fms故障诊断知识库的研究与开发.docVIP

FMS故障诊断知识库的研究与开发 随着FMS的不断发展，FMS故障诊断专家系统的研究越来越成为众多学者研究的热点。众所周知，FMS故障知识的获取、故障模型的建立、合理的知识表达，是故障诊断专家系统满意工作的前提。本文针对FMS故障的特点和诊断要求，对FMS故障诊断专家系统中故障模型的建立、知识表达、知识自动获取及知识库管理系统进行了研究设计，应用模糊数学理论解决了FMS故障诊断知识中的经验等不确定性问题的表达，利用浅层表达为主、深化表达为辅的知识表达方法实现了FMS中各种知识的合理表达，应用机器学习理论首次实现知识的自动获取，应用数据库理论开发知识库管理系统，提出一种适合FMS故障诊断专家系统的通用故障模型建立、知识表达、知识自动获取及知识库管理方法，极好地满足快速诊断推理、知识库自动完善、知识库快速建立和方便管理的需要，使该知识库系统具有极强的生命力。 1 FMS故障建模方法 建立故障模型，故障树分析法(FTA)应用最为广泛，它将故障按树状结构进行分析建模，较好地反映了FMS的故障特点。基于FMS包括若干子系统和故障纵向传播的特性，本文提出按FMS结构分解和功能分解相结合的层次分类模型，建立从故障现象顶事件到故障原因底事件的FMS故障树，如图1所示。 2 FMS故障知识表达 FMS故障诊断知识不仅包含许多经验类的表层知识，而且包含许多实体结构、属性及之间关系等系统原理的深层知识，有确定性知识，也有不确定性知识，因而单一选择某一种表达方式都不能尽善尽美。为此我们选择表层表达和深化表达相结合的方法：以产生式规则和模糊数学相结合的模糊产生式规则为主、以语义网络为辅的FMS故障诊断知识表达方法。对于产生式规则，面对知识库庞大、搜索效率不高的问题，特别按设备、故障类型的不同，分别存放为不同的知识库，达到快速搜索的目的；对于产生式规则解释能力的局限性，特别在知识表达中附加了一项规则的详细解释，给用户以详尽的推理解释；同时，知识表达中含有感观现象帮助用户快速推理、有故障等级告知用户故障的严重程度、有检测手段和图形提示帮助用户快速获得推理的证据、有维修提示帮助用户快速排除故障，达到诊断和维修的一体化。FMS故障诊断知识表达如下：IF A1 t1 formula1 and A 2 t 2 formula2 and … and An tn for- mula。 (A 1 、A 2 …A n 为规则的前提条件，t 1 、t 2 、… t n 为对应前提的置信度，formula1、formu- la2、…formula。为推理时计算前提模糊变量实际置信度公式编号及其有关参数)THENQ：结论CF=u：规则置信度FGRADE：该条规则所述的故障等级，共四级CPARA＝α(1／0)：该规则感观现象存在的标志，推理中依用户输入而变化FSEE：有关该条规则的感观现象CAUSE：该条规则的详细解释ASK：求证规则前提的询问提示CHOICE：选择1，选择2确定规则前提的选择项CHECKPOINB：提供用户确定前提的检测提示GRAPHFILE：相关检测指示图形文件REPAIR：维修提示，包括工具、手段ERROR：该条规则诊断推理时出错的次数与诊断总次数的比对于语义网络表达的规则中的前提、中间事实和结论部分，主要形成有关各自对应的关联概念库和概念关系库。比如：控制柜中伺服变压器过热”这一前提，其关联概念有“控制柜中直流变压器过热，控制柜中交流变压器过热”等，概念间关系为is—a—kind—of，当然关联概念和概念关系库的种类随不同对象变化，且种类繁多。这一表达的目的主要是利用机器学习中的例子学习从维修记录库中发现知识、完善知识库。 3 知识的获取 故障诊断知识的获取是知识库建立的关键，包括人工获取和自动获取两种。人工获取比较普遍，它主要通过查阅专业领域的书籍、论文和专著，通过与领域专家对话，通过分析系统实际运行故障记录和维修记录，通过分析FMS组成、原理和功能对故障现象从理论上分析判断等途径来获取知识。知识的自动获取，即机器学习，大多数专家系统不具备这种方式。知识库中知识的正确、完备与否是故障诊断专家系统能很好工作的前提，机器学习更是这一关键的保证。随着FMS的不断运行，可能出现新的故障，也可能发现原来知识库中知识不正确之处。机器学习就是自动在故障诊断和维修记录库中发现新的知识，完善原来的知识库。关于FMS故障诊断专家系统中的知识自动获取，本系统从三个方面突破，实现知识的补充和更新。(1)利用机器学习中的机械学习获取知识机械学习，就是记忆，把知识存储起来，需要时只需检索，不需要推理和计算。在FMS诊断推理中，发现原来知识库知识不全时，利用机械学习可以从别的知识库中发现证据进行推理。这种学习方法是直接的，不需要系统过多地加工。本系统主要是建立一个可以互相调用的知识关