第六章机组故障诊断专家系统.docx
《第六章机组故障诊断专家系统.docx》由会员分享，可在线阅读，更多相关《第六章机组故障诊断专家系统.docx（53页珍藏版）》请在冰豆网上搜索。
第六章机组故障诊断专家系统
第六章故障诊断专家系统
6.1专家系统概述
专家系统（Expertsystem简称ES）是人工智能的一个分支领域，在自然科学、社会科学、工程技术的各个领域得到了广泛的应用，是人工智能领域中最具有吸引力、最成功的研究领域。
专家系统的发展可以分为孕育（1965年以前）、产生（1965—1971）、成熟（1972—1977）和发展（1978—）四个阶段[25]。
在70年代ES系统的成熟期，ES的概念与观点逐渐大众化，先后出现了一批较成熟的ES系统，主要是在医学领域，代表性的有MYCIN、CASNET、PROSPECTOR等ES系统。
这一时期的ES系统与第一代系统相比具有：
多数使用自然语言对话，多数系统具有解释功能，采用了似然推理技术。
进入80年代后，专家系统的应用范围更加广泛，已扩展到军事、空间技术、建筑设计和设备诊断等方面。
在设备的故障诊断领域中，近几年我国也开发了一些专家系统，主要是针对汽轮发电机组开发的故障诊断专家系统。
水电机组的结构与运行原理同汽轮发电机组相似，但却有不同之处，因此水电机组故障诊断的研究即具有一定的理论基础，又具有很大的必要性。
专家系统发展到现在，已经得到许多领域专家的认可，但是对于专家系统的定义到目前为止还没有一个统一的说法。
一种意见认为：
专家系统是利用具有相当量的公认、权威的知识来解决特定领域中的实际问题的计算机程序系统，可以根据人为提供的数据、事实和信息，结合系统中存储的专家经验或知识，运用一定的推理机制进行推理判断，最后给出一定的结论和用户解释以供用户决策之用。
持有另一种意见的人则认为：
专家系统是一个具有知识库和具体计算机的系统，其知识库中的知识来源于某领域专家的技能和经验；可以对某一任务提出建议或给出合理的决策；能判断自己的推理路线并以简明的形式显示出来；常采用基于规则的程序设计。
第三种意见认为：
专家系统是一个使用知识和推理的智能计算机程序，它的目的是解决人类专家很难解决的一些问题；专家系统中的知识由事实和启发式信息构成，其事实构成了共享且为专家认可的知识信息体；专家系统的启发式信息则是一些独特的推理规则，如似然推理规则、优化猜测规则等。
上述对专家系统的理解都有两个概念—“专家系统是一个智能计算机程序，它利用知识和推理过程来解决那些需要大量的人类专家知识才能解决的复杂问题。
所用的知识和推理过程可认为是最好的领域专家的专门知识的模型”。
一般而言，专家系统具有如下特点：
a）象人类专家一样可以解决一些困难问题；
b）以知识为基础；
c）用适当的方式进行人机交流，包括使用自然语言；
d）具有专家水平的专门知识。
专家系统所具有的知识面可以很窄，但针对某个特定领域，必须要有专家的水平；
e）具有符号处理的能力。
专家系统能采用符号准确地来表示领域有关的信息和知识，并对其进行各种处理和推理功能，这里用符号表示的知识和信息超越了数据的范畴；
f）具有一般问题的求解能力。
专家系统具有一种公共的智能行为，能做一般的逻辑推理、目标搜索和常识处理等工作；
g）具有一定的复杂度与难度。
专家系统所处理的知识都是专门的领域知识。
若领域问题不具有一定的复杂度与难度，就根本不需要专家来解决；
h）具有解释功能。
专家系统在解题的过程中，应能解释获得结果的原因。
这就是专家系统的透明性；
i）具有获取知识的能力。
与人类专家一样能通过学习不断丰富自己的知识和扩充知识库，高级专家系统也应有进一步不断获取知识的能力；
j）具有自学的能力，能从系统运行的经验中不断总结新知识和更新老知识。
目前，该能力还是停留在初级阶段，还没有找到更好地解决学习问题的方法；
k）具有较好的可扩充性与可维护性，因为专家系统一般都把程序的控制和推理机构与知识分离，相对地互相独立；
