专家系统1

医用直线加速器注入器系统故障定位专家系统设计摘要：医用直线加速器注入器系统故障诊断难度大, 不确定性高;基于对医用电子直线加速器注入器系统主要故障类型的故障机理进行深入的分析总结。

文章剖析了系统故障诊断机制的内容及特点, 进而针对直线加速器注入器故障诊断的特殊性提出了故障逆向推理机制, 对推理机制的可行性进行了分析, 得出了执行故障逆向推理机制的具体步骤, 为系统故障诊断提供了理论依据。

Abstract:It s fault diagnosis has high difficulty and uncertainty of Medical Fault Location. Based on t he analysis of t he main fault diagnosis styles of t he aerial system , this paper anatomizes the method and characteristic of t he t raditional fault diagnosis mechanism , put forward a mechanism of converse fault reasoning for t he concern of the particularities of the Medical Fault Location fault diagnosis , discussand present a concrete implement scheme. It provides t he theoretical foundation for the fault diagnosis.关键词：直线加速器注入器，故障定位，故障树。

Key words: Linac Injector, Fault Location, Fault Tree.所谓机械故障诊断，就是通过机械运行中的相关信息来识别其技术状态是否正常，确定故障的性质与部位，寻找故障起因，预报故障趋势，并提出相应对策;它以故障机理和技术检测为基础，以信号处理和模式识别为其基本理论与方法。

一般的机械系统故障诊断系统从物理上划分为机械测量、监视与保护、数据采集、振动状态分析网络数据传输五个部分；从功能上，机械系统状态监测与故障诊断系统又可分成数据采集、状态监测、故障诊断三个部分。

随着现代工业设备和系统日益大型化和复杂化，机械设备的可靠性、可用性、可维修性与安全性的问题日益突出，从而促进了人们对机械设备故障机理及诊断技术的研究。

并且随着计算机技术及数字信号处理技术的迅速发展，机械设备振动监测与故障诊断技术被广泛应用于电力、石油化工、冶金等行业的大型、高速旋转机械中。

目前这种技术己成为设备现代化管理和提高企业综合效益的技术基础。

国内外实践表明，以振动监测与故障诊断技术为基础的设备预知维修能节省大量的维修费用，取得显著的经济效益，而且还能保证设备的安全运行，预防和减少恶性事故的发生，消除故障隐患，保障人身和设备安全，提高生产率。

传统的诊断方法和理论对单过程、单故障和渐发性故障的简单系统可以发挥较好的作用，对于多过程、多故障和突发性故障以及复杂庞大、高度自动化的大型设备和系统，例如汽轮发动机组等，就具有较大的局限性。

当前，典型的机电一体化产品——数控机床、交流伺服驱动装置等正在向数字化、小型化、高精度等方向发展，监控带来新的挑战，由于模糊神经网络控制不依赖控制对象和数学模型，具有较强的鲁棒性，是一种非线性的控制方法，在解决此类问题中有很好的优势。

而专家系统主要用于复杂的机械系统，能够克服基于模型的故障诊断方法对模型的过分依赖性。

而人工神经网络对模式识别具有独特的优点。

将人工智能的理论和方法应用于机械故障诊断，发展智能化的机械故障诊断技术，是机械故障诊断的一个新的途径。

智能化的机械故障诊断专家系统现已得到广泛的应用，成为机械故障诊断的一个重要方向。

人工智能主要研究用人工的方法和技术来模仿、延伸及扩展人的智能，从而实现机器智能。

应用机械故障诊断系统的ai技术传统上可以分为专家系统（es）、人工神经网络（ann）、模糊集理论（fst）三大类。

专家系统（expert system，简称es）是20世纪60年代初产生的一门实用学科，目前人工智能技术中较活跃、较成功的领域之一。

它是一个由知识库、推理机和人机接口等三个主要部分组成的计算机软件系统，在知识表达方面，利用产生式则进行知识表达，一方面得有益于现有人工智能语言，另一方面，是它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。

在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在机械系统故障诊断上能产生很好的效果。

其威力在于所拥有的专家知识和运用知识解题的推理机制。

故障树分析(FTA)技术是美国贝尔电报公司的电话实验室于1962年开发的，它采用逻辑的方法，形象地进行危险的分析工作，特点是直观、明了，思路清晰，逻辑性强，可以做定性分析，也可以做定量分析。

医用电子直线加速器在放射肿瘤治疗领域得到了广泛的应用，相对其他大型医疗设备而言，加速器的故障是比较高的。

而加速器注入器系统的故障率在加速器所有故障中的比例也较高。

因此设计故障诊断专家系统模型，提高注入器故障诊断自动化与智能化水平是很有必要的。

在详细分析系统结构的基础上，结合实际维修实例，设计基于分类的故障定位系统。

1 故障诊断专家系统总体设计故障诊断专家系包括：供电电路故障，高压电路故障，栅极电路故障，联锁电路故障，控制电路故障等五类型故障，故障树总框图如图1所示[1]图1 故障树总框图故障诊断专家系统从加速器领域专家获得专业知识，从工程师那里获得故障诊断和排除大量独特的专家实践经验和诊断策略，并用来解决装备注入器系统故障诊断方面的困难问题。

