因果图推理及应用的分析.pdf

中文摘要 摘 要 人工智能的研究已经达到实践应用阶段，这些应用几乎覆盖了每一个领域。在 实际应用中，产生了大量早期人工智能理论不能解决的复杂性，其中之一就是推 理中的知识和信息的不确定性。不确定性是智能问题的本质特征，无论是人类智 能还是人工智能，都离不开对不确定性的处理。可以说，智能主要反映在求解不 确定性问题的能力上。因此，不确定推理模型是人工智能与专家系统的一个核心 研究课题。 不确定知识表达的方法可分为两大类：一类是基于概率的方法，包括信度网 (Belief Network)、动态因果图(DynamicCausality 包括MYCIN的可信度因子(CertaintyFactor)、模糊逻辑(Fuzzy 成果，但在运用过程中人们越来越意识到这类方法的不足。在概率方法中，信度 网由于其理论的健壮性和一致性、有效的局部计算机制和直观的图形化知识表达 方式而日益受到重视。由信度网发展起来的动态因果图理论，借鉴了信度网图形 知识表达的优点，但创新并扩展了表达方式，取消了对系统逻辑结构的限制，引 入了逻辑运算，从而在很大程度上克服了信度网的不足，具有更大的优势。 论文详细地介绍了人工智能中不确定性知识表达及其推理的有关内容，并简要 介绍了信度网知识表达方式：在介绍因果图知识表达模型、总结单值因果图的常 规推理算法后，针对单值因果图常规推理算法中存在逻辑运算量大、计算复杂的 困难，根据早期不交化的思想，提出了一种单值因果图推理的新方法。对于多值 因果图，本文也提出了一种基于因果影响可能性分配的推理算法。 人工智能的研究更多地是结合具体应用领域来进行的，对动态因果图理论的研 究也不外于此。将因果图理论用于实际的工程应用中，用于工业系统的故障诊断 一直是我们研究的目标。论文后半部分讨论了将因果图用于故障诊断的关键问题， 并以船舶舵桨装置控制系统为实例，建立了其电气—液压回路的故障诊断因果图， 在自行开发的因果图智能故障诊断平台上，进行离线式故障诊断，对比原来系统 采用的故障树、专家系统、神经网络方法效果有了很大改善，诊断结果符合实际 情况，诊断迅速，效果较好。 关键词：人工智能，不确定性推理，因果图，知识表达，故障诊断 英文摘要 Abstract ResearchofArtificial cometo Intelligence(AI)haspracticalapplication have coveredallthe have these almost domains．These raised applications applications amountof whichhavenotbeen solvedthe AI of complexity fairly by earlytheory．One themistheuncertaintiesinthe andavmlableinformationonwhichthe knowledge is istheessencecharacterofthe based．Uncertainty reasoning intelligent whetherthehuman ortheartificial cannotavoid with intelligence intelligence coping the