专家系统是一种智能的计算机程序，而这种智能计算机程序不同于传统的计算机程序。
专家系统可以表示为：
知识+推理=专家系统
而传统计算机程序为：
数据+算法=程序
专家系统与传统计算机程序的区别：
a）总体上说，专家系统是一种属于人工智能范畴的计算机应用程序，人工智能的各种问题的求解策略和方法都适用于专家系统。
专家系统使用的求解方法不同于传统应用程序的算法。
专家系统求解的问题是不良结构或不确定性的问题，而传统的程序求解的是确定的定规类问题。
b）从功能看，专家系统模拟的是人类专家在问题领域上的推理，而不是模拟问题本身。
传统的程序是通过建立数学模型去模拟问题领域。
c）从组成结构上，专家系统解决问题有三要素：
描述问题状态的综合数据库或全局数据库，存放启发式经验知识的知识库，以及对知识库中的知识进行推理的推理机。
知识库的知识与领域专家密不可分，需要经常地补充和修正，它同推理机相互独立，增加了系统的灵活性。
传统的计算机程序只有数据级和程序级两级结构，将描述算法的过程性计算信息和控制性判断信息一起编码在程序中，缺乏专家系统的灵活性。
总之，专家系统是使用某个领域专家的领域知识来求解问题，而不是使用某些从计算机科学和数学中推导出的与领域相关性不大的方法来求解问题。
专家系统是求解某一领域的智能计算级程序，因此专家系统应具备以下几个功能：
a）存储问题求解所需的知识。
b）存储具体问题求解的初始数据和推理过程中涉及到的各种信息，如中间结果、目标、子目标以及假设等等。
c）根据当前输入的数据，利用已有知识，按照一定的推理策略，去解决当前实际问题，并可以控制和协调整个系统。
d）能够对推理过程、结论或系统自身行为做出必要的解释，如解题步骤、处理策略、选择处理方法的理由、系统求解某种问题的能力、系统如何组织相管理其自身知识等．这样既便于用户的理解和接受，同时也便于系统的维护。
e）提供知识获取、机器学习以及知识库的修改、扩充和完善等维护手段。
只有这样才能更有效地提高系统的问题求解能力及准确性。
f）提供一种用户接口，既便于用户使用，又便于分析和理解用户的各种要求和请求。
一个完整的专家系统必须具有以上的功能，因此可以决定一般的专家系统的结构。
专家系统结构由三种结构：
基本型、一般型和理想型。
图6-1专家系统的基本结构
图6-1给出了基本型的结构，它包括两个主要部分：
知识库和推理机。
这种结构比较简单，知识工程师与领域专家直接交互，收集与整理领域专家的知识，将其转化为系统的内部表示形式并存放到知识库中；推理机根据用户的问题、求解要求和所提供的初始数据，运用知识库中的知识对问题进行求解，并将产生的结果输出给用户。
图6-2给出了专家系统结构的一般型。
以MYCIN为代表的基于规则的专家系统（Rule-basedExpertsystem）采用了这种结构，是由所谓的产生式系统发展起来的，在目前专家系统建造中比较流行．这种结构包括六个部分：
知识库、推理机、综合数据库、人机接口、解释机以及知识获取程序。
其中知识库、推理机和综合数据库是目前大多数专家系统的主要内容。
图6-2专家系统一般型
（1）知识库（KnowledgeBase,缩写KB）。
用以存放领域专家提供的专门知识。
这些专门知识包含与领域相关的书本知识、常识性知识以及专家凭经验得到的试探性知识．专家系统的问题求解是运用专家提供的专门知识来模拟专家的思维方式进行的，这样知识库中拥有知识的数量和质量就成为一个专家系统中系统性能和问题求解能力的关键因素．因此，知识库的建立是建造专家系统的中心任务。
（2）综合数据库。
用于存放关于问题求解的初始数据、求解状态、中间结果、假设、目标以及最终求解结果。
（3）推理机（InferenceEngine）。
在一定的控制策略下针对综合数据库中的当前信息，识别和选取知识库中对当前问题求解有用的知识进行推理。
在专家系统中，由于知识库中知识往往是不完全的和不精确的，因而其推理过程一般采用不精确推理．
（4）知识获取程序。
