基于案例推理的车辆故障诊断系统.docVIP

基于案例推理的车辆故障诊断系统 　　摘要:基于案例推理(CBR)应用时关键的问题是案例的组织及案例之间的相似度比较。故障诊断是我们生产生活中常遇到的问题,通常解决方法是通过我们的经验分析产生结果的种种可能原因,从中得到产生故障的可能性,进而解决问题。该文采用基于案例推理的方法来解决故障诊断问题,并使用TROLLCREEK(Tore Brede, Frode Sormo,2004)系统来解决实际的汽车故障定位问题。 　　关键词:基于案例推理;故障诊断 　　中图分类号:TP311文献标识码:A文章编号:1009-3044(2010)13-3495-02 　　The Fault Diagnosis System with Case-based Reasoning 　　XU Jin-guo, CHENG Guo-jian 　　(School of Computer Science, Xian Shiyou University, Xian 710061, China) 　　Abstract: The essential questions of the applications of case-based reasoning (CBR) are the case organization and the similarity comparison between the cases. The fault diagnosis is often encountered in our production and daily life, the usual solution is analyzes all of possible reasons through ours experience, get the possible reasons of the failure, thus solving the problem. This paper introduced the using of fault diagnosis problem based on the case-based reasoning, and uses the TROLLCREEK system to solve the actual problems of the car start problem. 　　Key words: case-based reasoning; fault diagnosis 　　故障是指产生障碍或事故而停止运作。这是工作、生活中常见的问题,如电器故障、汽车故障、电脑故障等等,处理这类问题时我们主要是通过实际经验来定位故障发生的位置、可能的情况,进而一步步的进行排除,最终发现问题所在,排除故障。 　　本文提出一种基于案例推理的故障诊断方法。首先建立一个所要诊断系统的模型,为系统中各个要素之间建立关系,进而生成一个因果关系网,使得系统可以进行因果关系推理,然后输入若干已经解决的案例,生成较全面的案例库,出现新案例的时候系统可以通过对比的方法在案例库中找到最相似的几个案例,从而给出解决的方法。 　　使用的程序是TROLLCREEK系统。首先对系统进行建模,建立各个要素之间的关系,建立案例库,然后输入故障案例,依据其与已有案例的相似性给出建议解,从而实现自动故障诊断。主要讨论在故障诊断过程中,如何使用基于案例推理(CBR)的方法进行分析、构造模型、解决问题。 　　1 基于案例推理 　　现实世界有些问题往往较为复杂,致使我们不能使用数学模拟的方法来解决。一些简单的限制条件在我们建模的时候也许变得很难实现。此时我们的另一个方案就是使用基于案例推理的方法。它是通过搜寻过去解决相似问题的经验而得到解决新问题的方法和线索。通过这种方法可以帮助我们解决许多问题。 　　基于案例推理是人工智能中发展比较成熟的一个分支,它是在特定的领域里提取推理的关键特征,存储过去已解决的案例,对新的案例和已解决的案例进行相似度比较得到结果的推理方法。一个典型的CBR系统如图1所示。 　　一个基于案例推理系统的关键部分为因果关系模型的建立、相似度算法的实现、案例库的存储和检索。 　　因果关系模型是在专业领域知识的基础上建立的,将专业领域中所涉及到的知识存储到模型中,对知识进行分类并且互相联系起来形成一个分析链,进而可以进行推理和匹配。首先需要提取重要的知识特征,即所有可能产生故障的因素,也是出现故障时需要用户提供的参数,然后依据专业领域的知识定义因果关系并且为每一个因果关系定义强度(位于0和1之间),最终形成一个可以推理的因果关系模型。 　　比较新案例和已有案例之间的相似度,从中选出最相似的案例,进而得到解决方法。相似度算法的描述如下: