基于改进实例推理的话务故障诊断专家系统

基于BP神经网络的某型装备故障诊断专家系统公丕平;杨小强;崔中清;潘轶【摘要】为提高现代工程装备在复杂现场环境下的维修保障能力,提出了基于神经网络的专家系统故障诊断方法.进行了该装备各个组成系统的故障模式与故障元件分析,研究了专家系统知识库的建立步骤并完成了故障诊断专家系统的知识库构建,并设计了基于神经网络推理技术的专家系统正向推理机制.研究成果在工程兵部队进行了应用,有效地提高了部队的装备故障维护与保障能力.%In order to improve the maintenance and supporting capability of modem engineering equipment under complicated field circumstance, the fault diagnosis expert system based on neural network is proposed in this work. The construction step of the experts' system database is addressed. Meanwhile, the database of the expert system is built. The forward reasoning mechanism on the basis of neural network is accomplished too. The work is applied in engineering corps and subsequently improves the fault maintenance and support capability of the military troops.【期刊名称】《机械制造与自动化》【年(卷),期】2012(041)005【总页数】3页(P125-126,141)【关键词】专家系统;BP神经网络;推理机;故障诊断【作者】公丕平;杨小强;崔中清;潘轶【作者单位】解放军理工大学,江苏南京210007;解放军理工大学,江苏南京210007;解放军理工大学,江苏南京210007;94968部队,江苏南京211100【正文语种】中文【中图分类】TH165+.3现有的智能诊断系统都基于计算机系统或计算机网络，而某型工程装备实际作业在野外进行，上述条件很难具备，这将导致现有诊断技术不能实际应用到其故障诊断中。

摘要本文介绍了汽车故障诊断专系统的基本结构及其开发的基本方法，论述了汽车故障诊断专家系统软件的开发研究的意义和设计中的难点，针对汽车故障的复杂性特点模拟经验丰富的维修专家的诊断思路及方法，利用Delphi7进行编程，建立友好的人机界面，依据计算机数据结构原理,采用故障树的数据结构和关系数据库原理完成知识表示建立完善的知识库,实现了确定性故障诊断所需的知识库和推理机.从而可使用户通过人机对话的形式方便、快速、准确地找出故障原因,大大地提高汽修行业的效益及汽车的使用寿命。

关键字：汽车故障诊断专家系统The paper introduces Automobile Fault Diagnosis Expert System of basic structure and development of basic methods. Discusses the software of Automobile Fault Diagnosis Expert System ’s research meaning and the difficulty in the design. Aiming at the complexity characteristic of the fault ，simulating the way that experienced diagnosis maintenance of expert thinking, using Delphi7, established friendly human—machine interface. According to the principle structure data of the comput er , adopt the fault tree’s data structure and relation theories of database to accomplish the representation of knowledge，and realized the uncertainty of knowledge base for fault diagnosis and reasoning machine。

基于逻辑推理的转子故障诊断专家系统
宋志航;徐小力
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)001
【摘要】采用人工智能专家系统计算机技术模拟故障诊断领域专家的推理思维方式,对机械设备发生的故障实现迅速准确的诊断,同时缩短故障停机时间具有重大意义.本文应用Visual prolog语言,构造了转子系统故障诊断专家系统,提出了一阶谓词逻辑子句表达知识的方法,建立了专家知识库.系统的推理机采用深度优先的推理策略.应用表明系统有效完成旋转机械常出现的十多种故障的诊断,并运行可靠.【总页数】3页(P99-101)
【作者】宋志航;徐小力
【作者单位】100192,北京信息科技大学北京重点实验室;100192,北京信息科技大学北京重点实验室
【正文语种】中文
【中图分类】TP206
【相关文献】
1.转子故障诊断专家系统的研究 [J], 张宏辉;刘俊杰
2.利用CPLD实现故障诊断专家系统高速逻辑推理 [J], 孙来军;胡晓光
3.回转设备转子故障诊断专家系统的初步研究 [J], 毕云龙
4.基于DNA链置换的逻辑推理问题研究 [J], 吴立波;黄玉芳
5.基于逻辑推理素养培育的教学实践与思考 [J], 郑元壮;孟涛
因版权原因，仅展示原文概要，查看原文内容请购买。

