APP下载

基于VB语言的神经网络专家系统设计与应用

2018-02-28黄传连

电子技术与软件工程 2018年21期
关键词:专家系统设计与应用神经网络

黄传连

摘要

随着信息时代的到来,人们对智能化网络技术的需求不断提高,以往传统的专家系统已经不能满足人们的需要,因此,人们在以传统的专家系统为基础上,建立了一整套神经网络专家系统,并简单介绍了神经网络专家系统中每一个组成部分,分析它的结构特点以及设计方法,让人们在运用神经网络专家系统的同时能有所参考。为了解决以往软件遇到的各种问题,神经网络专家系统在设计方面专门运用了VB编程语言,VB编程语言的运用在一定程度上方便人们了解软件系统中经常出现的故障,从而为解决故障问题提供了方便。本文主要阐述神经网络专家系统的设计原理以及在实际中对故障进行诊断的应用。

【关键词】VB语言 神经网络 专家系统 设计与应用

随着经济的快速发展和计算机网络技术的广泛应用,人们对计算机的故障检测要求越来越高,在以往专家系统的软件设计中,存在很多问题,比如:计算机运行速度不理想、人机交互的方式不健全等,所以在传统专家系统的基础上建立了神经网络故障诊断专家系统。神经网络故障诊断专家系统,运用了VB编程语言,而在计算机所有的编程语言中,只有VB编程语言能解决上面出现的问题。

1 神经网络专家系统的设计原理

1.1 神经网络专家系统的结构

神经网络专家系统主要是为了实现人们对知识的方便获取,神经网络专家系统充分利用自身的学习能力、处理问题的能力来提高系统的智能化水平。神经网络专家系统分为四大模块,分别为:获取专家知识的模块;机制进行推理的模块;机制推理的解释说明模块;系统I/O模块。

1.2 神经网络专家系统知识库的组建

组建系统知识库是建立神经网络专家系统的首要任务,组建知识库大体上分为两个内容,一是获取知识;二是储存知识。通过神经网络系统建立的学习模型来获得的,神经网络学习模型是由大量的经验总结出的典型样本,而知识的储存是神经网络专家系统将知识以矩阵式的形式来保存,方便人们的管理。知识库组建大体上可以分为三个步骤:

(1)通过确认的神经网络专家系统机构来分析故障诊断;

(2)寻找与之匹配的典型样本;

(3)确定神经网络专家系统的各个神经元的权值和阈值。

1.3 神经网络专家系统的推理机制

神经网络专家系统的推理机制就是怎样用专家系统的知识库去解决问题,它是一种推理加计算的过程,在推理的过程中,也可以根据对网络参数的学习和算法来进行调整,这种推理机制不是一成不变的,它是一种能自我适应机制。通过这种机制系统能够自主寻找目标,对目标进行计算与分析。神经网絡专家系统把之前的符号改为目前的数值,这样符号运算变成了数值的运算,减少神经网络专家系统推理带来的各种冲突。

1.4 神经网络专家系统的解释机制

解释机制是在神经网络专家系统出现网络故障的时候,神经网络故障诊断专家系统就要对诊断的结果做出合理的解释。由于知识库储存的知识都是以数字形式来表示的,这对于一般用户来说比较难以理解,所以在神经网络专家系统出现故障的时候,就需要神经网络故障诊断专家系统将诊断结果以语音的形式表示出来。

2 神经网络专家系统的实际应用

一般我们在研究故障诊断的时候,都是选用自动装弹机,利用自动装弹机里面的旋转输弹机来作为诊断对象。旋转输弹机不转单、停不了机、没办法补弹这三种故障是自动装弹机在平常的使用过程中最容易发生的故障,当出现三个数字的时候,就要开始对神经网络系统进行培训,其中输出和输入的样本数字如表1。

由表1可知,当重复到一定次数时,系统的误差也会精确到最小值,这就表明神经网络的训练学习结束,就可以把这些权值和阈值存储到知识库中。我们可以把在神经网络系统培训学习时得到的数据输入到样本中,这样就能得出输出的样本结果,而神经网络专家系统就会将知识库中储存的数据和输出的样本结果的数据来进行对比,通过数据之间的对比就能得出故障网络的诊断结果并给出处理意见,这样提高了数据的处理效率以及精确度。

3 结束语

随着计算机网络时代的发展,神经网络专家系统已经表现出自身的优势,基于神经网络专家系统运用VB编程语言,不仅能快速的对自动装弹机系统进行故障诊断,而且还能通过自身的学习来判断之前未出现过得故障,对以后深入的探讨研究神经网络专家系统有着重大的作用。

参考文献

[1]徐敏,施化吉,张晓阳等.基于神经网络集成的专家系统模型[J].计算机工程与设计,2016,27(07):1216-1219.

[2]潘昊,邹秀芬.基于神经网络的专家系统体系研究[J].计算机与数字工程,2017,25(04):43-46.

猜你喜欢

专家系统设计与应用神经网络
神经网络抑制无线通信干扰探究
数控机床液压系统故障诊断专家系统的研究
基于神经网络的拉矫机控制模型建立
复数神经网络在基于WiFi的室内LBS应用
基于支持向量机回归和RBF神经网络的PID整定