基于CLIPS的雷达故障诊断专家系统研究

吴立蓉，王仁波

（东华理工大学，机械与电子工程学院，江西 南昌 330013）

科学技术不断发展，新器件、新材料和大规模集成电路被应用于雷达中，使雷达设备的战术、技术等性能指标得到不断提高的同时，亦使其复杂程度日益提高。本设计采用CLIPS搭建故障诊断专家系统，完成了专家系统知识库、事实库以及推理机的设计，并在CLIPS6.3上调试，实验结果能完成预期故障诊断。

1 基于CLIPS的故障诊断系统简介

图1 故障诊断专家系统组成框图

专家系统与自然语言理解、机器人一起并列为人工智能研究最活跃的三大领域。专家诊断系统是针对设备故障特征、机理以及故障的处理而建立的设备智能诊断专家库。专家库在系统运行期间，每遇到一个新型故障，就将其作为事例加入到事例库，从而不断完善智能诊断专家库。并且把完善的专家系统及时反馈到现场诊断系统。其组成框图1所示。

利用专家系统工具CLIPS开发的故障诊断专家系统使用C语言开发，因此具有较快的速度和良好的可移植性。因为CLIPS的开源性，所以作为本设计的首选。

2 实验简介

（1）实验对象故障树模型如图2所示，各代号具体意思如表1所示。

图2 雷达天馈系统故障树

表1 对应各代号表示的故障含义

（2）系统知识与推理机软件设计。CLIPS中的定义模板来这样定义规则，其推理机流程图如3所示。

图3 推理机流程图

3 调试CLIPS程序

本专家系统的知识库和推理机都是在CLIPS工具中进行的,但是知识是基于事实的表达，推理规则是由CLIPS规则组成，因此推理机与知识库是单独开发的，这里将部分运行的规则保存为radar.clp。图4的实例是在CLIPS6.3中的运行结果。

图4 实验调试结果

4 结语

实验结果表明，本设计基于CLIPS的雷达故障诊断专家系统，基本上能达到实验预期效果。利用故障诊断专家系统，知识是专家系统性能的关键因素，对知识库的编辑和推理在故障诊断的过程中起着非常重要的作用。知识的表示和推理的方法则提供了应用的机理。相比较传统软件的“数据+算法=程序”，专家系统的“知识+推理=系统”在故障诊断方面有较大的优势和拓展空间。

[1] 贺科学,雷达检验监测及数据处理系统的研制[D].西安：西安科技大学，2004．

[2]丁敏,谢华.基于虚拟仪器的雷达故障检测系统设计[J].仪器仪表用户,2009,(2)：52—53.

[3]刘承相, 程礼. 故障树在专家系统中的应用[J].机械科学与技术，2003,（11）.

[4]敖志刚. 人工智能及专家系统[M].北京:机械工业出版社，2010.

[5]安丽娜,张士杰.专家系统研究现状及发展[J].计算机应用研究，2007,（12）.

[6]黄可鸣. 专家系统[M]. 南京:东南大学出版社，1991.

[7]印鉴，陈忆群，等译.专家系统原 理与编程[M].北京：机械工业出版社，2006 .

[8]杨家涛.基于CLIPS 的船舶机舱设备故障诊断专家系统研究[D].武汉理工大学,2012.

[9]吉奥克等.专家系统原理与编程[M].北京:机械业出版社,2006.

[10]谭大鹏,李培玉,潘晓弘.基于CLIPS 的故障诊断专家系统开发环境[J].浙江大学学报(工学版),2009,(2).