诊断专家系统

1、诊断专家系统摘要人工智能是模拟、扩展和扩展人类智能的理论和方法的研究和发展。一门新的技术科学的技术和应用系统。该领域的研究包括机器人学、语言识别、图像识别、自然语言处理和专家系统。专家系统是模拟人类专家解决领域问题的计算机程序系统。它利用人工智能技术和计算机技术，根据某一领域的一个或多个专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，解决需要专家解决的难题。关键词计算机，人工智能，专家系统介绍随着科学技术的发展，设备的结构越来越复杂，功能越来越完善，自动化程度越来越高。同一设备的不同部分不仅相互关联、紧密耦合，而且不同设备之间也有着密切的联系，在运行过程中形成一个整体。一个故障可能

2、导致一系列连锁反应，这可能导致整个过程无法正常运行，甚至造成巨大损失。因此，对故障诊断的要求越来越高。另一方面，近年来人工智能技术得到了很大发展，基于知识的故障诊断专家系统成为当前研究和应用的热点。人工智能，又称机器智能，是计算机科学中的一门新的前沿科学技术，它利用计算机来模拟人的智能行为，完成能够显示人的智能的任务。故障诊断专家系统是由许多人类专家在故障诊断中的知识、经验、推理和技能综合而成的大型计算机程序。它可以帮助人们分析和解决只能用语言和思维推理来描述的复杂问题。扩大计算机系统的原有工作范围，使计算机系统具有思维能力，能够与决策者“交谈”，并通过推理提供决策建议。专家系统广泛应用于故障

3、诊断领域。1故障诊断专家系统简介故障诊断专家系统是指在收集被诊断对象的信息后，利用各种规则(专家经验)进行的一系列推理。必要时，它还可以随时调用各种应用程序。在操作期间向用户请求必要的信息后，它可以快速找到最终故障或最可能的故障，然后用户可以确认它。专家系统的故障诊断方法可以用以下结构来说明：它由数据库、知识库、人机界面、推理机等组成。每个部分的功能是：诊断对象结果知识库人机推理资料库人机界面图1:故障诊断专家系统结构图(1)数据库数据库通常由动态数据库和静态数据库组成。静态数据库是相对稳定的参数，如设计参数和设备的固有频率。动态数据库是设备运行过程中检测到的状态参数，如工作速度、介质流量、电

4、压或电流等。(2)知识库中存储的知识可以是系统工作环境、系统知识(反映系统工作机制和系统结构知识)、设备故障特征值、故障诊断算法、推理规则等。它反映了系统的因果关系，用于故障推理。知识库是专家领域知识的集合。(3)人机界面和专家系统之间的桥梁和窗口是人机信息的接口。(4)推理机根据获取的信息综合运用各种规则进行故障诊断并输出诊断结果。它是专家系统的组织和控制机构。2故障诊断专家系统的分类根据知识组织和推理机制的不同，常用的故障诊断专家系统大致可以分为基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于案例的诊断专家系统。2.1基于规则

5、的诊断专家系统在基于规则的诊断专家系统中，领域专家的知识和经验表示为产生式规则，一般形式为：如果前提，那么结论。前提部分表示可以匹配数据的任何模型，结论部分表示满足前提时可以得出的结论。基于规则的推理是根据推理策略从规则库中选择相应的规则，然后匹配规则的前提部分，最后根据匹配结果得出结论。基于规则的诊断知识形式直观统一，在解决小规模问题时效率高，易于理解和实现，取得了一定的成功。20世纪90年代，国外将其应用于军用液压系统和供电网络。然而，对于复杂系统，观察到的症状和相应的诊断之间的关系相当复杂，并且通过总结专家经验很难获得规则。此外，在诊断过程中，只能推理出预先预期且与规则前提相匹配的事件，

6、这导致了知识获取的瓶颈。2.2基于模型的诊断专家系统在基于模型的诊断专家系统中，领域专家的专业知识包含在已建立的系统模型中，这种基于模型的诊断更多地利用了系统结构、功能和行为的知识。与基于规则的诊断专家系统相比，该诊断方法能处理意外情况，并能检测系统中的潜在故障。该系统的知识库相对容易建立，具有一定的灵活性，已应用于航天器动力燃烧系统的故障诊断。然而，基于模型的诊断专家系统仍然依赖于专家的专业知识，这将消耗大量的实时诊断计算资源，限制其应用范围。2.3基于人工神经网络的诊断专家系统神经网络只需要专家提出例子和相应的解决方案，就可以通过特定的学习算法来学习样本和获取知识。在基于人工神经网络的诊断