基于故障诊断专家系统的研究
一、引言
随着现代技术的发展，故障诊断专家系统已经成为一种很受欢迎的现代技术，用于故障诊断和相关专家系统的研究也已经成为一个活跃的研究领域。

本文将对故障诊断专家系统的研究做出简要的详细描述，并介绍其应用领域。

二、故障诊断专家系统基础
故障诊断专家系统（FDE）是一种系统，它使用人工智能技术来帮助技术人员和客户诊断和解决设备和系统故障。

它结合了以下技术：规则和技术，模式识别，深度学习，机器学习，建模和模拟，图灵机技术，自然语言处理，技术语言，以及人机交互等技术。

它们的主要作用是模拟相关专家的技能，并根据实时输入信息和历史数据，对复杂的故障情况进行识别、推断、诊断和解决。

三、故障诊断专家系统的应用
(1)电力系统的控制和管理。

发电厂和电网的控制和管理是由故障诊断专家系统来完成的，它们将仿真模型与实时监测系统结合起来，建立电力系统的模型，同时还可以发现电力系统中出现的异常情况，进行定位和诊断，以及提出解决方案。

(2)计算机网络的安全保护和管理。

由于网络受到许多安全隐患的威胁，因此。

专家系统在故障诊断中的应用及展望随着设备规模和复杂性的增加，专家系统成为设备故障诊断的发展方向。

专家系统是基于人工智能方法，利用诊断知识对诊断对象进行智能化诊断的装置，其内容包括诊断知识的处理，故障的智能诊断方法，信号处理和特征提取等。

其中，知识的处理包括知识获取、知识表示和推理控制等，故障诊断方法有基于规则的诊断方法，基于案例的诊断方法，基于模型的诊断方法以及神经网络诊断方法等，信号处理和特征提取的手段有FFT技术，模糊数学，模式识别，概率统计，小波变换和分形几何等。

国内外实践证明，专家系统在设备故障诊断中的应用能够解决现场专家不足的问题，能够减少判断故障的时间和误操作，能够早期发现设备潜在的故障，避免或减少事故的发生，能够促进维修方式从预防性维修到预测性维修的转变，等等。

1 专家系统在故障诊断中的应用现状目前，国内外已开发了一系列用于设备故障诊断的智能系统，获得了较好的实际效果。

其中几个较典型的系统是：1.1 PDS系统目前在电站设备故障诊断系统使用方面，美国西屋电力公司处于领先地位。

1976年，西屋公司着手开发基于计算机的发电机在线诊断系统，并于1980年在电厂得到试用。

1982年西屋公司选择卡内基—梅隆大学研制的过程诊断系统PDS作为开发工具，在1984年夏天投入实际应用。

PDS系统由设在各个电厂的数据中心PDC和位于奥兰多的诊断操作中心DOC组成。

PDC具有数据采集、存储和压缩、状态检测、与DOC通讯等功能，不断地将数据传给DOC。

送到DOC的数据由PDS系统自动进行诊断，诊断结论从DOC返回到PDC。

DOC也将对结论的建议和不采取行动的后果传送到PDC，以便电厂操作人员采取适当的处理措施。

PDS系统分为三个子系统：TurbinAID、GenAID和ChemAID。

三个子系统各有自己的规则库，共享一个数据库。

到1990年为止，系统的诊断规则库大约有一万条规则，其中包括TurbinAID－3000多条，GenAID－近3600条，ChemAID－近3200条，能够诊断转子—轴承系统、发电机和蒸汽／水循环的故障，并能进行热效率计算等。

