知识库中抽取有用信息，使基于案例推理方法避免了 基于规则方法的主要问题，即收集问题求解或分类的知识并将它们正确利用。 开发基于归纳和解释的索引技术将使基于案例推理专家系统得出有用的索引特 征，并将它们构造于高效的存储组织中，随着案例积累，案例归纳可确定出体 现特定案例群主要特征的原型案例，并且原型案例可与特定案例存储在一起， 提高系统长期运行的准确性。 2 ，1 3 基于案例推理专家系统关键技术和目前存在的问题 如何快速地检索到一个最相似的案例以及如何改写案例是基于案例推理专 家系统中所涉及的关键技术。目前主要存在的问题如下： ( 1 ) 案例获取 大量案例的获取需求来源很广，获取手段有人工和自动的。当前信息时代， i n t e r n e t 作为主流，从w e b 网上搜索与某个专家系统相关的案例知识是今后着重 研究的方向之一。设计一个好的专用搜索案例知识工具，不仅能够丰富基于案 例推理专家系统中的案例知识库，而且在一定程度上提高了系统的运行效率。 ( 2 ) 案例表示 案例推理是对人类形象思维的模拟。目前知识( 案例) 在大脑中的记忆的 研究仍不成熟。a i 的知识表示方法，如产生式规则、语义网络、神经网络、框 架和面向对象等，只是知识不同角度的映射。在类比学习中，这些表示方法存 在局限性，因为知识的记忆要求知识是一个有结构和有组织的体系，且还应易 于检索、存取和记忆。案例表示与案例推理效率密切相关，研究面向智能计算 的记忆结构有助于实现案例的合理表达。 ( 3 ) 案例检索 目前大多数的基于案例推理检索模型采用相似度准则( 最近邻法) 。强调 的是案例的一对一的属性匹配，而不同的应用领域研究者给出了不同的相似度 准则。这种方法在结构不良的复杂环境中，明显存在不足： 1 ) 相似度的标准欠妥。 2 ) 案例间相似性的评价不一定看新| 日案例的属性匹配如何，而是依赖于旧 案例能否合理解释当前案例。 3 ) 根据h s i m o n 的有限理性，任何决策都是在信息不完全的情况下做出的， 简单地比较新旧案例特征是不足取的。 4 ) 案例检索的相似度准则不能很好地综合考虑表层特征和深层信息。 ( 4 ) 案例学习与归纳4 8 5 州 案例学习是一种增量式的学习，但案例知识库越大，案例学习效率就低， 且可能出现冗余和矛盾。所以，如何精练案例知识库也是基于案例推理专家系 统中很重要的研究方面。 2 2 基于案例推理的专家系统的知识表示方法【4 8 ，5 1 5 2 知识是专家系统的核心，知识表示技术是专家系统乃至人工智能的重要研 究内容之一。对于数据库和信息管理系统中的数据和信息，人们已比较容易理 解。但专家系统中考虑的是所谓“知识”。知识的含义要更丰富，当然数据、 信息也可认为是知识。一个好的专家系统，知t 表示策略十分重要。现有的各 种知识表示有：产生式、框架、语义网络、决策树、面向对象等，其中以框架 和面向对象最为广泛。在建立某个特定任务的专家系统时，首先要考虑的就是 要选用合适的知识表示策略。在专家系统中，可以用上述现成的方法，也可以 用编程实现，但必须是符合该领域的知识类型，否则实现起来效率不高，甚至 很麻烦。 2 2 1 案例知识表示方法的概述 在基于案例推理专家系统的案例知识库的建设中，案例知识表示必须基于 现有的知识表示，它处于中心地位。因为一方面获取案例知识就必须表示成某 种形式，否则就难以记录下案例知识；另一方面，没有表示也就谈不上运用案 例知识。能否把案例知识表示出来对案例知识的处理是至关重要的，案例知识 表示的好坏对案例知识处理的效率和应用范围也影响很大，对案例知识获取和 学习机制的研究也有直接影响。所以，案例知识表示一直就是案例知识处理中 最热门的研究课题之一。