基于专家系统的远程技术支持数字式服务系统

2010-08-23王冬艳

制造业自动化 2010年13期

王冬艳

WANG Dong-yan

（成都电子机械高等专科学校，成都 610031）

0 引言

信息技术和计算机网络技术的发展使机械制造领域正在发生深刻的变革，制造业正遵循着“劳动密集——设备密集——信息密集——知识密集”的规律发展，对市场的响应时间和良好的个性化服务将成为21世纪企业赢得竞争优势的最重要因素，数字式远程服务系统顺应潮流，方兴未艾，其主要功能：在线支持、故障诊断和维护、技术培训、个性化服务等。

作为先进制造技术的重要组成部分——数控机床，其结构的复杂化使得用户越来越需要得到供货商的技术支持。远程故障诊断接收用户故障现象，通过专家诊断系统给出诊断结果；用户根据收到的诊断结果进行故障检查，并通过网络返回实际故障；专家知识库据此得以验证和修正。

1 数字式远程服务系统体系构建

系统采用分布式、网络化的体系结构。如图1所示。

从地域上看，广域分布是远程系统的基本特征，远程系统的目的就是为地理上分布广泛的设备提供有效的诊断维护支持。从组织看，远程系统由监测设备、现场诊断设备与人员和远程诊断中心组成，呈分布式网络化状态，同时也具有明显的递阶层状特征。从功能上看，现场主要是定时勤务，状态监测、数据发送等；远程诊断系统主要负责资源调度来进行复杂故障诊断。

2 系统功能设计

诊断专家主要与远程故障诊断系统相协作，为用户提供服务。在设备开发、研制过程中，诊断专家对设备的结构、运行机理具有充分的了解，提供设备诊断服务。同时诊断专家可以对分布在各处的系统传送来的诊断知识作分析、整理，根据设备实际运行条件、故障的征兆等，对其进行提炼，将之融入远程故障系统的知识库。

图1 系统分布式、网络化的体系结构

远程智能诊断中心提供广域范围内的共享诊断资源平台，为客户提供共享资源和多种智能诊断手段，并可与客户进行交互。中心的核心资源是知识库、数据库，它们一方面向客户提供诊断服务，另一方面又通过诊断专家从客户端获得资料加以精炼、提取，来丰富自身的诊断智能和提高远程服务能力。其主要功能有：

1）知识库、数据库的管理与更新：中心对客户提供诊断和维护时会产生新知识，需要处理并规范化以补充更新系统知识库；同时还可以获取中心技术讨论板块的诊断知识，更新当前知识库；中心诊断支持能力的增强，取决于以上两库的丰富程度和有效的检索提取手段。

2）历史数据管理及挖掘；历史数据管理针对的是已整理成知识的数据，实际上是知识库的优化和更新。

3）在线辅助诊断：用户使用此功能可进行信号分析、运行趋势预报等，并可使用中心的各种智能诊断工具，如专家系统等。

3 基于专家系统的智能诊断

3.1 诊断知识库的建立

数控机床的故障现象按其发生部位可以分为：机床机械部分、进给驱动装置部分、CNC装置部分和主轴伺服控制部分。首先分析得出系统的故障事件称为顶事件。顶事件实际就是一些故障症状，再将导致该顶事件发生的直接原因，包括硬件故障、人为因素、环境因素等列出，用适当的逻辑门把它与故障事件连接起来，称之为中间事件：其次，逐级展开故障事件发生的原因，即产生这些症状的根据。依此方法，可建立起各子系统的知识库。

结合DDK7732A精密数控线切割机床高频脉冲电源故障来讨论如何具体建立一个故障诊断专家系统的知识库。知识库可以用自然语言描述成以下规则：

1）如果电压表无电压指示，则保险丝烧断，或线路短路，或整流桥损坏开路。

2）如果有加工电压，无高频输出，则高频继电器接触不良，或振荡电路故障，或控制回路故障，或高频输出线开路。

3）如果加工电流异常增大，则并接在高频电路输出端的反向二极管击穿，或功率管损坏，或振荡电路故障。

4）如果加工电流异常增大，且有加工电压、无高频脉冲信号，则高频驱动管损坏，或高频控制继电器损坏。

5）如果加工电流异常增大，且加工时有高频信号，无进给，则变频调节电位器接触不良，或高频取样线不通。

在5条规则中，共出现了19个概念，我们把概念称作事实，共19个事实，每个事实给一个编号，编号从1到19，在规则中我们不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，我们可以很容易的将它们翻译成适合在计算机内部存储的形式，然后将其存入知识库。

表1 事实库表的结构

事实库表主要由事实号(Fact Number)和事实内容(Fact Content)两个字段组成，事实号是事实的内部代号，其编号形式为##，##是0到9的数字，表示事实编号，并将它设置为该表的主键。表1为建立的事实库表的结构。