基于改进实例推理的话务故障诊断专家系统
张亮亮;杨威
【期刊名称】《山西师范大学学报（自然科学版）》
【年(卷),期】2013(027)003
【摘要】传统的K最近邻算法(KNN)算法可以解决话务分析专家系统中的求解问题,但KNN算法的不足在于K值的确定与执行效率,因此改进K值选取与加权方法,对提高算法运行效率与准确性具有重要意义.本文提出了一种改进K值选取方法及依托频率的权重计算方法,用于实例检索,并采用改进后的实例推理,构建了话务故障专家系统.实验结果表明,改进算法在实例匹配准确性与执行效度上,均优于传统方法.【总页数】4页(P44-47)
【作者】张亮亮;杨威
【作者单位】山西师范大学数学与计算机科学学院,山西临汾041004;山西师范大学网络中心,山西临汾041004
【正文语种】中文
【中图分类】TP182
【相关文献】
1.基于改进实例推理的废旧零部件再制造工艺设计 [J], 周帆;江志刚;张华
2.基于规则和实例混合推理的故障诊断专家系统 [J], 潘伟;王汉功
3.基于实例的推理在直升机故障诊断专家系统中的应用 [J], 朱逸鹏;翁敬农
4.基于规则与案例推理的汽轮发电机组故障诊断专家系统 [J], 张强;剡昌锋;王慧滨;
栗宇
5.融合实例与规则推理的车辆故障诊断专家系统 [J], 张代胜;王悦;陈朝阳
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊推理的物流车辆故障诊断专家系统辛海奎;李蜀瑜【摘要】物流车辆故障诊断专家系统可以对物流车辆的故障进行诊断和排除. 为了提高该系统快速、准确诊断的能力, 在分析物流车辆的故障模式和故障机理的基础上, 建立故障树, 采用改进的CLIPS可以进行正向、反向两种模糊推理机制, 同时建立知识库管理系统对模糊规则和事实进行管理. 研究结果表明: 改进的CLIPS与VC++的结合, 使物流车辆故障诊断专家系统拥有模糊诊断故障的能力, 提高了物流车辆故障诊断的智能化水平.%The fault diagnosis expert system for logistics vehicle could diagnose and troubleshoot logistics vehicle. In order to improve the performance of the system, the fault tree had been built based on the failure mode and failure mechanism of logistics vehicle. Then, the improved CLIPS which could carry out forward and backward reasoning was used, and the knowledge base management system was established to manage the fuzzy rules and facts. The results showed that the improved CLIPS coupled with VC++ was able to enhance the capability of the fault diagnosis expert system for diagnosing fault from the logistics vehicle fuzzily (i.e. fuzzy diagnosis) and improve the intelligence level of the system.【期刊名称】《计算机系统应用》【年(卷),期】2015(024)008【总页数】6页(P59-64)【关键词】物流车辆;故障诊断专家系统;CLIPS;模糊诊断【作者】辛海奎;李蜀瑜【作者单位】陕西师范大学计算机科学学院,西安 710062;陕西师范大学计算机科学学院,西安 710062【正文语种】中文物流车辆的内部结构复杂, 故障的发生呈现出多样性, 难于发现. 在这种情况下, 维修人员迫切希望能有一个方便检测物流车辆故障的工具[1]. 