在专家系统的知识库建造中用以部分代替知识工程师进行专门知识的自动获取，实现专家系统的自学习，不断完善知识库。
（5）解释程序。
根据用户的提问，对系统提出的结论、求解过程以及系统当前的求解状态提供说明，便于用户理解系统的问题求解，增加用户对求解结果的信任程度。
在知识库的完善过程中便于专家或知识工程师发现和定位知识库中的错误，便于领域的专业人员或初学者能够从问题的求解过程中得到直观学习。
（6）人机接口（Man-MachineInterface）。
将专家或用户的输入信息翻译为系统可接受的内部形式，把系统向专家或用户输出的信息转换成人类易于理解的外部形式。
上述的两种专家系统的结构只是各应用领域类专家系统的基本和核心。
对于水电机组的故障诊断专家系统而言，其组成除了上述六个部分外，还应该包括在线监测子系统、机组实际参数库、征兆事实库、信号分析程序、征兆获取程序、故障处理程序和监测数据库。
图6-3水电机组故障诊断专家系统
图6-3是水电机组专家系统示意图，图中各部分功能为：
（1）机组参数库：
用于存放机组有关的结构和功能参数（如水电机组的设计参数）以及机组过去运行情况的背景信息。
（2）诊断知识库：
诊断知识库是机组故障诊断专家系统的核心，也是影响机组故障诊断专家系统性能的瓶颈。
其用于存放水电机组领域专家的各种与机组故障诊断有关的知识，包括机组征兆、控制知识、经验知识、对策知识和翻译程序。
这些知识是由知识工程师和水电专家合作获取到的，并通过知识获取模块按一定的知识表示存入到诊断知识库中。
（3）征兆获取模块：
采用一定的征兆获取方法，对监测数据库中的数据进行分析，获取征兆。
常用的方法为时域提取和频域提取。
但亦可研究利用小波分析来提取故障征兆。
（4）知识获取模块：
知识获取模块负责对诊断知识库进行维护和更新，包括知识的输入、修改、删除和查询等管理功能及知识的一致性、冗余性和完整性等维护功能。
同时，将机组发生的且以前没有遇到过的新情况补充到知识库中。
（5）推理机：
推理机是一组程序，用于控制系统的运行。
利用诊断知识库的知识，并提取征兆事实库的事实按照一定的问题求解策略，进行推理诊断，最后给出诊断结果。
诊断推理模块是诊断系统的关键，它的推理模式和推理依据对诊断的准确性起决定作用。
它可分为：
自动诊断和人工干预诊断。
自动诊断不需要人工干预，所有过程均由系统自动完成，并最后给出诊断结果和诊断解释。
人工干预诊断需要用户提问，获得更多的征兆信息，以便更精确地进行诊断，
（6）解释模块：
负责对用户提出的问题进行解释，并给出诊断依据。
其是用户了解诊断结果并对诊断结果可靠性进行判断的依据。
（7）故障决策模块：
根据诊断结果给出系统应采取的措施。
（8）人机接口模块：
用于用户、专家和知识工程师与机组诊断系统进行交互。
将用户输入的信息转换成系统能辨认的信息，同时将系统信息转换成用户易于理解的外部表示形式（图形、图表、表格、自然语言等）。
专家系统可以按照多种不同的方法进行分类。
按照推理控制策略分类，可分为正向推理专家系统、反向推理专家系统、元控制专家系统等。
按照专家系统的应用领域来分类，可分为医疗专家系统、勘探专家系统、石油专家系统、数学专家系统、物理专家系统、化学专家系统、气象专家系统、生物专家系统、工业专家系统、法律专家系统、教育专家系统等。
每个大类系统又可以分为若干个小类，工业专家系统按照对象不同可以分为汽轮机专家系统、压缩机专家系统、水轮发电机专家系统、FMS专家系统等。
按照知识表示技术分类，可分为基于逻辑的专家系统（Logic-basedExpertsystem）、基于规则的专家系统（Rule-basedExpertsystem）、基于语义网的专家系统、基于框架的专家系统（Frame-basedExpertsystem）等。
其中比较有代表性的是MYCIN基于规则的专家系统。
按照专家系统所解决的问题性质分为：
a）解释型。
通过对采集到的数据进行分析，解释深一层的结构或内部可能情况等的系统。
