机械故障诊断专家系统及其应用.pptVIP

机械故障诊断专家系统及其应用 引言 专家系统始于60年代中期，至今只有三、四十年的发展历史，但其发展迅速。1965年由美国斯坦福大学研制的DEDRAL解释型专家系统被誉为世界上第一个专家系统。70年代中期，一批卓有成效的专家系统开始出现。在这些系统中，专家系统的主要技术，如人机接口、解释功能、自学习能力、不精确推理技术以及元知识等概念，得到了研究和应用。与此同时，为了方便知识获取和缩短专家系统的研制周期，出现了各种知识获取工具和专家系统开发工具。进入80年代以来，专家系统研制中的一个重要发展是专家系统开发工具的出现，它的出现使得专家系统的建立过程更加方便了，设计效率提高了，研制周期缩短了[2] 。 主要章节 一、专家系统的人工智能特点 二、专家系统的结构 三、国外部分专家系统介绍 一、专家系统的人工智能特点 专家系统所能解决的主要问题有[1]： （1）解决那些只有专家才能解决的实际复杂问题。 （2）用模仿人类专家推理过程的计算机模型来解决这些问题，并能达到人类专家解决问题的水平。 当前比较成功的专家系统一般具有以下几个特点[1] ： （1）启发性，即能使用判别性知识进行推理； （2）透明性，能解释自己的推理过程； （3）灵活性，能不断修改和扩充知识。 专家系统之所以得以迅速发展绝非偶然，而是由其自身特点所决定的[1] ： （1）它能记录和传播珍贵的专家经验。 （2）专家系统可以汇集和管理不同来源的、众多的专家知识，对需要解决的问题提出更高明和更全面的解决办法。 （3）专家系统可以将实际专家的经验和知识转化为软件，或固化成硬件储存起来。 （4）在工作中应用专家系统能大幅度地提高工作效率，创造较大的社会价值和经济效益。 二、专家系统的结构 一个专家系统一般包含三个组成部分，知识库、推理机和人机接口，其结构框图如图1所示[2]。 一个实用的设备故障诊断专家系统除了上述三个基本组成部分外，还应根据其特定的要求包括其他一些组成部分。一个完整的设备故障诊断专家系统结构如图2所示。 现将其各个部分的功能归纳如下[3]： （1）知识库 是一个独立的实体，其内部存储的知识通过程序来提取和管理。知识库中应易于存入新的知识而且不和已有的知识相互发生干扰。 （2）推理机 是专家系统的组织控制机构，可根据当前的输入数据（如机器设备运行时的各种征兆），应用知识库中的知识，按一定的策略进行推理，以达到要求的目标。 （3）全局数据库 是用于存储所诊断问题领域内原始特征数据的信息、推理过程中得到的各种中间信息和解决问题后输出结果信息的存储器。 （4）知识获取 是专家系统与领域专家和知识工程师的接口。通过它与领域专家和知识工程师的交互，不仅可以获得知识，还可以使知识得到修改、提炼。 （5）解释子系统 能够对推理过程作出解释，可以解释推理得到的确定性结论。 （6）人机接口 是专家系统与领域专家或知识工程师以及一般用户之间的界面。用于输入输出的工作。 专家系统的知识获取 专家系统的核心是知识。知识获取就是把用于求解专门领域问题的知识从拥有这些知识的知识源中提取出来，并转化为特定的计算机语言表示。通常，知识源的知识并不以一种现成的表示形式存在。因此，作为知识主体的知识工程师不得不通过自己的努力来获取和表示所需的知识。会谈、试验、数据采集和数据分析归纳是构成知识获取的几个主要步骤，如图3所示。 目前，对知识的获取有两种类型：非自动型知识获取（如图4）、自动型知识获取（如图5）[2]。 专家系统的知识表示 知识表示是知识符号化和形式化的过程，目的在于通过知识的有效表示，使专家系统能够利用这些知识进行推理和做出决策。在专家系统中，知识表示直接影响系统知识的获取能力和知识的运用效率，因而知识表示是知识工程中最基本的问题[3]。一个好的知识表示应具有如下特征[4]： （1）可扩充性 （2）明确性 （3）清晰性 （4）可理解性 目前，人工智能研究者们已提出了多种知识表示方法。主要有生产式表示、逻辑表示、语义网络表示、对象—属性—值（AVO）三元组表示、框架表示、过程表示及面向对象的表示等。在诸多知识表示方法中，生产式规则（简称为规则）已成为当前专家系统中最常用的一种知识表示方法，很适合于故障诊断专家系统的知识组织。规则表示的一般形式为： IFP THENR 其中，P为前提条件，由与故障相关的多个征兆组合而成；R是规则的结论，即故障类型。它表示当条件满足时，可执行相应的动作[2]。 专家系统的推理机制 诊断推理是指依据一定的原则从已有的征