同时国家对车辆故障诊断的检查与整修制定了严格的标准, 标准显示: 要通过科技进步来管理车辆技术, 管理方法的现代化, 努力实现既能准确判断其技术情况及运行状态和查清隐患和故障的原因和部位, 同时车辆不被解体, 不断使用先进的技术来实现车辆管理的现代化[2]. 这样, 维修专家的经验的收集、整理和使用, 并利用计算机学习维修专家在维修物流车辆过程中的思考过程和决策流程, 从而有利于精确并及时的排除故障. 所以说, 模糊知识推理、机器学习、专家系统等新兴学科在汽车故障诊断技术中找到了新的用武之地.专家系统有能力解决很多领域复杂的专业技术问题, 因为它能通过推理和诊断学习出人类专家解决这类问题的思维过程, 其中推理和诊断过程需利用人类专家的知识. 专家系统利用模糊知识推理, 按照模糊子集的知识表示方式把具有不确定性的专家经验存放在规则知识库里, 并利用模糊规则匹配的模糊推理过程, 完成不确定性的快速的模糊推理, 从而实现排除故障的速度更快、准确性更高. 在物流车辆故障诊断过程中, 会存在不确定的诊断经验知识和模糊的故障发生, 从而只能得到不完整的信息[3]. 在这种情况下要得到物流车辆故障诊断的正确判断, 在本专家系统中, 将模糊数学和产生式规则相结合的模糊产生式来表示知识. 这种规则能够将启发性知识很好地表达出来, 可信度因子的提取来自数据的可靠性, 故障的原因的推理过程中, 使用了模糊推理策略, 即运用正反向混合推理策略. 先逐层搜索构造完成的故障树, 然后完成对所获取故障征兆的推理诊断[4]. 同时增加了一个工作数据库, 用于存储推理过程中的中间结论和最终结论, 避免了重复推理过程, 提高了推理的效率. 知识库是故障智能诊断专家系统的核心组成部分, 是推理机完成推理和诊断的基础和前提. 该系统性能的优劣取决于以下两方面: 推理的方法、知识库中规则的数量与质量和系统采用的控制策略; 组织和管理知识库中知识的方式.我们采用模块化的设计方案组织本专家系统的知识库, 模糊规则库和事实库共同构成知识库, 同时把模糊规则库按物流车辆故障诊断子系统分为电气设备系统规则库、机械设备系统规则库和其他设备系统规则库[5].物流车辆故障诊断专家系统主要依赖车辆维修人员经验性知识, 它们是在长期的维修实践中不断积累起来的, 而且这些经验性知识分为两类有确定性知识和模糊性知识[6], 因此在本专家系统中, 我们采用故障树结构和模糊产生式规则来表示. 在本专家系统, 工作数据库, 模糊知识库、人机界面和一定数量的辅助模块共同帮助推理机完成自主的诊断推理. 该系统的体系架构和必要的组织模块间的关系如图1所示.2.1 模糊知识库的设计2.1.1设计知识库的方法和原则.本专家系统最艰巨和最重要的任务就是知识库的设计和建立. 知识库的初始设计由问题的知识化、知识的概念化、概念的形式化、形式的规则化和规则的合法化组成.首先我们要分析故障, 确定故障单元, 并定义故障特征结构体表示故障, 故障单元表示为一个结构数组, 数组表之间的联系依靠表间索引号关联[7].struct Fault_feature{ int Fault_node; //fault numberchar* Fault_name; //fault namechar* Fault_reason; //fault causefloat Fault_reliable // fault confidence: used to represent the fault features that may lead to the failure probabilitychar* Main_method; //Expert maintenance advice }2.1.2建立故障树.故障树分析法(FAT) 是将相关车辆的故障按它们的因果关系和内在联系组织在一块, 进而构建一个完整的单向树状流程图, 它属于图形演绎方法. 在分析故障树时, 从总体至局部将故障树以树枝状逐层划分, 经过层层的向下搜索, 找出全部可能的造成故障的原因, 最终搜索到故障树的最底层, 最终找到造成故障的根本原因[8]. 在故障树分析时, 这棵树的顶层事件是我们分析的目标, 中间事件是造成顶层事件故障发生的所有因素, 底事件一般在故障树的最底层, 它是造成中间事件发生的全部因素, 即造成车辆发生故障的原因. 