基于BP神经网络的沼气工程故障诊断专家系统

石建国，商秀印，张瑞雪

（1.河北软件职业技术学院学生处，河北保定 071000；2.河北农业大学理学院，河北保定 071001；3.河北大学建筑工程学院，河北保定 071002）

20世纪90年代以来，随着沼气技术日臻完善，以农村沼气工程为核心、系统整合可再生能源技术和高效生态技术的农村沼气国债项目和生态家园项目在我国农村大力实施，使得家居环境洁净化、庭院经济高效化、果蔬生产有机化，取得了显著的生态、环境和社会效益［1－4］.而农村沼气工程是项目的核心工程，运行的好坏直接关系到项目的可持续性.为了确保项目的长期运行，各级政府和研究机构纷纷探索各种管理模式确保沼气工程能够安全长久的运行.

人工神经网络理论20世纪80年代迅速发展起来，在计算机科学、人工智能、认知科学等领域发挥了重要作用.BP神经网络由输入层、输出层和隐层组成，对于输入信号，要先向前传播到隐节点，经过作用函数后，再把隐节点的输入信号传到输出层节点，然后给出输出结果.

传统的专家系统由知识获取、推理机、解释系统和人机接口界面等模块组成，但是存在诸多不足：1）知识获取存在瓶颈问题；2）推理能力弱；3）智能水平低.相对于一些先进的计算机软件来讲，不能自学推理和联想记忆，更不能对数据库中的知识进行自我完善、发展.针对上述缺陷，BP神经网络则能通过对有代表性事例进行学习、训练，进而能够掌握事物的本质特征，从而解决用户提出的诸多问题.总之，专家系统的特点是对知识进行逻辑推理，神经网络则能够进行知识获取，将专家系统和神经网络结合，从而使得整个神经网络成为专家系统的知识库，提供智能化服务，使专家系统更加智能化.本系统把数据库中的历史数据、规则、函数以及专家经验转化为可量化定义的样本数据和经验数据，通过神经网络训练，建立模型，进行诊断，再经过系统中的解释机制，对诊断结果进行分析，从而对其进行智能化指导.

1 总体构建

农村沼气工程主要是指中小型沼气工程，一般包括预处理系统，产气系统、贮气系统和综合利用系统.每个子系统则由一些模块组成.通过对工程的结构、功能和故障机理特征的分析，可把它分解为预处理系统、产气模块、综合利用等3大模块进行分析研究.由于各子系统间功能明确各自有其特有的故障征兆，且相互之间独立性较强.因此，为了提高诊断效率，缩短诊断时间，建立了基于沼气工程功能的层次结构的专家系统知识库.同时，知识库还采用了由数据库、事实库和规则库组成的多库结构.

预处理系统，由于是中小型沼气工程，所以也存在原料预处理的问题，尤其是家畜粪便、养殖场和农业废弃物秸秆作为发酵原料，容易存在颗粒大，易漂浮，严重影响沼气发酵率和产气率，甚至使得整个沼气工程处于停滞状态.专家系统对预处理系统的诊断是整个诊断过程的首要工作.

产气系统，沼气工程的核心，是否正常产气以及产气的多少，与料液的酸碱度、浓度、系统的厌氧环境、料液温度、养分充足与否等诸多因素有着密切的关系.由于输气系统在中小型沼气工程中很小，所以也归于产气系统一起进行故障诊断分析，仅仅从漏气进行考虑.

综合利用，沼气不仅解决农村能源问题，而且沼肥能够增加土壤的有机肥料资源，提高土壤质量和增加肥效，从而提高农作物产量，改良土壤性能.对综合利用系统的故障诊断主要是分析沼肥的产出时间及频率是否与原料的进入时间相匹配，冬季则更加强调对系统进行大换料，从而保证沼气系统内有足够的发酵原料和微生物.

整个专家系统的核心部分是推理机，对用户向专家系统提出的问题进行推理求解，有3种类型：正向推理、逆向推理和双向推理，鉴于用户对问题进行故障诊断也需要系统解释原因，因此采用正向推理和逆向推理相结合的模式.为了对用户进行解释，因此在推理机的设计中考虑解释机制.人机接口是实现人机交互和信息输出输入的窗口.本文建立的基于BP神经网络的农村沼气工程故障诊断专家系统模型如图1所示.专家样本数据、检测数据、预测数据、各类神经网络模型、智能管理系统中的故障解决方案和用户的人机交互对话记录，均保存在数据库中.

图1 基于BP神经网络的农村沼气工程故障诊断专家系统模型Fig.1 Model of expert system of rural biogas based on BP neural networks

2 推理机制

在农村沼气工程故障诊断专家系统中需要大量的数据作故障诊断和故障推理的基础，这些数据包含沼气工程临场数据、专家知识经验数据，为了保证能把用户诊断过程中系统存放的大量的零散的、无序的数据转换为有用的数据，本文选用了产生式规则知识表示法，表示形式为

在产生式规则知识表示法中需要创建规则库，规则库中存储着规则，每个规则都是由前件和后件组成，本系统规则库用SQL Server 2005网络数据库存储.以一种农村沼气工程为例来说明整个推理过程，系统采用典型3层BP神经网络拓扑，如图2所示.

图2 产气率低的故障分析Fig.2 Fault analysis of low gas production

3 系统结构

专家系统本身知识获取困难，推理能力弱，智能化水平低，不适于模糊推理，因此本系统采用基于规则树的专家系统推理结合以改进的反向误差最小化方法进行学习推理的神经网络组成，通过对各种症状进行分析判断，在人机交互界面上提供相应的诊断结果.

3.1 人机交互界面

为了便于系统与用户进行友好交流，并对知识库和报告诊断的结果进行维护，系统提供了一个比较友好的人机接口界面.人机交互部分主要是将专家和用户输入的信息翻译成与系统表述一致的形式，并能够将系统输出的信息翻译成用户容易理解的形式输出给用户.

3.2 推理机

根据知识库中的专家经验对规则数据库中的各种数据进行诊断推理，将结果反馈给专家系统的用户.农村沼气工程故障诊断专家系统推理过程中，系统根据界面知识表达的需要，并针对用户不同的知识水平程度，将咨询方式分为对照典型特征选择相关信息的检索式诊断模式和根据关键词选择相关信息的关键词诊断模式.普通用户在进入专家系统界面后，选择故障存在的系统，系统将动态显示相应的典型特征供用户选择，也可以采取用户直接输入的形式将用户观察到的故障情况输入系统，并提交到推理机.在推理时，为了解决推理过程中的并发症问题，系统会先后对产气系统、输配系统和用气系统进行判断选择操作.推理程序启动后，根据诊断模式选择故障部位，再根据用户提供的典型特征，在知识库中检索出所有可能的故障名称，并把推理中需用的知识存放在动态数据库中处理，若典型特征涉及到多种故障，则需要对所有可能故障的其他典型特征进行判断.这时推理机将再次需要判断的典型特征反馈到用户端，用户端将提取这些故障的典型特征，并给出1个或多个故障的诊断结果.

3.3 解释机制

回答用户对系统的提问，对系统结论的求解过程和系统当前的求解状态提供说明，使非专家用户了解系统的求解方式，使专家易于发现并确定知识库中的错误.通过逆向推理回答诊断过程中用户的提问，对诊断结果进行解释，使用户清楚明了.

3.4 知识数据库维护

将专家的经验知识进行整理，以规则的形式写入知识数据库中，同时当推理机遇到不确定的推理因素时，向知识工程师进行询问，将解决后的知识写入数据库中，增加知识含量，以方便下一次的诊断推理.它包括知识获取和知识存储2个过程，知识获取表现为训练样本的获得与选择和专家的经验整理，训练样本来源于同类型诊断对象在正常运行时的各种特征参数，知识存储则存储训练样本在进行训练时的连接权值和阈值.

3.5 数据采集和数据预处理

与沼气发酵池和储气柜相连的传感器测得的数据传入计算机，系统对各类数据进行数据整理以符合诊断需要，将处理后的数据写入综合数据库.

3.6 知识数据库和综合数据库

知识数据库中存放专家系统的规则知识和神经网络的结构、权值知识，以方便推理机的调用.综合数据库中存放诊断过程中的原始数据和中间结果.