这个范畴包括语言理解、图像处理、信息解释和智能分析。
语言理解系统HERASAY系统就属于这类系统。
这类系统的特点是输入数据包含许多干扰因素。
b）诊断型。
根据输入信号找出处理对象存在的故障，并给出排除故障方案的系统。
此类系统主要应用于医学、电子、机械和软件等的诊断。
例如，治疗细菌感染的系统MYCIN，计算机硬件故障诊断系统DART，旋转机械故障诊断专家系统DIVA。
这类系统的特点是故障与现象之间一般没有一一对应关系。
c）预测型。
根据处理对象过去和现在的情况推断未来的可能结果的系统。
这个范畴包括天气预报、人口预演、交通预报、农业产量估计和军事预测等。
这类任务的特点是事件和数据随时间变化。
d）设计型。
根据设计要求制定方案或图样的系统。
这类问题包括线路设计、建筑物设计、财政方案设计等。
这类系统的特点是设计要求与设计构件不匹配，并且多项设计要求之间存在重叠或隐含联系。
e）规划型。
根据给定目标拟订行动计划的系统。
这类问题包括自动程序设计、机器人、线路、通讯、实验和军事计划等。
这类任务的特点是目标的描述通常是含糊的，目标与可行操作之间并不一定完全匹配，并且各种操作之间可能相互制约或抵消。
f）监测型。
将监测对象的行为同期望行为进行比较，实施监测系统的工作。
这类问题包括核电站、机场调度、病人监护等。
例如，核反应堆事故诊断与处理系统REACTOR.。
这类系统特点是实时性强，要求及时收集处理对象以各种方式发出的有意义的信号，快速鉴别信号异常原因，并及时准确地确定是否需要报警。
g）教学型。
是诊断型和调试型的结合，主要用于教学和培训任务。
这类专家系统不但能对领域知识进行传授，而且能对学生提问，指出学生回答中的错误，并进行解释、分析错误的原因以及指导纠正错误等等。
h）调试型。
根据计划、设计和预报的能力，对诊断出的问题产生修正或建议，即给出已确认故障的解决方案。
i）维修型。
根据纠错方法的特点，制定并执行已诊断出问题的修正计划。
这类问题包括自动化、航天控制系统等。
这类系统必须根据对象的特点，从多种纠错方案中选择最佳方案．
j）控制型。
完成实时控制任务，它们大多是监测型与维修型的结合体。
按照所采用的推理技术分类，可分为确定理论推理技术专家系统、主观Bayes推理技术专家系统、可能性理论据理技术专家系统、D/S证据理论推理技术专家系统等。
按照专家系统的结构分类，可分为单专家系统和群专家系统（亦称协同式多专家系统）。
而群专家系统按其组织方式又可分为主从式、层次式、同僚式、广播式以及招标式等。
对于确定的专家系统，可能属于一类专家系统，也可能属于两种或两种以上。
它们之间是互相交叉，兼有多种类型的功能。
上述专家系统的分类只是为了更好地理解专家系统。
水电机组专家系统的示意图如图6-3，在求解问题的分类上，它具有解释型、预测型、监测型、诊断型、调试型以及维修型的全部或部分功能。
水电机组故障诊断系统所采用的方法有模糊逻辑法、故障树分析法、专家系统、神经网络等。
其中专家系统的研究是应用热点，而且专家系统与其它诊断方法相比具有很大的优点。
a）适应性强。
专家知识在任何计算机硬件上都是可利用的，专家系统是专家知识的集成体。
b）持久性。
专家知识是持久的，不像领域专家那样会退休，或者死亡，专家系统的知识会无限地持续，而且可以不断地更新学习。
c）低成本。
提供给用户的专家知识成本非常低。
d）具有很大的经济效益和社会效益。
e）低危险性。
专家系统可用于噪声大的环境。
f）响应快。
迅速或实时的响应对某些应用来讲是必要的．依靠所使用的软件或硬件，专家系统可以比专家反应得更迅速和更有效．某些突发的情况需要响应得比专家更迅速，因此实时的专家系统是一个好的选择。
g）高可靠性。
专家系统可增强运行人员正确决策的信心。
这是由专家系统提供一个辅助解释、决策观点得到的。
此外，专家系统还可协调多个专家的不同意见。
不过，当专家系统是由某一个专家独自编程设计的，那这个方法有可能失效。