这样, 分析结果中的全部事件是连在一起, 它们之间的逻辑关系存在一些细微的差别, 最后通过与之相应的逻辑门将这些事件组织在一起构成故障树, 从这棵树中, 我们能够得到故障和原因的对应关系[9]. 物流车辆设备故障树如图2.故障树分析法既促进了故障诊断专家系统的知识库的构建, 又可帮助设计推理机的推理方法. 当物流车辆发生故障时, 专家系统会依照合适的推理策略, 并基于知识库中相应的事实, 最后推出产生故障的最终原因. 故障树能够产生知识库中的知识, 专家系统是根据该知识进行推理诊断的, 所以说专家系统推理诊断的依据是故障树的节点.同样在故障树分析过程中, 树的搜索流程和专家系统的规则推理流程基本相同. 在树的搜索阶段, 搜索的任务或目标事件是中间事件节点, 搜索目标和任务最终获取的结果是底事件节点, 故障树节点采取专家系统描述语言来描述专家系统知识库中的知识, 因此专家系统的决策流程与故障树的搜索流程基本相同[10].2.2 知识的模糊表示由物流车辆设备故障树可知, 在物流车辆的故障诊断知识库中将知识模糊化, 物流车辆故障诊断系统中规则的每个前提和结论都不可能完全是确定的, 因此需要对规则进行模糊化处理, 即对每条产生式规则都要进行模糊化描述.基于模糊化的产生式规则用模糊数学可表示为:: (=1,2,......,n)子前提的置信度, 表示由该前提可能导致结论发生的概率.: (=1,2,......,n)子前提在规则中所占的权重称为子前提的权值.: 规则的结论.: 规则的置信度, 表示该条规则由前提可以得出该结论的可信度. 通过前提隶属度和置信度可以计算出该条规则所对应的结论的置信度.: 为激活该规则的阈值.为前提的可信度, 当时, 则该规则就可以被激活. 激活完成后, 可推导出结论及其置信度.规则也可表示为: <条件1, 权值1, 可信度1> V<条件2, 权值2, 可信度2> ...... V<条件m, 权值m, 可信度m> <结论, 可信度>, <规则触发阀值>. 规则的触发条件为:前提中存在条件, 条件, ……, 条件; 并且前提的加权综合可信度大于或等于规则的阀值[11].该物流车辆故障诊断专家系统诊断知识产生式表示是基于加权模糊特征的, 故障诊断知识规则可表示为:<001=滑油压力过低(0.3,1.0) > AND <002=滑油压力波动(0.3 ,1.0) > AND<003=滑油压力突然下降(0.4,1.0)> <001=滑油管道破裂(0.8)><Value=0.6> 规则前提1、规则前提2和规则前提3的权值分别为0.3、0.3和0.4, 所有前提的可信度为1.0. 规则的触发阀值为0.6, 可信度为0.8.在本专家系统中表示故障树节点的模板定义为:(deftemplate node(slot code)//fault number(slot name)//fault name(slot type)//fault type(multislot featrue1)//fault cause 1(multislot featrue2) //fault cause 2(multislot .......)(slot reliable1)//the fault reliable to fault cause 1(slot reliable2))//the fault reliable to fault cause 2(slot weight1)//fault weight 1(slot weight2)//fault weight 2其中, name槽、type槽、node分别表示该故障的名称、节点故障的类型和故障的关系名; 我们将中间节点故障类型type的值为, 将底事件节点故障类型当type 的值为, 那么根据故障树其故障原因与故障置信度可为空; reliable槽为故障的置信度即用来表示这些故障原因可能导致该故障发生的概率.利用以上的描述方式来表示本专家系统知识库中的知识. 首先将表示出故障树中所有节点, 然后将数据存放在一个文件中, 系统调用该文件来完成推理过程.