规则表中的字段主要由规则名、规则条件、结论、诊断方法和状态记录器组成。规则中的节点和事实库表通过事实号进行连接，规则条件由若干个字段组成，其个数等于规则条件中最多的事实个数，它们分别对应于一个故障征兆；诊断方法给出了当出现该故障时可采取的故障排除方法；状态记录器是为了实现对推理过程的跟踪，为以后的解释程序的设计提供方便，其初始状态为False。其记录意义(以第二条规则为例)：规则R2表示“当出现征兆2时，可推出故障7，8，9，10，当该规则被触发后，相应的状态记录器状态变为True"。表2给出了规则表的结构。

表2 规则库表的结构

表3 带有可信度的规则库表的结构

3.2 推理机制的选择

推理机作为专家系统的组织控制机构，是专家系统的另一核心，其实质是一组计算机程序。推理机的主要功能是协调控制整个系统，通过运用由用户提供的征兆数据，从知识库中选取相关的知识并按照一定的推理策略进行推理，直到得出相应的结论。

在本系统的故障诊断中，采用基于事实和规则可信度的简单非精确推理方式。事实的确定性是用可信度cf表达的，常用0～1的范围值表示。事实的可靠性或者事实发生的概率常影响事实的可信度。专家系统中的规则也可能带有不确定性，也可以用0～1的范围值表示可信度。复合规则等效于若干个只有一个结论事实的规则，这时相应于结论中的每一个事实都可能有一个规则可信度。在非精确推理时，事实和规则的可信度均可存储在内部知识库中。对本例，可以修改规则如表3。

在专家系统中，复合规则的前提可以表达为数个事实的一系列合取、析取关系，而各事实的可信度完全可能不相同。这种在规则前提为事实合取、析取形式时，计算前提总的可信度的处理称为可信度复合。

在很多情况下，可信度复合采用基于模糊集理论的方法处理而有：

在专家系统中，可能有多个规则的结论事实相同。在采用非精确推理时，同一结论事实在分别由数个规则导出后各自所得的可信度数值完全可能不同。这时候就必须根据这些不同的可信度数值为该事实综合出一个单一的可信度数值，供其后的推理应用或作为推理结果输出。这一过程在推理中通常不是在导出该事实的所有规则都运用完毕后进行，而是在每一个导出该事实的规则运用后就按一定法则累计该事实的可信度，因而称之为可信度积累。

可信度积累有若干种方法，其中最常用的方法如下：

当一个事实的可信度等于中性值时，该事实将不参加可信度积累。

当参加积累的各可信度均大于中性值时，采用计算公式：

当参加积累的各可信度均小于中性值时，采用计算公式：

当参加积累的可信度一个小于中性值而另一个大于中性值时，采用计算公式：

在非精确推理中，只有积累的事实可信度达到一定数值时该事实才被认为可信，这一可信度数值称为可信水准。可信水准可以由系统研制者决定后记入系统，也可由系统使用者根据问题性质自行决定。

3.3 推理方向的选择

推理方向有三种：正向推理、反向推理以及正反向混合推理。对于实际的诊断问题，人们首先可能只知道诊断对象的表层征兆信息，由于不知道全部的征兆信息，而是根据诊断的需求来讨论征兆量，对于这些信息在推理过程中就需要向用户询问，因此在诊断中采用反向推理。如果当前的目标是断言结论中的事实(假设)，那么就必须断定前提是否与状态相匹配。

首先从知识库中选择一种故障作为目标假设，然后寻找支持假设的相关知识，依次检查这些相关知识是否可用，其方法是该知识应用的必要条件是否具备，这些必要条件，要么已经具备，要么作为新的子目标再用上述方法继续寻找并检查相关知识，直到问题解决或没有相关知识，当没有相关知识时，就询问用户。

设知识库共有K条规则，其中第I条的前提部分的事实又有J个，则其推理过程可用示意图2表示。

图2 推理过程

在推理过程中，最终的子目标实际上是一些基本事实，对这些事实的证明并不需要引用规则，它们可以是事先设定的，也可以是在推理过程中由用户实时的输入的，所以推理过程一般总是能够终止的。

由于采用非精确推理，在用如上步骤找到一条推理路径后还必须根据其上叶节点事实的可信度及其上连接规则的可信度计算出推理目标的可信度。如果该可信度低于可信水准，则还必须继续搜索其它推理路径，直到推理目标的积累可信度达到或超过其可信水准，此时推理成功。若所有推理路径都已应用而推理目标的积累可信度仍低于可信水准，那么推理失败。

由于专家系统故障诊断的关键在于规则，而规则的收集提炼需要大量的经验积累；如果规则库中没有完善的规则，很有可能没法判断推理给出客户的故障诊断结果。结合以上的推理过程，即是把知识库中的K条规则所涉及的所有结论都反向推理，验证结果都是假设错误，这时候只能承认故障诊断失败。因此，专家系统故障诊断必须考虑基于成熟的知识库，同时也要不断的收集数据，充实知识库中的规则。一个实用的专家系统可能要经过多次的使用——更新知识——试验的循环才能完善，应该把获取知识、使用、更新知识和试验交织在一起，在系统运用中不断自我完善。