浅析模拟电路故障诊断中神经网络与专家系统应用.docVIP

浅析模拟电路故障诊断中神经网络与专家系统应用 　　[摘要]介绍专家系统应用于模拟电路故障诊断的原理，并指出该方法在故障诊断中的应用现状和存在的问题：提出神经网络和专家系统的结合方式，利用专家系统和BP神经网络的优点，克服它们的一些缺点。 　　[关键词]模拟电路　故障诊断　专家系统　神经网络 　　中图分类号：TN7　文献标识码：A　文章编号：1671-7597(2009)0610026-02 　　 　　一、专家系统的思想与模拟电路的故障诊断 　　 　　在模拟电路故障诊断领域中，由于人们在电子电路的维修方面已经积累了相当丰富的实际经验，又由于电路设计和仿真软件的发展，以及各种高精度、高集成度的测量仪器仪表的普及，使得工程师们能够进一步的了解被测对象，尽可能多的获取有关被测对象的知识，建立相应的数据库。知识库中知识的数量和质量直接关系到专家系统解决问题的能力。 　　此外，在电子电路的维修过程中采集的数据都有一定的模糊性，如果就以纯数学模型的判据思想作为推理规则，总会发现故障现象和实际故障根本不是一一对应的，导致故障位置的模糊性，这就是为什么同样会操作仪器仪表的两个维修工人的维修水平会有不同的原因，也就是说维修过程不是简单的测量几个数据的过程，它需要结合丰富的维修经验，所以我们非常有必要将少数几个人的经验固化到精力充沛的计算机中去，所以专家系统的思想解决模拟电路的故障诊断问题不仅是可能的，而且是非常重要的。 　　 　　二、专家系统用于故障诊断的不足 　　 　　虽然传统的诊断专家系统在很多领域(如机械、医疗、计算机、航空等)中得到了广泛的应用且取得了不少成果，并且显示出了相当出色的工作能力，在某些方面达到甚至超过了人类专家的工作水平，然而这种模拟人类抽象思维的符号处理系统在其开发研制过程中也碰到了不少问题，这些问题至少在目前是难以克服的。其主要表现在以下几个主要问题： 　　1、知识获取的“瓶颈”。知识的获取一直是专家系统的瓶颈问题，我们知道，传统专家系统主要是通过两种方法来获取知识：一种是领域知识先由知识工程师从领域专家这儿获得，再由知识工程师输入到知识库中。这种方法造成知识失真的可能性有两方面：一方面，领域专家自己也很难描述自己所拥有的知识，对于具体故障，他们往往只知道如何去解决，却说不出采用这种解决方法的理由，而且，有时他们的知识也有错误成分；另一方面，不同的领域专家的知识可能不一样，甚至互相矛盾，在这种情况下，知识工程师往往显得束手无策，而且对于某些专家的经验知识则难以加入知识库中，因而不但费时，而且效率低。第二种知识获得的方法是由机器学习，但是直到目前为止，机器的学习能力仍然低下，这样专家系统获取知识的能力也就受到限制。 　　2、知识难以维护。现有的传统专家系统知识库中的知识大都是依靠知识工程师人为输入，在知识库里面往往是简单地堆放到一起。这样当这个专家系统的知识库中的知识达到成千上万条时，维护与管理就显得十分困难。 　　3、知识的“窄台阶效应”。目前一般的专家系统只能在比较窄的专业知识领域内以专家级的水平求解专门的问题，对于相近领域的边缘性问题，求解能力较差，对于其他领域，则显得无能为力而不能正确处理，只能得出一些稀奇古怪的结论，即传统专家系统没有联想、记忆、类比等形象思维能力。致命的问题是：系统本身无法判断自己是否工作在专家领域知识范围内。 　　4、推理能力弱。专家系统的本质特征是基于规则的推理思维，然而迄今的逻辑理论依然很不完善，推理速度慢、效率低、容易出现“匹配冲突”“组合爆炸”及“无穷递归”等问题。 　　5、智能水平低。专家系统的知识存储是一一对应的，且限定于最低速度，没有冗余性，因而也就失去了灵活性。现有的专家系统一般还不具备自学习能力和联想记忆的功能，不能在运行过程中自我完善、发展和创新知识。系统的功能仅取决于设计者的知识和能力，它的本领只是输入知识的总和。一个专家系统往往要包含上万甚至数万条规则，使得维护和管理工作十分困难，这是与知识的表示方法有关的困难。 　　6、知识表示问题。专家系统可以认为是通过对知识的处理来解决问题的，知识表示自然就成为专家系统的一个重要而基本的问题，虽然目前有诸多的表示法，但都存在各自的不足。 　　7、实用性差。由于上面的这些严重缺陷，使得一些专家系统很难进入实用阶段。同时由于推理速度慢，导致一般的传统专家系统难以适应在线工作要求，只能在离线、非实时条件下工作。 　　8、不精确推理不适合解决模糊问题。知识和故障征兆往往有一定的模糊性，采集的数据也有模糊性(如测量误差、元件参数的容差等)，而传统专家系统的不精确推理是基于概率的，与“模糊”是两个不同的概念。 　　 　　三、专家系统与神经网络的区别及互补性 　　 　　(一)OBP网络用于模拟电