故障诊断的规则的结构的简单实例描述如下:defrule rule_01declare((CF 0.8))declare(( 0.7))assert((node1(type )(code 008)(name ?a1)(reliable ?) (weight ?)))assert((node2 (type )(code 016)(name ?a2)(reliable ?) (weight ?)))(have-answer ?c3)=>assert(node3 (type )(code ?c3)(name ?a3))(result compute_reliable())(dribble-on "out.txt")(printout t"故障可能是: ""?a3";"此结论的可信度为: ""compute_reliable()""!" crlf)(dribble-off)(halt)其中结论的可信度计算函数为外部函数compute_reliable() : T= (=1,2).2.3 知识的获取策略在目前的专家系统中, 获取知识的方法仍主要是非自动方式, 本故障诊断专家系统的知识获取方式具体可描述成如下形式: 首先物流车辆故障知识工程师把知识用模糊产生式表示方法表示出来, 再将模糊产生式规则用计算机的数据结构存储在磁盘中. 为了实现知识获取的功能, 为本系统设计出获取物流车辆故障诊断知识的流程如下图3所示.3.1构建模糊规则冲突消解策略解决冲突是冲突消解策略的主要任务, 在正向推理过程中, 它从已知故障事实中选取合适的一组来激活相应的模糊产生式规则, 实现后件规定的操作或得到后件规定的结论. 然后利用辅助故障事实来进行反向推理去证实该目标或提高其可信度[12]. 目前已存在多种用于冲突消解的策略, 譬如: 根据深度优先搜索策略、广度优先搜索策略、按不同领域问题的特征排序、按匹配度排序等方法; 其基本思想都是对知识先进行排序. 由于本系统的推理具有不确定性, 这决定本专家系统冲突消解的策略是采用按匹配度排序的方法来完成. 其根本依据是: 在不确定性匹配中, 要判断两个知识模式是否能够匹配, 首先计算这两个模式的相似程度, 它们若是可匹配的, 需满足其相似度大于或等于某一给定的值. 通过相似程度的计算我们可以得到两条规则的可信度, 该可信度既可作为确定两个知识模式是否可匹配的依据, 又可用于消解模糊规则的冲突[13]. 如果有多条匹配成功, 系统将按照它们的匹配度确定优先使哪一个模糊产生式规则, 即优先使用匹配度大的.3.2 专家系统推理机设计为了减少推理的步骤和保证推理的效率, 本专家系统的推理机制采用RETE匹配算法, 采用混合推理的方法, 同时利用工作数据库来存储由模糊规则推理得到的中间结论或推理结果. 如果推理过程中没有推理所需的中间结论时, 就借助反向推理来求解出所需的中间结论.该智能诊断系统的推理流程如图4、5所示.物流车辆故障诊断推理详细流程如下:(1) 根据前面故障特征事实的表示方法, 将故障特征事实存入事实库.(2) 规则匹配: 在知识库中采用RETE匹配算法对系统中的规则进行匹配, 判断在规则库中有无适用的知识, 若有则跳入下一步; 否则跳转到(4);(3) 冲突检查: 若多条规则匹配成功则按照冲突消解策略消除冲突; 否则跳转到(5);(4) 检查在工作数据库中是否存在解, 若有则退出并生成诊断结果, 否则进入反向分支推理.(5) 与知识进行匹配, 根据公式计算结论的置信度:若计算出的结论置信度大于或等于规则的阀值, 则检查该结论是否是中间结论, 若不是查找故障结论知识表, 得到故障原因、维修方案以及专家建议, 此次诊断结束. 否则将结论存入工作数据库中, 再跳转到(2), 若结论置信度小于规则的阀值, 则正向推理失败, 转向方向分支推理.反向分支推流流程:(1) 首先建立故障假设: 假设该故障已经发生.(2) 检验规则前件: 判断与假设成立有关的前提是否已知, 若规则前题已知则跳入下一步, 否则跳转到(4).(3) 已知事实与规则进行匹配, 匹配成功则根据公式: 计算结论的置信度, 置信度大于等于阀值, 则查找故障结论表, 输出故障原因及维修方案, 此次诊断成功; 若置信度小于阀值则判断是否还有假设, 还有假设就跳转到(2); 否则跳出此次诊断, 诊断失败.(4) 如果前提条件未知(表示该前提条件是一个中间条件)就需要对前提进行验证, 则将找出假设成立的所有前提条件, 并让所有条件都成为假设, 跳转到(2).