基于故障树的故障诊断专家系统推理机的设计

刘锐　张丽梅

摘要：该文研究了专家系统推理机的原理，设计了基于故障树的汽车故障诊断专家系统推理机；并以汽车发动机不能正常启动为例，说明了该推理机的推理过程。

关键词：故障树；故障诊断；推理机；专家系统

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）02-0404-03

1 概述

专家系统是将人类专家处理领域问题的过程模拟为计算机程序，通过计算机程序来解决实际问题，人工智能最主要的一个分支便是专家系统。故障诊断专家系统的推理和诊断过程是根据专业领域中一个或者多个人类专家提供的知识、经验、明确规定的一些规则进行的，以解决那些现实生活中需要专家亲自解决的复杂问题。如今，我国大部分汽车维修企业，主要使用的维修方法是：拆卸车辆部件来检查故障。拆解车辆零部件来检查故障的故障诊断的准确度非常高，但是对车辆部件进行拆解的过程中，由于有些设备的结构非常复杂导致拆装难度大，以拆解为主的诊断方法肯定会增加维修成本拖延维修速度。所以智能的故障诊断手段是非常有必要的，能在不拆解或者拆解范围小的情况下，根据故障现象或故障征兆或者检测出的具体参数，诊断出车辆故障情况，确定故障产生的原因、严重程度及发生的具体部位，最终给出准确可行的维修策略和处理方法[1]。专家系统由知识库、推理机、人机界面接口、全局数据库（Global Database）、解释机制（Explanation Mechanism） 知识获取机制（Knowledge Acquisition）[2] 六部分组成，但专家系统的核心是推理机，该文设计了基于故障树的汽车故障诊断专家系统推理机。

2 专家系统推理机原理

推理引机实际上是一组用于控制和协调整个专家系统，根据当前输入的信息，利用知识数据库，按一定的推理策略来处理需要解决的问题的计算机程序，常见的三种推理策略：正向推理，反向推理，正反混合推理。

2.1 正向推理（forward reasoning）

正向推理又称为数据驱动型推理[3]，是一种从事实（即故障现象或故障征兆）到目标（故障原因）的推理方法。从故障现象或故障征兆出发通过一定的规则来证明目标也就是故障原因是成立的即为正向推理。具体推理步骤是：开始向数据库提供一些故障现象或故障征兆，然后将故障现象或故障征兆通过推理控制系统，与知识库中已经存在的知识进行匹配。综合数据库中存入，以触发到的知识为结论的故障现象或故障征兆。继续重复上面的步骤，再将更新后的数据库中的故障现象或故障征兆，和知识库中的其他知识进行匹配，然后更新其结论到数据库。直到没有更多的新知识可以匹配，没有更多的新的故障症状出现添加到数据库中。最后，为了测试是否得到的结果，无解则提示无法匹配退出，有解则返回结果。图1为正向推理流程图。

2.2 反向推理（backward reasoning）

反向推理又称为目标驱动型推理[4]，它的推理方式和正向推理相反，一种从目标到事实的推理方法。大致步骤为：

1）从规则库中选择后件与目标相匹配的规则，将其前提加入待匹配的集合。

2）从待匹配规则集合中选择一条规则，将其前提作为假设事实。

递归调用这个步骤，直到已知事实出现在待匹配的规则集合中，则推理结束。

2.3 正反混合推理（global reasoning）

正反向混合推理（双向推理）则是一种从事实到目标，再由目标到事实的综合推理方法，双向推理的步骤为：1）初始化事实数据库；2）进行正向推理，由已知事实推出部分结果；3）从部分结果中选出一个目标；4）以这个目标作为假设事实，进行反向推理；5）如果有结论则推理成功，否则转到第二步重新推理。

2.4 三种推理方式的比较

3 基于故障树正向推理的推理机设计

3.1 故障树的推理策略

根据车辆发动机的故障状况，故障现象通常明确地展现给用户，从而通过故障现象或故障征兆推理出故障原因和故障部位，在确认故障原因的同时，建议给用户解决问题的措施。与这种思维方式符合的诊断推理过程即为正向推理策略。

3.2 故障树的建立及检索策略

高效准确的推理机，搜索策略必须和相关领域的实际问题相结合。所以设计推理机时选择的搜索策略必须是和具体的领域问题相对应的。所选择的搜索算法合适不合适是影响系统推理机性能的最主要因素，好的搜索算法可以减少时间和空间复杂度，提高系统推理机的性能。最常用的搜索算法有：广度优先搜索算法与深度优先搜索算法。针对发动机的故障现象和故障征兆是显性显示的特点，本系统算法采用深度优先搜索算法。从最不希望发生的顶事件即故障征兆一直搜索到底事件即故障原因。

3.3 系统推理机的推理过程

用户根据当前显性显示的故障征兆——发动机不能发动，选取相应的子故障树，系统将采用深度优先搜索算法，检索相应的子故障树的各个节点，动态地找到相对应的故障表读取故障原因，然后应用推理机的正向推理策略证明目标节点也就是给出故障原因，通过与用户交互，根据用户的反应对诊断结果进行确认，最后给出故障原因和相应的维修对策。

4 结束语

分析比较常用的三种推理策略正向推理、反向推理、正反混合推理。其中正向推理是数据驱动型推理，具有充分利用用户主动提出的信息的优点；反向推理是目标驱动型推理，推理的目的性很强；正反混合推理充分利用现有知识并且推理的目的性强。由于汽车发动机的故障现象一般都是显示的呈现出来的，推理过程与正向推理相对应，所以本文提出基于故障树正向推理的推理策略，算法采用是深度优先搜索算法。说明了该基于故障诊断专家系统推理机的推理过程。

参考文献：

[1] 金永夫.车辆故障诊断专家系统的研究和设计[D].杭州：浙江工业大学，2010.

[2] 林晓斌.基于不确定推理的车辆故障诊断专家系统[D]. 大连：大连理工大学，2007.

[3] 李跃新，胡婕，秦丽，等.知识工程基础与应用案例[M].北京：科学出版社，2006.

[4] 胡运发.数据与知识工程导论[M].北京：清华大学出版社，2003.

[5] 黄丽，全秋红，赛小平.电喷发动机故障诊断专家系统知识库与推理机的构建[J].电子科技，2007（1）：73-77.