液压控制系统故障诊断专家系统的研究

　　液压控制系统由于其不可替代的优越性，被广泛用于各种领域。同时由于液压设备在结构、功能方面的复杂性，和生产管理水平以及客观条件的限制，液压元件和系统在使用过程中易产生故障。液压元件工作在封闭油路中，工作过程不象机械传动那样直观，也不象电气设备那样易于测量运行参数。它的故障诊断和维修需要大量独特的专家实践经验和诊断策略。所以，组织和利用专家经验开发实用的故障诊断专家系统，有着重要的工程使用价值。

　　2　液压系统双层诊断模型知识库和推理控制策略

　　诊断专家系统知识包括领域专家启发性知识和结构原理性知识。前者主要来源于专家的长期实践，对故障机理的分析、总结、积累，属于浅层知识；后者来自于对液压系统结构、原理、功能的研究、分析，是所谓的深层知识。下面分别介绍两类知识获取和描述的方法。

　　2.1　浅层知识的表示

　　启发性知识从专家经验而来，一般不细究过程的内在机理，因而在问题求解过程中推理速度快，通常以“IF<前提>THEN<结论><可信度>”的产生式规则表示，构成浅层知识库。这种方式适用于故障现象明显的诊断实例。液压系统一条诊断知识记录实例如下：

　　Knewledgebase:

　　:012

　　:0.9

　　:UNZERO

　　:FEEDDRAW

　　END;

　　其中，ruleNO,PROBABILITY,PREMISE,CONSEQUENT均为变量类型，UNZERO(系统零点不稳定)，FEEDDRAW(反馈杆球头脱落)为故障知识描述的编码值。用C/C++数据结构定义为以下形式：

　　typedef int ruleNO;　　/*规则索引号*/

　　typedef int PROBABILITY;　　/*现象出现概率*/

　　typedef int PREMISE;　　/*规则前提*/

　　typedef int CONSEQUENT；　　/*规则结论*/

　　define UNZERO 1000

　　define FEEDDDRAW 1200

　　基于启发性知识的诊断模型具有诊断速度快，实时性强等优点。但由于浅层知识只是针对某个具体过程或设备的经验知识，缺乏系统性，单单基于启发性知识的专家系统使用不灵活，通用性差。当遇到知识库中规则之外的情况时便不能得出正确结论，而且处理不了多故障并存的情况。而深层知识诊断模型则是关于诊断对象的原理、结构、功能和故障传播特性等的一类知识，具有通用性强，诊断较深入、准确，可靠性高，可以诊断多重故障等优点，正好可以弥补浅层知识的不足。

　　2.2　深层模型知识的获取与描述

　　液压控制系统从总体上讲是一个具有多层次子系统的复杂系统，可按其各部分的隶属关系描述成一种树状结构，即把系统在结构和功能上分解为系统级，子系统级，部件级和元件级等若干各层次。如图1所示。