该智能诊断专家系统使用了不同的推理方式使得推理的效率得到了提高, 正向推理方式失败的情况下, 再选择反向分支推理方式进行推理, 使该方式具有较强的针对性.3.3系统验证测试及效果首先进入物流车辆诊断专家系统人机界面如图6, 当一物流车辆在启动时出现柴油机动力不足和排气管冒黑烟等现象, 即车辆启动存在故障.故障诊断过程为: 将故障征兆和伴有现象事实写入事实库, 激活规则: if(柴油机动力不足 0.7, 1)then(喷油雾化不良)CF=0.8, =0.7. 通过计算我们发现阈值大于结论的置信度, 即0.7>0.7*1*0.8, 需要对导致该结论的另一前提, 检查排气管是否有黑烟, 于是进入反向推理, 激活规则if(排气管有黑烟 0.5 1)then(喷气管雾化不良)CF=0.9 =0.4计算结论的置信度为0.5*1*0.9>0.4; 激活排气管有黑烟和柴油动力不足的规则, 于是再计算喷油雾化不良的结论置信度为0.7*0.8+0.3*0.9>0.7, 推理得到柴油动力是由喷油器雾化不良引起的的可信度为0.83. 诊断结果报告如图7.专家系统基本能根据车辆出现的故障特征做出准确地诊断, 但也有不准确与不能诊断出结果的情况, 智能专家系统的构建是一个不断测试和完善的过程, 仍需要对系统进行改进和完善.本系统结合改进的CLIPS和Visual C++6.0各自在专家系统开发上的优点, 建立了物流车辆故障诊专家系统. 在对物流车辆维修保障中引入模糊故障诊断技术, 提高了物流车辆故障诊断技术保障水平. 目前, 我们要努力做到故障诊断需要更加智能化, 同时需要通过实现监测过程在线化使得监测更加及时, 同时亟需不断完善专家系统本身的功能. 各种设备的I/O接口和物流车辆设备底层传感器与该专家系统之间的通信技术需不断完善, 使得获得车辆的故障信息更加精确和迅速. 此外对于CLIPS拥有的网络应用方面的能力, 还有待进一步的去研究和应用.1 田明才.物流车辆监控平台中智能车辆调度的应用研究[学位论文].北京:中国科学院研究生院,2010.2 徐寅生.军用车辆故障诊断专家系统[学位论文].合肥:合肥工业大学,2008.3 薛寒,谢利理,叶留义.基于模糊推理的电机故障诊断专家系统研究.计算机测量与控制,2010,18(1):8–10.4 Wu JD, Wang Y, Mingsian R.B. Development of an expert system for fault diagnosis in scooter engine platform using fuzzy-logic inference. Expert Systems with Applications, 2007, 33: 1063–1075.5 余瑞.无人机飞行控制系统故障智能诊断专家系统的设计[学位论文].成都:电子科技大学,2011.6 张崇刚,郭旭辉,黄昭婷,黄智刚.模糊理论在故障诊断专家系统中的应用.中国测试技术,2008,34(5):122–125.7 温国谊,查光东,张翔.基于CLIPS的某型飞机故障诊断专家系统的设计与实现.中南大学学报(自然科学版),2013, 44(1): 157–161.8 苏建,陈玉强,陈军伟.基于故障树分析的火控系统故障诊断专家系统设计.计算机测量与控制,2013,21(11):3008–3011.9 杨家涛.基于CLIPS的船舶机舱设备故障诊断专家系统研究[学位论文].武汉:武汉理工大学,2012.10 叶伯生,黄增双,李斌.故障树分析法在数控机床故障诊断系统中的应用.机械设计与制造,2006(8):135–137.11 尹朝庆,尹浩.人工智能专家系统.北京:水利水电出版社,2002.12 Harry KH, Chow KLC, Lee WB. Design of a RFID case-base resource management system for warehouse operations. Expert Systems with Applications, 2006, 30: 561–576.13 田增华.汽轮机组振动故障诊断及专家系统研究[学位论文].北京:华北电力大学,2007.。

