一、專(zhuān)家系統(tǒng)基本原理
一般認(rèn)為,專(zhuān)家系統(tǒng)是一個(gè)或一組能在某些特定領(lǐng)域內(nèi),應(yīng)用大量的專(zhuān)家知識(shí)和推理方法求解復(fù)雜問(wèn)題的一種人工智能計(jì)算機(jī)程序。一般專(zhuān)家系統(tǒng)如圖6—2所示。
它主要包括兩圖6-2專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)大部分,即知識(shí)庫(kù)和推理機(jī)。其中知識(shí)庫(kù)中存放著求解問(wèn)題所需的知識(shí),推理機(jī)負(fù)責(zé)使用知識(shí)庫(kù)中的知識(shí)去解決實(shí)際問(wèn)題。知識(shí)庫(kù)的建造需要知識(shí)工程師和領(lǐng)域?qū)<蚁嗷ズ献靼杨I(lǐng)域?qū)<翌^腦中的知識(shí)整理出來(lái),并用系統(tǒng)的知識(shí)方法存放在知識(shí)庫(kù)中。當(dāng)解決問(wèn)題時(shí),用戶(hù)為系統(tǒng)提供一些已知數(shù)據(jù),并可從系統(tǒng)處獲得專(zhuān)家水平的結(jié)論。
圖 6-2?? 專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)
由此可見(jiàn),專(zhuān)家系統(tǒng)具有相當(dāng)數(shù)量的權(quán)威性知識(shí),能夠采取一定的策略,運(yùn)用專(zhuān)家知識(shí)進(jìn)行推理,解決人們?cè)谕ǔl件下難以解決的問(wèn)題。它克服了專(zhuān)家缺少,其知識(shí)昂貴,難于永久保存以及專(zhuān)家在解決問(wèn)題時(shí)易受心理、環(huán)境等因素影響而使臨場(chǎng)發(fā)揮不好等缺點(diǎn)。因此,專(zhuān)家系統(tǒng)自從問(wèn)世以來(lái),發(fā)展非常迅速,目前專(zhuān)家系統(tǒng)已經(jīng)成為人工智能應(yīng)用最活躍和最成功的領(lǐng)域。經(jīng)過(guò)20多年的努力,其應(yīng)用范疇已遍及各個(gè)領(lǐng)域,如疾病診斷、探礦、設(shè)計(jì)、制造、自動(dòng)控制、生產(chǎn)過(guò)程監(jiān)視,取得了極大的經(jīng)濟(jì)效益,并獲得了許多新的進(jìn)展。
二、 數(shù)控機(jī)床故障診斷專(zhuān)家系統(tǒng)
從數(shù)控機(jī)床故障診斷的內(nèi)容看,故障診斷專(zhuān)家系統(tǒng)具體可以用于以下三個(gè)方面:
(1) 故障監(jiān)測(cè)。
(2) 故障分析。
(3) 決策處理。
一個(gè)完整的故障診斷專(zhuān)家系統(tǒng)應(yīng)是圖6—3所示結(jié)構(gòu)。該圖中各功能模塊的作用如下:
(1) 數(shù)據(jù)庫(kù)。用于存放監(jiān)測(cè)系統(tǒng)狀態(tài)的、便于測(cè)量的也是必要的測(cè)量數(shù)據(jù);用于實(shí)時(shí)監(jiān)測(cè)系統(tǒng)工作正常與否。對(duì)于離線分析,數(shù)據(jù)庫(kù)可根據(jù)推理需要,人為輸入。
(2) 知識(shí)庫(kù)。可以定義為便于使用和管理的形式組織起來(lái)的用于問(wèn)題求解的知識(shí)的集合。通常知識(shí)庫(kù)具有兩方面的知識(shí)內(nèi)容:一方面是針對(duì)具體的系統(tǒng)而言,包括系統(tǒng)的結(jié)構(gòu),系統(tǒng)經(jīng)常出現(xiàn)故障現(xiàn)象,每個(gè)故障現(xiàn)象都是由哪些原因引起的,各種原因引起該故障現(xiàn)象可能性大小的經(jīng)驗(yàn)數(shù)據(jù),判斷每一故障是否發(fā)生的一些充分及必要條件等;另一方面是針對(duì)系統(tǒng)中一般的設(shè)備儀器故障診斷的專(zhuān)家經(jīng)驗(yàn),內(nèi)容與前面相仿?;谶@兩方面內(nèi)容,知識(shí)庫(kù)還包含有系統(tǒng)規(guī)則,這些規(guī)則大多是關(guān)于具體系統(tǒng)或通用設(shè)備有關(guān)因果關(guān)系的邏輯法則。所以真實(shí)反映對(duì)象系統(tǒng)的知識(shí)庫(kù)的建立是專(zhuān)家系統(tǒng)進(jìn)行快速有效的故障診斷的前提。知識(shí)庫(kù)是專(zhuān)家系統(tǒng)的核心內(nèi)容,知識(shí)庫(kù)內(nèi)容,如故障現(xiàn)象對(duì)應(yīng)關(guān)系規(guī)則的建立,有些在理論上是嚴(yán)格的,有些則取決于該領(lǐng)域?qū)<业慕?jīng)驗(yàn)。
圖 6-3 故障診斷專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)
?
