基于规则与案例的转子故障智能诊断方法

　　0　引　　言

　　随着计算机技术的飞速发展和日益广泛的使用,大量对计算机能力的需求催生了人工智能的诞生。目前,人工智能中的分支———智能系统(即通常所指的专家系统)已成为最活跃和最广泛的研究领域之一。数十年来,国内外故障诊断技术得到了广泛的研究与发展,研究学者们提出了众多可行的方法[1]。

　　1　背景知识介绍

　　产生式规则最早由波斯特(Post)于1943年提出。随后,尼厄尔(Newell)和西蒙(Simon)于1972年提出产生式系统。这类系统的知识库主要用于存储规则,因此产生式系统又被称为基于规则推理(rule-based reasoning)的系统。RBR系统由于具有规则表示形式一致,可有效表达浅层知识,模块化程度较高等优点,因而得到广泛应用。案例推理(case-based reasoning)的思想最早可以追溯到美国耶鲁大学罗杰·沙克(Roger Schank)在1982年所著的《DynamicMemory》一书中所提出的动态记忆理论。经过近30年的发展,目前CBR已成为智能系统的1种非常有效的推理技术,广泛用于诸多领域并得到更多重视。其核心思想为在问题求解时,借助以往问题解决的类比来进行推理[2]。2种方式都有其自己的优势,但也都存在其各自的局限性[3],所以将RBR和CBR结合起来是1种不错的选择,既相互弥补了不足,又可以充分发挥RBR和CBR各自的优势[4]。本文所采用的就是RBR与CBR相结合的方法。

　　2　知识库的构造

　　2.1　产生式规则的构造

　　产生式规则用于表示具有因果关系的知识,产生规则的基本形式为R#:IF A THEN B。其含义是如果前提A得以满足,即为“真”,则可得出结论B或B所规定的动作。A的一般形式为A=(A1AND A2AND A3…AND An),规则库的数据结构就是要如何处理条件部分A的数据结构。现针对转子故障征兆的特点,将元素An拓展成为<属性><连接><属性值>的形式,属性值取“True”、“False”两值

　　形式;属性值为“True”时表示属性成立,属性值为“False”时表示属性不成立。连接用不等式形式表示,用“等于”连接符表示字符型属性与属性值之间的关系,也可以用于表示数值型属性与属性值之间的关系,而“大于”与“小于”连接符则用于表示数值型属性与属性值之间的关系。

　　根据转子故障的特征,将自然描述性语言规范的转化为扩展规则描述的形式,可以观察得知,该故障特征主要可以分为3个类型:逻辑型、数值型、多值型。再经过规范化处理[5],就能将故障特征表示成线性表结构的产生式规则。

　　2.2　案例库的构造

　　在转子故障诊断中,1个案例就是1个故障现象的完整解决方案,这个方案可以用于同类或类似的故障的诊断。针对本系统特点,对转子故障特征的不同进行分类,用分层次索引的策略来构造案例库。案例的表示主要内容大致分为以下7个部分:故障种类、状态特征、特征权值、故障现象、故障原因、解决方法、注释信息。根据这几大部分,制定各自对应的数据表来存放案例信息。将上述两类知识库表的设计相结合,得到系统的数据表如图1所示。