如果专家没有犯错误的话，专家系统应该始终与专家意见一致。
h）专家知识复合。
复合专家知识可以做到在一天之内的任何时候同时和持续地解决某一问题。
由几个水电领域专家复合起来的知识，其专家水平可能会超过一个单独的专家。
i）具有解释、说明功能。
专家系统能明确、详细地解释导出结论的推理过程，但是对于专家或其它人员有可能会对详细步骤说明感到厌烦、不情愿甚至可能没有能力去这样做。
明确、详细的解释有利于用户做出正确的决策。
j）响应过程稳定、完整。
在实时和突发情况下，领域专家可能由于压力或疲劳而不能高效地解决问题，甚至可能会导致错误的决策。
专家系统是一个智能的计算机程序，它的响应稳定。
k）智能知识库。
专家系统能以智能的方式来存取一个知识库或数据库，同一领域内不同专家开发的知识库可以互相融合。
l）知识系统化。
开发专家系统的过程中，专家知识必须以精确的形式输入到计算机中，所以领域知识要被明确地了解而不是被隐含于专家的脑海中。
这样，对领域知识正确性、一致性和完整性的检查，把知识进行了系统化。
由于专家系统的优越性，对它的研究开展得也比较多。
在水电机组故障诊断领域中，对专家系统的研究开展得比较晚，而且开发出来的专家诊断系统是非自主性，需要人为的参与和干涉。
同其它领域的专家系统一样，水电机组故障诊断专家系统研究的主要有五个方向。
（1）故障机理的研究
故障机理的研究就是研究故障发生的原因、故障传播的途径、故障发生的特征等。
（2）知识获取
知识获取就是研究如何将专家头脑中的领域知识转移和转换到计算机中，这一步骤是诊断专家系统的瓶颈。
知识获取是专家系统中最重要的研究课题。
（3）知识表示
知识表示是用计算机能够接受并处理的符号和方式来表示领域专家的知识，它是交叉于人工智能与认知科学之间的一项重要研究课题。
它不仅涉及到信息以何种方式存放于人类大脑，而且研究大量知识在符号计算中以如何形式进行描述。
（4）不确定性推理
不精确、不完全、概念模糊等统称不确定。
不确定推理是指依据不确定的证据和事实，利用不确定的知识、通过不确定的推理过程，推得不确定但近似合理的结论。
不确定推理的主要研究内容是在基本的推理方法基础上，研究不确定测度的表示方法与理论，以及不确定测度在推理过程中的传播与控制。
（5）推理控制策略
控制策略指推理按什么次序来进行，其涉及到问题求解领域的规划与控制，涉及在解的过程中如何和何时选用知识库中的知识。
上述五个是主要的研究课题，但是对于故障诊断专家系统而言，还有其它领域需要深入的研究，如专家系统的解释机制、专家系统的构造、知识库的管理与维护等。
故障诊断专家系统随着其它相应科学技术的发展，也在不断地发展。
由原来的单模式专家系统向集成式专家系统发展，根据专家系统的不同子系统和不同问题特点采用不同的推理模式，甚至采用混合推理模式，不同的推理模式发挥不同的作用，从而达到快速准确地求解问题。
未来的故障诊断专家系统是基于网络的远程诊断系统。
现在的诊断专家系统是面向单机组、单电厂，随着远程技术的完善和web网的普及，专家系统将向网络化发展。
知识库、综合数据库等可以实现资源共享，从而加速了知识库、综合数据库等的建造和维护。
6.2知识表示
水电机组故障诊断专家系统的研究致力于在水电机组的故障诊断领域内建立高性能智能程序，其实质就是把水电机组的故障诊断领域问题求解有关的知识有机地结合到程序设计中，使程序能够像水电专家一样进行推理、学习、解释，实现问题求解。
诊断专家系统的研究和设计重点在于知识处理，包括知识的获取、表示和运用三个核心环节。
知识表示主要研究用什么样的方法将求解问题所需知识存储在计算机中，开发操作这些知识的推理过程，使知识表示和运用知识的推理控制相融合，便于计算机处理。
在故障诊断专家系统中，知识表示模式的选择不仅对知识的有效存储有关，也直接影响着系统的知识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之一，也是专家系统研究的最热门课题。
