電子發燒友App
一、專家系統基本原理
一般認為，專家系統是一個或一組能在某些特定領域內，應用大量的專家知識和推理方法求解復雜問題的一種人工智能計算機程序。一般專家系統如圖6—2所示。
它主要包括兩圖6-2專家系統的基本結構大部分，即知識庫和推理機。其中知識庫中存放著求解問題所需的知識，推理機負責使用知識庫中的知識去解決實際問題。知識庫的建造需要知識工程師和領域專家相互合作把領域專家頭腦中的知識整理出來，并用系統的知識方法存放在知識庫中。當解決問題時，用戶為系統提供一些已知數據，并可從系統處獲得專家水平的結論。
圖 6-2?? 專家系統的基本結構
由此可見，專家系統具有相當數量的權威性知識，能夠采取一定的策略，運用專家知識進行推理，解決人們在通常條件下難以解決的問題。它克服了專家缺少，其知識昂貴，難于永久保存以及專家在解決問題時易受心理、環境等因素影響而使臨場發揮不好等缺點。因此，專家系統自從問世以來，發展非常迅速，目前專家系統已經成為人工智能應用最活躍和最成功的領域。經過20多年的努力，其應用范疇已遍及各個領域，如疾病診斷、探礦、設計、制造、自動控制、生產過程監視，取得了極大的經濟效益，并獲得了許多新的進展。
二、 數控機床故障診斷專家系統
從數控機床故障診斷的內容看，故障診斷專家系統具體可以用于以下三個方面：
(1) 故障監測。
(2) 故障分析。
(3) 決策處理。
一個完整的故障診斷專家系統應是圖6—3所示結構。該圖中各功能模塊的作用如下：
(1) 數據庫。用于存放監測系統狀態的、便于測量的也是必要的測量數據；用于實時監測系統工作正常與否。對于離線分析，數據庫可根據推理需要，人為輸入。
(2) 知識庫。可以定義為便于使用和管理的形式組織起來的用于問題求解的知識的集合。通常知識庫具有兩方面的知識內容：一方面是針對具體的系統而言，包括系統的結構，系統經常出現故障現象，每個故障現象都是由哪些原因引起的，各種原因引起該故障現象可能性大小的經驗數據，判斷每一故障是否發生的一些充分及必要條件等；另一方面是針對系統中一般的設備儀器故障診斷的專家經驗，內容與前面相仿。基于這兩方面內容，知識庫還包含有系統規則，這些規則大多是關于具體系統或通用設備有關因果關系的邏輯法則。所以真實反映對象系統的知識庫的建立是專家系統進行快速有效的故障診斷的前提。知識庫是專家系統的核心內容，知識庫內容，如故障現象對應關系規則的建立，有些在理論上是嚴格的，有些則取決于該領域專家的經驗。
圖 6-3 故障診斷專家系統的基本結構
?
(3) 知識庫的管理。建立和維護知識庫，并能根據運行的中間結果及知識獲取程序結果及時修改和增刪知識庫，對知識庫進行一致性檢驗。
(4) 人機接口系統。可將系統運行過程中系統出現故障后觀察到的現象或系統進行調整
或變化后的信息輸入到知識庫獲取模塊，或將新的經驗輸入，以實時調整知識庫。還可通過人機接口啟動解釋系統工作。
(5) 推理機制。在數據庫和知識庫的基礎上，綜合運用各種規則，進行一系列推理來盡快尋找故障源。
(6) 解釋系統。可以解釋各種診斷結果的推理實現過程，并能解釋索取各種信息的必要性等。解釋系統是專家系統區別于系統方法的顯著特征，它能把程序設計者的思想及專家的推理思想顯示給用戶。
(7) 控制部分。使用各部分功能塊協調工作，在時序上進行安排和控制。
對于在線實時診斷系統，數據庫的內容是實時檢測到的目前系統的工作數據。對于離線診斷，則數據庫的內容可以是保存的故障發生時檢測到的數據，也可以是人為檢測的一些特征數據。人機接口系統可為知識庫提供系統實時運行時，或發生故障時觀察到的一些事實現象。專家系統診斷程序在知識庫和數據庫的基礎上，通過推理機制，綜合利用各種規則，必要時還可調用各種應用程序，并在運行時向用戶索取必要的信息，可盡快地直接找到最后故障，或最有可能的故障，再由人確定最后故障。
三、 人工神經元網絡及其在數控機床故障診斷中的應用
1、人工神經元網絡原理
人工神經元網絡或簡稱神經網絡，是人們在對人腦思維研究的基礎上，用數學方法將其簡化、抽象并模擬，能反映人腦基本功能特性的一種并行分布處理連接網絡模型。神經元網絡處理信息的思想方法同傳統的馮·諾曼計算機所用的思維方法是完全不同的。它的存儲方式不同。一個信息不是放在一個地方，而是分布在不同的位置。網絡的某一地方也不只存儲一個信息，它的信息是分布存儲的。這種存儲方式決定了神經元網絡進行信息處理的方法不同于馮·諾曼計算機完全根據邏輯規則運算的處理方法。神經元網絡中的每一個神經元都是一個信息處理單元，它可根據接收到的信息獨立運算，然后把結果傳輸出去，這是一個并行處理。神經元作運算的規則通常是根據物理學、神經生物學、心理學的定理或規則。