而且，往往把它与案例知识获取和案例知识运用结合 起来研究，以求案例知识处理的最佳效果。 2 2 2 案例知识表示方法的分类 迄今，学者们己提出了许多知识处理的方法。例如；一阶谓词逻辑表示、 关系表示、框架表示、产生式表示( 规则表示) 、语义网表示、过程表示、脚 本表示、状态图表示、问题归约表示、面向对象表示、原型表示等。这些表示 方法各自适用于表示某种类型的知识，从而被用于不同的应用领域。根据领域 知识的热点；选择一种知识表示方法就可解决问题。但有时为了开发有较广领 域的知识专家系统，就需要选择多种知识表示，或多种表示方法相结合来表示 领域知识。 ( 1 ) 逻辑表示法 逻辑表示法是指各种基于形式逻辑( f o r m a ll o g i c ) 的知识表示方案。它 是在人工智能领域中使用较多的知识表示法。其中以一阶谓词表示法最为广泛。 所谓谓词( p r e d i c a r e ) 是定义在某一集合上的取值为“真”或“假”的函数。如果 一个谓词p ( l x ：x ) 的每个变量都不是谓词，称它为一阶谓词( f i r s to r d e r p r e d i c a t e ) 。利用谓词、联接词和量词，我们可以描述较为复杂的知识、事实、 甚至动作。在使用一阶谓词逻辑表示知识的人工智能系统中，大多是把待解决 的问题转化成一个定理证明问题，然后用归结( r e s o l u t i o n ) 方法证明它。归 结方法主要是建立在反证法的基础上。其基本思想是：设法合并子句集中的子 旬，如果能得到一个空子句( f ) ，就证明了该子句是恒假的。 逻辑表示法建立在形式逻辑的基础上，决定了它具有下列优点：逻辑表示 法接近于人们对问题的直观理解，易于被人们接受；逻辑表示对如何由简单陈 述构造复杂事物的方法有明确、统一的规定，易于理解；它有效地分离了知识 和处理知识的程序；但是，逻辑表示法没有关于如何组织知识的信息，多数基 于逻辑的系统采用j 顿序存储的方式组织知识。当知识量较大时，这种方法给知 识检索带来了困难。 从推理的角度来讲，归结方法作为一种完备的推理方法，能够保证结论的 正确性；同时作为一种形式推理方法，使得它不依赖于任何具体领域，有较大 的通用性。然而，完全形式化的推理方法中无法使用启发性知识。而且有浪费 时间和空间的趋势，还有可能会引起组合爆炸。此外，归结方法还有以下缺陷： 没有回溯策略，不适合处理启发性知识；推理过程不易理解：需要事先知道所 需达到的目标。 逻辑表示和归结方法的弱点限制了它们的应用范围和解题难度。它主要用 于自动定理证明( a u t o m a t i ct h e o r e mp r o v i n g ) 、问题解答( q u e s t i o n a n s w e r i n g ) 、机器人学( r o b o t i c ) 等领域。目前，使用逻辑表示法的专家系 统还不多见。 ( 2 ) 规则表示法 产生式规则( p r o d u c t i o n ) 表示是且前专家系统中使用最广泛的知识表示 方法，使用这种表示法的专家系统通常称为基于规则的专家系统( r u l e b a s e d e x p e r ts y s t e m s ) 。产生式规则表示法一般是在所谓的产生式系统( p r o d u c t i o n s y s t e m ) 中使用的。一个产生式系统由三个基本组成部分：全局数据库( g l o b a l d a t eb a s e ) 、规则库( r u l eb a s e ) 、规则器( r u l ei n t e r p r e t e r ) 。其中， 全局数据库用于描述问题和环境，包括与特定问题有关的种种临时信息，也叫 做短期已 乙( s h o r t t e r m m e m o r y ) 。