6.2.1概述
知识是专家系统的核心。
机组故障诊断专家系统的性能取决于系统所拥有知识的质量和数量。
系统的工作过程是一个获得知识并应用知识的过程。
（1）数据
知识处理中的数据比数学中的数据具有更广泛的含义。
我们把数据确切地定义为“客观事物的属性、数量、位置及其相互关系等的抽象表示”。
例如，符号10，12，1010，A等都可表示数据“十”，它既抽象地表示振动幅值10（㎜），也可表示轴承温度升高10度。
（2）信息
我们定义信息为“数据所表示的含义（或称数据的语义）”。
信息是对数据的解释。
是加载在数据之上的。
反过来说，数据是信息的载体。
“10”抽象地表示振动幅值10（㎜），也可表示轴承温度升高10度。
这说明同样一个“数据”在不同的场合可以有不同的解释，或者说负载着不同的信息。
一个信息可用一组叙述词及其值来描述：
（叙述词1：
值1…，叙述词n；值n）
它描述一件事、一个物体或一种现象的有关属性、状态、地点。
例如，“水电机组顶盖振动剧烈”可描述为“物体：
水电机组，部位：
顶盖，状态：
振动，程度：
剧烈”。
（3）知识
所谓知识是人们在改造世界的实践中所获得的认识和经验的总和，它是人类进行一切智能活动的基础。
有了知识，人类才可以处理各种问题。
关于知识的确切定义至今尚未形成，比较有代表的几种定义方式有；
a）F.Hayes-Roth的认为：
知识＝事实十信念十启发式。
知识的定义虽然有不同形式，但都可以由F.Hayes-Roth提出的三维空间来描述，如图6-4所示，知识的范围，从具体到一般；知识的目的，从说明到指定；知识的有效性，从精确到不精确。
知识按照层次可分为：
元知识、领域知识、信息、数据。
数据是最底层的知识形式，信息是数据所表示的含义。
领域知识是指故障诊断专家系统在进行故障识别时所用的知识，主要是专家的启发性经验知识，表示诊断对象的故障和故障识别之间的对应关系。
图6-4知识表示
图6-5知识层次
下例就是领域知识：
if300～500Hzthen水轮机气蚀
if（0.25～0.50）转频then机组涡带振动
if2倍电流频率then发电机定子合缝松动
最高层是元知识（Metaknowledge）。
元知识是关于如何有效地选择和使用领域知识的知识，它是关于知识的知识。
一个水电机组故障诊断专家系统可以设计为具有几个不同型号机组的知识，元知识可以决定具体对待对象时应用那个知识库。
比如：
设计有混流式、轴流式、贯流式水轮机时，诊断混流式水轮机时，就要选择混流式知识库。
通常把元知识分为两类。
一类是关于我们知道知识的知识，这类知识刻划了领域知识的内容和结构的一般特征．如知识产生的背景、范围、可信程度等等；另一类是关于如何运用知识的知识，如在问题求解当中所采用的推理方法，为解决一个特殊任务而必须完成的活动的计划、组织和选择方面的知识．近年来，元知识的开发与运用逐渐引起了人们的重视。
其是提高专家系统性能的一种有效途径，并成为新一代专家系统的一个重要标志。
知识可分为先验知识和后验知识。
先验知识（Priori）来自于拉丁文，意思为“超前的”。
这种知识不依赖于感觉器官而获得的知识。
例如，水轮机将水能转换为机械能是遵循能量守恒定律的。
与先验知识相反的是由感觉器官所获得的知识，即后验知识。
后验知识的正确与错误可以用感觉经验来证明。
知识可以进一步划分为过程性知识（Proceduralknowledge）、说明性知识（Declarative
knowledge）和默认性知识（Tacitknowledge）。
过程性知识常常是指知道如何做某事，例如知道如何调整水轮机导叶开度来保证一定的出力。
说明性知识是指知道某事是对的还是错的，它常用说明语句的形式来表达知识，例如“机架振动过大时，可调整出力”。
默认性知识由于不能用语言来表达，常被称作无意识的知识（Unconsciousknowledge）。
知识按其含义大致可分为：
事实、规则、规律、推理方
升级会员 