专家系统的结构主要由知识库、推理机、综合数据库、解释机构以及人机交互等模块组成。

其中, 知识处理模块和诊断推理模块是系统的核心部分, 其结构如图2所示[2]。

电10V 高高栅栅联安电Inj Inj 脉注入器故障供电电路高压电路栅极电路联锁电路控制电路源模块恒压源压直流电源压调节电路极脉冲电路极偏压电路锁板全电路磁干涉故障Ｉ控制电路E 控制电路冲控制电路知识处理模块图2 故障诊断专家系统结构原理图2 基于故障树的专家系统知识库的构建故障树分析法具有层次性强、因果关系明确等特点，是直线加速器设备进行故障诊断主要分析方法之一[3]。

故障树分析法结合注入器系统原理深层次的知识和领域专家维修诊断经验的浅知识构建故障树, 明确直观地反映出了诊断系统内部的逻辑关系，通过最小割集将故障树与专家系统的诊断知识库联系起来, 在最小割集中以最有效的方式存储了有关系统状态和操作的专家知识, 并给故障树增加诊断描述信息, 这样使得诊断知识库中的知识得以完善。

根据该注入器系统使用特点与失效模式，故障机理分析，建立了故障树。

故障树的内部逻辑关系可以等效成顶事件与最小割集及其包括的底事件之间的逻辑关系。

故障树的顶事件即为系统的失效事件, 其底事件即为基本部件的失效事件。

顶事件T与最小割集Bi 的逻辑连接为或门, 每个最小割集Ci 与其包含的底事件Xi 的逻辑连接为与门[4]。

如图3及表1所示。

3 基于故障树的知识库的建立故障树分析法应用于故障诊断专家系统, 在很大程度上降低了专家系统知识获取的难度。

故障树和专家系统知识库的联系在于：故障树的顶事T 对应于专家系统要分析解决的任务, 故障树的一个最小割集就是系统的一种失效模式,对应于专家系统要推理的一种最终结果, 故障树由上到下的逻辑关系对应于专家系统的推理过程, 故障树的树枝对应于知识库中的规则, 故障树的树枝数等于知识库所包含规则的个数, 知识库中的知识来源于故障树[5]。

根据以上的分析故障树与专家系统知识库的联系, 我们运用E2R 关系数据库模型来组件知识库, 主要由故障规则表、故障模式表和诊断结论表3 部分组成。

故障规则表用于存储基于故障树模式的推理规则，由7 个字段组成： Rule 表示对规则的编号, 用RXXX 表示；ID 由于标识故障模式的层次和位置，用FXX 表示；Fault 表示本级X 6X 7X 8X 9X 10X 11X 12X 13X 14X 17X 18X 1X 2X 22X 23B 2X 3X 4X 5B 3B 4A 2C 1B 1A 1X 19X 20X 21C 2X 15X 16B 5B 6A 3T故障模式,由具体文字表述； FatherFault 表示高层故障模式，即故障树中父节点；Logic 表示故障树中父节点与子节点之间的逻辑关系, 用0/ 1 表示，0 代表“与”，1 代表“或”; Type 表示本节点的类型, 用0/ 1 表示, 0 代表“中间节点”, 1 代表“叶节点”；Used 表示规则被执行的次数,由具体数字表出,默认为0[6]。

故障模式表主要用于存储故障模式以及检测方面的基本信息,体现了专家系统解释机制。

由 4 个字段组成: ID 故障模式的标识；Fault 表故障模式；ExamineMethod 存储了由文字描述的本级故障模式的检测方法和步骤；Fault Information 则为本级故障模式的说明和检测标准等。

故障结论表推理规则的最终结论,由 3 个字段组成: ID 故障原因的标识；Causation 为故障原因的具体文字描述；Advice 存储了对该故障的维修建议。

表2，表3和表4 列出了以故障树的树枝A2 →X17的推理规则为例介绍了基于故障树的专家系统的知识库的构造过程, 可以看出知识库主要以ID 号作为索引, 建立了3 个数据库之间的联系。

表1 故障规则表表2 故障模式表表3 诊断结论表4 推理机的实现推理机是专家系统的核心，根据用户观测到的系统故障征兆，利用知识库中存储的知识，按一定的推理策略逐步求解问题。

在本系统知识库的设计中，可将故障树知识转化成基于规则的专家系统知识，如规则R001 则表示： if 场效应管坏，then 栅极脉冲加不上。

因此专家系统故障诊断的实现采用基于规则的推理，本文采用正向推理为主，反向推理为辅的混合推理策略[7]。

诊断流程为:系统先进行初始化，结合加速器故障诊断领域专家的经验和故障树节点的重要度分析，初步确定故障树中各事件的优先级别；然后根据用户及专家系统提供的模式库中的故障模式说明和故障模式检测步骤和方法，确认故障事实，系统从规则库中选择规则进行匹配，匹配成功，则进入子故障模式的诊断，直到叶节点，诊断完毕，给出诊断结论和维修建议。