智能控制系统与工程课件 2.12神经网络专家系统

1专家系统中存在着以下一些难以克服的问题：6.3神经网络专家系统知识获取“瓶颈”问题

知识的“窄台阶”问题

缺乏联想功能，推理能力弱，实时性差智能水平低，没有创造性知识

系统的可靠性、鲁棒性和容错性差

专家系统是基于逻辑的。2神经网络专家系统有效地解决了专家系统实现过程中遇到的难点，具有如下优点。

6.3.1神经网络与专家系统的集成具有并行结构和并行分布处理方式高度的鲁棒性和容错能力

具有自适应性和自组织性

具有很强的自学习能力

便于硬件实现

36.3.2神经网络专家系统的基本结构图6-10基于神经网络的专家系统的基本结构图46.3.3神经网络专家系统的知识库如果利用神经网络的大量神经元的相互连接即各连接权值或阈值的分布来表征特定问题领域的概念和知识来建立知识库，就需要确定神经网络的拓扑结构。包括确定神经网络的层数、输入神经元、隐含层神经元和输出层神经元的个数，以及各神经元的连接权值和阈值。知识库的建立实际上就是神经网络的学习过程，包括知识的获取和存储两个过程。56.3.4神经网络专家系统的推理机制神经网络专家系统的知识推理具有三种推理机制：正向推理、反向推理和混合推理。

推理机是用于记忆所采用的规则和控制策略的程序，完成依据一定的知识规则从已有的事实推出结论的近似专家的思维过程，实现问题求解。图6-11正向推理流程图66.3.5神经网络专家系统的解释机制

神经网络专家系统的解释机制是负责对系统的推理过程或得出的诊断结果进行合理的解释以提高专家系统的可信度。对于神经网络专家系统由于神经网络的知识是用数字形式隐式表示在网络的连接权值中，系统的推理是通过神经网络的正向计算来完成的，不像专家系统那样具备天然的解释能力，所以单纯基于神经网络的专家系统是没有解释能力的，这也是基于神经网络的专家系统的最主要的缺陷。76.3.6神经网络专家系统实例基于神经网络专家系统的火电厂锅炉在线故障诊断

故障诊断系统的组成与诊断原理1针对火电厂锅炉热工生产过程高度复杂，多测点、多故障和同时性诊断等特点，采用多个子网络结构并联，并与专家系统结合，设计基于神经网络的锅炉生产过程故障诊断专家系统。86.3.6神经网络专家系统实例

图6-12锅炉故障诊断系统结构图图6-13故障诊断流程图96.3.6神经网络专家系统实例锅炉机组故障机理与故障征兆分类2根据工程师和操作人员的专家知识，归纳锅炉常见的20种系统级故障，用产生式规则表示。

IF（PR1，PR2，…，PRM）THEN（Conclusion）例如：锅炉满水故障，归纳知识库规则如下：规则：IF汽包水位超过+75mm

AND

过热蒸汽温度下降AND

给水量不正常的大于蒸汽流量。THEN报警：锅炉满水。106.3.6神经网络专家系统实例基于神经网络专家系统锅炉机组故障诊断3每种故障彼此独立，可用独立的子网络并联构成神经网络故障诊断系统。图6-14子网络并联映射结构图116.3.6神经网络专家系统实例水冷壁管损坏故障诊断结果4参数名称t=1t=2t=3t=4t=5*t=6t=7t=8t=9t=10汽包水位mm2-6-15-27-40-56-63-70-72-77给水流量t/h210212212216217218222221226228蒸汽流量t/h200202202196190192188186186188蒸汽压力Mpa9.729.729.719.719.709.689.679.679.669.66水门前压Mpa12.512.512.412.412.212.212.012.011.811.8水门后压Mpa11.011.011.111.211.211.411.511.511.611.6东排烟温c145146145144144144143142142142西排烟温c145145146144144144143143142142