4 基于BP神经网络的农村沼气工程故障诊断专家系统的实现

根据作者对中国西北地区农村沼气国债项目和生态家园项目的实际运行状况调查，选取一个最常见的故障现象——沼气池产气率低进行分析，新建沼气池如果处理不当容易出现产气率低的情况，正常使用的沼气池如果进出料处理不当也容易出现产气率低的状况，因此产气率低是沼气工程中出现频率比较高的故障现象，其影响因素是多种多样的，沼气池本身的泄露故障容易引起产气率低，用户使用过程中的管理不当容易引起产气率低，进料过程中的原料营养搭配不合理，沼气燃气系统故障也能引起产气率低的故障现象，图2给出了故障现象和可能产生原因的推理过程框图.首先从故障出现的部位进行选择，分池体故障、发酵原料和燃气系统故障3种，然后再分别进行推理，直至最终得出正确的故障原因.

5 结语

设计了基于BP神经网络的农村沼气工程故障诊断专家系统，在专家系统中选用了多种故障现象作为样本，并对这些故障样本进行了认真分析，形成BP神经网络推理机.通过实践验证了本系统的有效性和实用性.系统采用选择式和输入式2种诊断模式，为不同知识水平的用户提供了较便利的诊断方式.作为为沼气工程服务的专家系统，要服务于工程运行，在农村沼气工程故障诊断专家系统应用过程中，科技人员、管理人员和技术人员在使用过程中要根据当地的具体情况将系统的知识规则和基础数据本地化、规范化，并且要对大众性的问题及时向系统管理员或知识工程师反馈，以便于对知识规则和基础数据作进一步完善.

［1] 邱凌，王兰英，杨鹏，等.农村沼气工程故障诊断专家系统研究［J］.农业机械学报，2005，36（2）：112－114.QIU Ling，WANG Lanying，YANG Peng，et al.Study on expert system for the fault diagnosis of rural biogas project［J］.Transactions of the Chinese Society for Agricultural Machinery，2005，36（2）：112－114.

［2] 王兰英，商秀印，邱玉桥.熵权法在农村生态校园经济效益评价中的应用［J］.河北大学学报：自然科学版，2010，30（4）：356－340.WANG Lanying，SHANG Xiuyin，QIU Yuqiao.Entroy method and its application for the evaluation of economic benefits of rural eco－campuses［J］.Journal of Hebei University：Natural Science Edition，2010，30（4）：356－340.

［3] 王兰英，邱凌，卢旭珍，等.农村庭园沼气工程设计与管理专家系统初探［J］.中国沼气，2003（增刊）：159－164.

［4] 王兰英，邱凌，贾洪涛.黄土高原地区农村沼气生态校园模式研究［J］.干旱地区农业研究，2009，27（2）：260－264.WANG Lanying，QIU Ling，JIA Hongtao.Study on“pig（toilet）－biogas－vegetable”eco－campus mode in the Loess Plateau［J］.Agricultural Research in the Arid Areas，2009，27（2）：260－264.

［5] 王生明，刘立峰，马惠琴.户用沼气池常见故障及处理办法［J］.宁夏农林科技，2004（1）：61－62.

［6] 邱凌，王兰英，杨鹏.农村沼气工程动态发酵工艺的调控［J］.可再生能源，2005（1）：47－49.QIU Ling，WANG Lanying，YANG Peng.Control on the dynamic fermentive technology of rural biogas project［J］.Renewable Energy，2005（1）：47－49.

［7] 吴凌云，王华.BP神经网络专家系统在故障诊断中的应用［J］.信息技术，2003，27（2）：66－68.WU Lingyun，WANG Hua.Application of the BP neural network and expert system in fault diagnosis［J］.Information Technology，2003，27（2）：66－68.

［8] 宋海军，陈步英，李洪燕.基于BP神经网络的煤矿机械故障诊断专家系统的开发［J］.煤矿机械，2012，33（8）：264－265.SONG Haijun，CHEN Buying，LI Hongyan.Development of expert system for mechanical fault diagnosis basedon BP neural network［J］.Coal Mine Machinery，2012，33（8）：264－265.

［9] 曹晶，谢骏，王海英，等.基于BP神经网络的水产健康养殖专家系统设计与实现［J］.湘潭大学自然科学学报，2012，32（1）：117－121.CAO Jing，XIE Jun，WANG Haiying，et al.Design and implementation on expert system of health aquiculture based on BP neural networks［J］.Natural Science Journal of Xiangtan University，2012，32（1）：117－121.

［10] 江丽，甄少华.基于BP神经网络的液压系统故障诊断专家系统［J］.机床与液压，2002（4）：169－171.JIANG Li，ZHEN Shaohua.Fault diagnosis expert system for hydraulic system based on BP neural net［J］.Machine Tool ＆Hydraulics，2002（4）：169－171.