基于故障树的飞机故障诊断专家系统关键技术研究摘要：为解决民航客机系统结构复杂、故障诊断分析困难的问题，采用故障树分析法设计实现了故障诊断专家系统。

本文以空客320型飞机反推为例，首先说明了其结构和工作原理，然后介绍了知识库设计和推理机的算法设计。

系统在Visual Basic6.0、Access2013环境下开发，经过验证，推理结果符合实际情况，有较强的应用价值。

关键词：飞机反推故障树分析专家系统1 引言民航客机系统结构复杂，设备出现故障时原因较多。

在现场判断和处理故障时，不但维修人员的经验丰富与否影响工作进度的快慢，而且对系统原理的分析也耗费相当多的时间，导致故障原因定位不准、维修时间较长。

故采用故障树分析法建立故障诊断专家系统，以提高经济性和可靠性。

2 反推的结构及工作原理由图2可见，反推系统控制条件复杂，涉及部件多样。

3 专家系统组成系统结构如图3所示，其中知识库中存放故障规则，规则由故障树分析得到，故障树根据系统原理建立。

知识库管理模块用于对知识库中的规则进行添加、删除和修改等操作。

推理机模块是专家系统的核心，推理机采用正、反向推理和优先级控制策略求解问题；推理得到的中间信息存放在动态数据库中；用户利用人机接口通过对话的形式在系统推理时提出问题；系统最终给出诊断结果并提供维修建议。

4 知识库设计4.1 知识的获取知识的获取首先是从反推系统的故障现象入手，寻找导致故障现象发生的全部因素，再找到造成下一级事件发生的全部因素，一直定位到产生故障的部件或线路，再绘制出反映推理过程的故障树。

故障原因和现象间的关系并非一一对应，多数情况下故障现象类似，但起因并不相同或不止一处。

由于存在这种一果多因、一因多果的情况，所以有些事件会出现在多个故障树中。

4.2 知识的表示方法知识分为部件知识和规则知识。

部件知识是为了方便规则知识的自动推理而设计的，同时也存储了部件自身的一些信息。

例如：LRU（14ks1，inhibition relay，抑制继电器，001，stat（正常，故障））表示fin号为14ks1的一个继电器，内容包含了中、英文名称、关联的原理图号、允许的状态集合等信息，而lru（14ks1，，，，故障）就表示该部件故障；wire（14ks1（（a）），4101ks1（a（4）））表示了连接两个插钉的一条线路。

专家系统在故障诊断中的应用
专家系统在故障诊断中的应用是为了替代计算机系统，完成对设备及其工作环境的诊断、检测、测量和修复等任务。

专家系统在故障诊断中的应用有以下特点：
1、能够提供准确的故障诊断和维修方案给外界，利用专家系统技术进行快速准确的故障诊断。

2、不仅能在规定时间内完成故障诊断，而且故障现象的表达通常能够较准确的引导系统构建者构造合理的假设、思维，进而提高故障诊断的准确率。

3、专家系统能够在系统辨识的过程中智能调整参数，从而达到自动化调试的目的，具有规划较强的优势。

4、专家系统在预防故障方面，能够将专家知识和经验总结系统，形成完整的故障预测预防系统，降低故障发生率，提高设备利用率。

5、在复杂技术领域中，专家系统可以帮助技术人员及时和准确地检测、分类、诊断故障，并更加深入地了解设备的工作原理和行为规律。