7、专家系统中，知识表示不再是独立的规则，而是权重和阈值分布在整个网络中。专家的知识和经验是通过训练领域专家解决实际问题的例子(样本)获得的。在相同的输入条件下，神经网络可以获得与专家给出的方案相同的输出。基于人工神经网络的专家系统在知识表示、知识获取、并行推理、自适应学习、理想推理和容错等方面具有明显的优势。同时，在实际应用中被诊断的对象大多是复杂的非线性系统，它们的精确模型无法得到，甚至无法建模。由于神经网络的构造和训练不需要知道待诊断对象的精确模型，因此神经网络对于非线性待诊断对象也具有明显的优势。目前，基于人工神经网络的诊断专家系统已成为研究热点，并已应用于在线故障诊断、发动机自动管理系统

8、、舰船电力系统故障诊断等领域。然而，神经网络专家系统也有其固有的弱点。首先，系统的性能受到所选训练样本集的限制，并且训练样本集选择不当，特别是在训练样本集很少的情况下，很难获得更好的推理能力；其次，神经网络没有能力解释它们自己的推理过程和推理基础以及它们存储的知识的意义；第三，神经网络使用知识并以单一方式表达知识，而通常的神经网络只能使用数字知识；最后，最根本的一点是，神经网络只能模拟人类情感层面的智能活动，在模拟人类复杂思维方面，如基于目标的管理、综合判断和因果分析等，远远落后于传统的专家系统。因此，人们试图研究将符号推理和数值推理相结合的集成智能诊断系统，以便更好地模拟人类的思维过程。2.

9、4基于模糊推理的诊断专家系统在基于模糊推理的诊断专家系统中，其知识表示采用模糊产生式规则。模糊产生式规则是对传统产生式规则“如果条件那么行动(或结论)”的模糊化，包括条件模糊化、行动或结论模糊化等。引入模糊性的概念是为了更好地模拟人类的思维和决策过程，使计算机的结果不再是简单的黑或白。在模糊推理中，建立模糊隶属度是一项重要的工作，在确定隶属度时存在着矛盾序列法、专家评价法、模糊统计法、概念展开法等。利用专家评价方法，由专家根据经验直接给出宇宙中各函数的隶属度，并形成隶属度表，使得给出的隶属度更加准确。进行模糊推理时，计算机首先从用户界面接收证据及其对应的模糊词，如“非常”、“相当”、“轻微”等

10、。然后通过模糊属性表找出条件模糊词的隶属度，通过推理得出结论。基于模糊推理的诊断专家系统已在军事电力系统、集成电路、动态控制等领域得到应用。基于模糊推理的诊断存在的主要问题是难以获取模糊诊断知识，尤其是故障与症状之间的模糊关系难以确定，系统的诊断能力依赖于模糊知识库，因此其学习能力差，容易漏诊或误诊。由于模糊语言变量由隶属函数表示，很难实现语言变量和隶属函数之间的转换。2.5基于案例的诊断专家系统案例推理(CBR)是一种推理模式，它利用解决相似问题的经验知识以案例的形式表达出来进行推理，从而获得当前问题的解决结果。有效案例代表：个案例的原因或背景，包括三个部分；案件的特点和过程；案例的解决方案

11、和结果。基于案例推理的关键步骤包括案例检索、案例重用、案例修改/修正和案例保留等。基于案例的推理避免了使用基于规则的推理方法获取知识时的瓶颈问题，利用相关案例扩大了解决问题的范围，简化了解决过程，提高了解决方案的质量。它已被应用于军事制造控制诊断、海军液压机等领域。基于案例推理的缺点是在处理小规模问题时效率低下。3故障诊断专家系统的发展方向(1)基于多模型组合的诊断专家系统。这里所说的模型是指专家系统的知识表示模型和推理模型。现有模型有其自身的优势和特点，也有其自身的局限性，每个模型都有其适用的领域。随着工业自动化的发展，对故障诊断的要求越来越高，待诊断对象将变得更加复杂，这必然导致对象故障诊

12、断知识的复杂性。因此，集成多种知识表示方法是提高故障诊断知识表示准确性的有效途径。故障诊断的知识表示与推理方法密切相关，这就要求综合各种诊断方法，克服各种诊断方法的局限性，从而提高诊断专家系统的智能性和诊断效率。(2)分布式诊断专家系统。现有的诊断专家系统大多面向单机或单服务器，扩展性、灵活性和通用性较差，且诊断系统相互独立。即使是不同开发单位针对同一类问题开发的诊断系统也不能有效地交换和共享信息，造成了巨大的资源浪费。如今，许多大规模系统或设备由不同的远程分布的子系统组成。因此，诊断系统中的系统级诊断和子诊断也需要诊断信息的传输和交换。同时，由于故障源的不确定性和时效性，对远程诊断和远程诊断的需求日益增加。随着网络的普及，通过局域网和互联网传输诊断信息成为趋势，网络架构下的分布式多故障诊断成为新的研究热点。因此，远程分布式跨平台集成智能诊断系统的建立，可以实现不同专家系统对同一系统和设备的协同诊断，以及多个设备对同一诊断系统的共享，提高了诊断的成功率和效率，也有利于诊断案例的积累，从而弥