神經元網絡的這種信息存儲和處理方式還有這樣的優點，即網絡能通過不完整的或模糊的信息，便能夠聯想起一個完整、清晰的圖像來。這樣，即使網絡某一部分受到破壞，仍能恢復原來信息。也就是說網絡具有聯想記憶功能。
神經元之間的連接強度通常稱為權，這種權可以事先定出，也可以不斷地改變。它可以為適應周圍環境而不斷變化，這種過程稱為神經元的學習過程。這種學習可以是有教師的學習，也可以是無教師的學習。神經元網絡的這種自學習方法與傳統的以符號處理為基礎的人工智能的、要求人告訴機器每步行動的方法是完全不同的。
設計一個人工神經元網絡，只要給出神經元網絡的拓補結構，即神經元之間的連接方式及網絡的神經元個數，神經元的權值可以給定或者給出學習規則由神經元網絡自己確定，再給出神經元的運算規則。這樣便建成一個神經網絡，它可以用來進行信息處理。
用神經元網絡建立專家系統，不須要組織大量的產生式規則，機器可以自組織、自學習。這對用傳統的方法建立專家系統最感困難的知識獲取問題，是一種新的有效解決途徑。
下面對人工神經元網絡的結構及其工作原理作一簡單介紹。
神經元是人工神經元網絡的基本處理單元，它一般是一個多輸入/單輸出非線性器件。其結構模型如圖6—4所示，圖中 為輸入矢量，y為輸出； 表示輸入到輸出的連接權值，θ為閾值；s為外部輸入。一般輸入與輸出之間的關系可表示為
式中為一激發函數，它通常取下列三種形式：
（1）??? 閾值型。即f為一階躍函數，如圖6—5(a)所示。其表達式為：
這也是最早提出的二值離散型神經元模型。
圖6-4? 神經元結構模型
?(2) 分段線性型。如圖6—5(b)所示。
圖6-5? f(a)的類型
(3) S狀。這種激發函數一般取連續值，常用對數或正切等S狀曲線。如最常用的
也叫Sigmoid函數，這類曲線反映了神經元的飽和特性，如圖6—5(c)所示。一個神經網絡是由多個神經元相互連接而成的，它們的連接有以下4種形式(圖6—6)：
圖6-6? 神經網絡的連接形式
(1) 不含反饋的前向網絡。如圖6—6(a)所示，神經元分層排列，由輸入層、隱層(中間層)和輸出層組成，每一層的神經元只接受前一層的輸入，輸入模式經過各層的順序變換后，得到輸出層的輸出，其中隱層可以是多層。
(2) 有反饋的前行網絡。如圖6—6(b)所示，這種神經網絡可以將輸出層直接反饋到輸入層。
(3) 層內相互結合的前向網絡。如圖6—6(c)，同一層內的神經元之間的相互制約，以實現同一層內的橫向控制。
(4) 層內相互結合型網絡。如圖6—6(d)所示，這種網絡是在任意兩神經元之間都可以互連。輸入信號經過這種網絡時，要經過多次往返傳遞，網絡經過若干次變化才能達到某種平衡狀態。
神經網絡的工作過程是這樣的，給N組訓練樣本{ }，其中 , ，k=1,2,…,N，并給初始權值W，網絡按照
從輸入經隱層到輸出逐層計算，最后計算出網絡的輸出 ，然后網絡再按照一定的算法修正權系數W，使實際輸出Y與期望輸出Y之間的誤差滿足要求的值。給網絡足夠的訓練樣本，經過訓練后，神經網絡就建立起來了。以后再給網絡新的輸入，網絡就會求出輸出結果。我們將網絡修正權值W的過程叫做網絡的學習，學習的目的是使網絡的實際輸出更接近期望輸出。學習的算法也有多種，一般常用的有相關的規則(常用Hebb規則)、糾錯規則(δ規則)和無教師學習三種學習規則。
神經網絡中，各神經元的結構雖然相同，但是，激發函數 的不同，網絡互連形式的不同以及學習規則的不同，都導致了神經網絡在種類上有很大的差異，至今已有30余種神經網絡模型。典型的有Hopfield模型(HNN)、MP模型、BP模型(反向傳播算法)、AM模型(聯想記憶)和ART模型(自適應共振理論)等。
2、神經元網絡用于數控機床故障診斷
采用神經元網絡進行數控機床故障診斷，其原理為：將數控機床的故障癥狀作為神經元網絡的輸入，將查得的故障原因作為神經元網絡的輸出，對神經元網絡進行訓練。神經元網絡經過學習將得到的知識以分布的方式隱式地存儲在各個網絡上，其每個輸出對應一個故障原因。當數控機床出現故障時，將故障現象或數控機床的癥狀輸入到該故障診斷神經元網絡中，神經元網絡通過并行、分布計算，便可將診斷結果通過神經元網絡的輸出端輸出。由于神經元網絡具有聯想、容錯、記憶、自適應、自學習和處理復雜多模式故障的優點，因而非常適用于像數控機床故障診斷這樣的事情，是數控機床故障診斷新的發展途徑。
將神經元網絡和專家系統結合起來，發揮兩者各自的優點，更有助于數控機床的故障診斷工作的開展。
工商網監
評論