规则库由一组产生式规则组成，每一个规 则是由条件和动作两部分组成的对偶。与全局数据库相比，规则库相对稳定， 也称为长期记忆器( l o n g t e r mm e m o r y ) 。规则解释器负责把规则的条件部分 与全局数据库的内容进行一一比较称之为匹配( m a t c h ) 。如果成立，规则解 释器则根据动作部分描述的信息去修改全局数据库的内容。 产生式系统除了对系统的总体结构，各部分相互作用的方式及规则的表示 形式有明确规定外，对系统的其它实现细节均无具体规定。这使设计者们在开 发实用系统上有较大灵活性，可以根据需要采用适当的实现技术，特别是可以 把对求解问题有意义的各种启发式知识引入到系统中。此外，由于产生式规则 与人类的判断性知识形式上基本一致，比较自然：规则库中的知识具有相同的 格式，并且全局数据库可被所有的规则访问，因此规则可以统一处理：规则库 中的各个规则之间只能通过全局数据库发生联系，而不能直接相互调用，从而 增加了规则的模块性，有利于知识的修改和扩充。 由于规则库中的知识都有统格式，并且规则之间的联系必须以全局数据 库为媒介，可能会引起产生式系统求解问题时的低效率。此外，虽然判断性知 识可以用规则的形式很自然地表达，但过程性知识却不能以自然的方式表达， 因此系统求解问题时的控制流程有些难以理解。 举个例子：“天下雨”、“打伞”这些是信息，表示某种基本事实。若用“如果 则”因果关系连起来，“如果天下雨，则需打伞”，就是一个代表常识性意义的知 识了。“如果则”就是具有因果关系的规则型知识，有的称之为过程性知识，启 发性知识。因为在作判断分析问题时，人们经常采用这样的规则型知识去推理。 早期的专家系统，例如d e n d r a l ，m y x i n ；p e o s p e t r o r 等都是把化学、医药、探 矿等领域知识整理成一条条规则，放在知识库中，然后经过推理去寻求答案 ( 3 ) 网络表示法 语义网络是基于一种古老而简单的思想人类的记忆是由概念及概念之 间的联系组成的。它是用图解的形式来组织知识。网络由节点和具有语义的弧 链组成。节点用来表示物体、概念和事件等，弧链表示它们之间的关系。语义 网络表示方法可以把事物的结构、属性及因果关系通过节点与弧链形式明显而 简要表达出来，自然直观，易于理解，也符合人在处理这类问题的思维习惯。 由l 语义网络能较好的表现人类联想记忆的机能，所以也称为联想网络。通过弓i 入标记结点、深度格、分块技术等，语义网络可以构造任意多个的句子。 与谓词逻辑不同，语义网络没有公认的形式表示体系。一个给定的语义网 络所表达的意思完全取决予处理程序如何解释它。使用网络的本质是找出网络 的某一部分，一般称为网络碎片( n e t w o r kf r a g m e n t ) ，它能表达我们所需要 的信息。大多数用语义网络表示知识的系统都是采用匹配技术来处理网络的。 在这种技术中，我们把所要寻找的信息或需要回答的问题表示成一个网络碎片， 然后把这个碎片按照某种算法与整个网络相比较( 匹配) ，以找出我们所需要 的信息。匹配的关键是要利用网络提供的各概念之间的联系。 语义网络是一种比较直观的表示方案，用它们表示的知识容易理解；自然 语言与语义网络之间的转换也比较容易实现。语义网络又是一种强有力的表示 方案，用其它形式表示方案能表达的知识几乎都可以用语义网络表示。语义网 络的最大优点是它提供了检索信息的索引，各结点之间的重要联系以明确、简 洁的方式表现出来；通过边结点的各种弧很容易找出与某一结点有关的信息； f 是这种自索引能力使语义网络系统可以有效的避免搜索时所遇到的组合爆炸 问题。 但是语义网络对如何使用语义表示知识的许多细节问题没有明确规定。 ( 4 ) 框架表示法 框架是一种描述固定情况的数据结构，一般可以把框架看成是一个由结点 和关系组成的网络。框架的顶层是固定的，并且它描述对于假定情况是f 确的 事物。在框架的较低层上有许多终端称为槽( s l o t s ) ，槽中填入具体值后， 可以得到一个描述具体事物的框架。每个槽都可以有一些附加说明称为侧 面( f a c e t ) ，用于指出槽的取值范围、求值方法等。一个框架中可以包含各 种的信息：描述事物的信息，如何使用框架的信息关于下一步发生什么事物的 期望，以及如果所期望的事件没有发生应该怎么办的信息等等。这些信息包含 在框架的各个槽中或侧面中。 一个具体事物可由槽中已填入值的框架来描述。具有不同的槽值的框架可 以反映某一类事物中的各个具体事物。相关的框架链接在一起形成了一个框架 系统。框架系统中由一个框架到另一个框架的转换可以表示状态的变化、推理 或其它活动。不同的框架可以共享同一个槽值，该方法可以把不同角度搜集起 来的信息较好地协调起来。 框架表示法以它表达能力强、层次结构丰富、提供了有效的组织知识的手 段、容易实现默契值、且较好地把叙述性表示与过程性表示协调起来等优点引 起了人们的重视。目前有许多专家系统使用框架表示知识。 同语义网络表示法一样，框架表示法对如何使用框架表示知识的许多细节 问题没有明确规定，因此框架表示法也面临着语义网络表示法所遇到的同样问 题。 ( 5 ) 面向对象的知识表示 面向对象的知识表示方法足一种较新的知识表示方法，值得更深层次的研 究发展。其基本出发点就是：客观世界是由一些实体组成的。这些实体有自己 的状态，可以执行一定动作。相似的实体抽象为较高层的实体，实体之间能以 某种方式发生联系。所谓对象就是对这些实体的映像。对象中封装了数据成员 ( 或者叫实例成员) 和成员函数( 方法) 。数据成员可以用来描述对象的各种 属性，这些属性是对外隐蔽的。外界可以且仅可以通过成员函数访问对象的私 有成员。数据成员可以被初始化，可以通过成员函数被改变。困此对象可以动 态地保存当前自己的状态。由于对象中还包含了操作( 成员函数) ，因此可以 把求解机制封装于对象之中。这样对象既是信息的存储单元，又是信息处理的 独立单位，它具有一定的内部结构和处理能力。各种类型的求解机制分布于各 个对象，通过对象之间消息的传递完成整个问题求解过程。 用对象表示的知识与客观情况更为接受，这种表示方案比较自然，易于理 解。面向对象表示的推理机制散布于各对象中，因而可以根据具体情况混合使 用不同的求解方案。面向对象技术所提供的继承机制允许子类继承有利于表示 实际情况中：复杂的层次结构。对象的封装性和消息传递机制使得知识库以及 整个系统都有很好的模块性，有利于知识库的修改和扩充，也利于推理机制的 修改。 面向对象表示法与框架表示比较相似，但它在模块性、继承性、封装性等 方面比框架更加完善。它是一种很有前途的知识表示方案。 综合上述，面向对象表示法可以作为案例推理专家系统的知识表示方法。 在实施过程中，用面向对象方法建立类模型，而每个类都有自己的成员属性和 成员函数，通过与面向对象的语言结合，可以较容易实现案例知识表示。 2 3 案例知识库的维护与优化 评价基于案例推理专家系统性能的好坏，取决于其处理问题的高效的速度 和准确率。多数基于案例推理的专家系统，都是多种知识库并存，可分为：案 例库和规则库。它们的区别是：用于查询的数据组织机制称作案例库，而由逻 辑模式表达的事实、公理等信息组织机制称作规则库。在一些系统中二者是相 互独立的，而在某些系统中它们之间通过知识转换器相连。案例库中的知识， 可由人类专家直接输入到案例库中，也可由规则库通过接口转变到案例库。 为了解决速度和效率问题，可以从案例