(3) 知識(shí)庫(kù)的管理。建立和維護(hù)知識(shí)庫(kù),并能根據(jù)運(yùn)行的中間結(jié)果及知識(shí)獲取程序結(jié)果及時(shí)修改和增刪知識(shí)庫(kù),對(duì)知識(shí)庫(kù)進(jìn)行一致性檢驗(yàn)。
(4) 人機(jī)接口系統(tǒng)??蓪⑾到y(tǒng)運(yùn)行過(guò)程中系統(tǒng)出現(xiàn)故障后觀察到的現(xiàn)象或系統(tǒng)進(jìn)行調(diào)整
或變化后的信息輸入到知識(shí)庫(kù)獲取模塊,或?qū)⑿碌慕?jīng)驗(yàn)輸入,以實(shí)時(shí)調(diào)整知識(shí)庫(kù)。還可通過(guò)人機(jī)接口啟動(dòng)解釋系統(tǒng)工作。
(5) 推理機(jī)制。在數(shù)據(jù)庫(kù)和知識(shí)庫(kù)的基礎(chǔ)上,綜合運(yùn)用各種規(guī)則,進(jìn)行一系列推理來(lái)盡快尋找故障源。
(6) 解釋系統(tǒng)。可以解釋各種診斷結(jié)果的推理實(shí)現(xiàn)過(guò)程,并能解釋索取各種信息的必要性等。解釋系統(tǒng)是專(zhuān)家系統(tǒng)區(qū)別于系統(tǒng)方法的顯著特征,它能把程序設(shè)計(jì)者的思想及專(zhuān)家的推理思想顯示給用戶(hù)。
(7) 控制部分。使用各部分功能塊協(xié)調(diào)工作,在時(shí)序上進(jìn)行安排和控制。
對(duì)于在線實(shí)時(shí)診斷系統(tǒng),數(shù)據(jù)庫(kù)的內(nèi)容是實(shí)時(shí)檢測(cè)到的目前系統(tǒng)的工作數(shù)據(jù)。對(duì)于離線診斷,則數(shù)據(jù)庫(kù)的內(nèi)容可以是保存的故障發(fā)生時(shí)檢測(cè)到的數(shù)據(jù),也可以是人為檢測(cè)的一些特征數(shù)據(jù)。人機(jī)接口系統(tǒng)可為知識(shí)庫(kù)提供系統(tǒng)實(shí)時(shí)運(yùn)行時(shí),或發(fā)生故障時(shí)觀察到的一些事實(shí)現(xiàn)象。專(zhuān)家系統(tǒng)診斷程序在知識(shí)庫(kù)和數(shù)據(jù)庫(kù)的基礎(chǔ)上,通過(guò)推理機(jī)制,綜合利用各種規(guī)則,必要時(shí)還可調(diào)用各種應(yīng)用程序,并在運(yùn)行時(shí)向用戶(hù)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(jīng)元網(wǎng)絡(luò)及其在數(shù)控機(jī)床故障診斷中的應(yīng)用
1、人工神經(jīng)元網(wǎng)絡(luò)原理
人工神經(jīng)元網(wǎng)絡(luò)或簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò),是人們?cè)趯?duì)人腦思維研究的基礎(chǔ)上,用數(shù)學(xué)方法將其簡(jiǎn)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(wǎng)絡(luò)模型。神經(jīng)元網(wǎng)絡(luò)處理信息的思想方法同傳統(tǒng)的馮·諾曼計(jì)算機(jī)所用的思維方法是完全不同的。它的存儲(chǔ)方式不同。一個(gè)信息不是放在一個(gè)地方,而是分布在不同的位置。網(wǎng)絡(luò)的某一地方也不只存儲(chǔ)一個(gè)信息,它的信息是分布存儲(chǔ)的。這種存儲(chǔ)方式?jīng)Q定了神經(jīng)元網(wǎng)絡(luò)進(jìn)行信息處理的方法不同于馮·諾曼計(jì)算機(jī)完全根據(jù)邏輯規(guī)則運(yùn)算的處理方法。神經(jīng)元網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元都是一個(gè)信息處理單元,它可根據(jù)接收到的信息獨(dú)立運(yùn)算,然后把結(jié)果傳輸出去,這是一個(gè)并行處理。神經(jīng)元作運(yùn)算的規(guī)則通常是根據(jù)物理學(xué)、神經(jīng)生物學(xué)、心理學(xué)的定理或規(guī)則。
神經(jīng)元網(wǎng)絡(luò)的這種信息存儲(chǔ)和處理方式還有這樣的優(yōu)點(diǎn),即網(wǎng)絡(luò)能通過(guò)不完整的或模糊的信息,便能夠聯(lián)想起一個(gè)完整、清晰的圖像來(lái)。這樣,即使網(wǎng)絡(luò)某一部分受到破壞,仍能恢復(fù)原來(lái)信息。也就是說(shuō)網(wǎng)絡(luò)具有聯(lián)想記憶功能。
神經(jīng)元之間的連接強(qiáng)度通常稱(chēng)為權(quán),這種權(quán)可以事先定出,也可以不斷地改變。它可以為適應(yīng)周?chē)h(huán)境而不斷變化,這種過(guò)程稱(chēng)為神經(jīng)元的學(xué)習(xí)過(guò)程。這種學(xué)習(xí)可以是有教師的學(xué)習(xí),也可以是無(wú)教師的學(xué)習(xí)。神經(jīng)元網(wǎng)絡(luò)的這種自學(xué)習(xí)方法與傳統(tǒng)的以符號(hào)處理為基礎(chǔ)的人工智能的、要求人告訴機(jī)器每步行動(dòng)的方法是完全不同的。
設(shè)計(jì)一個(gè)人工神經(jīng)元網(wǎng)絡(luò),只要給出神經(jīng)元網(wǎng)絡(luò)的拓補(bǔ)結(jié)構(gòu),即神經(jīng)元之間的連接方式及網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù),神經(jīng)元的權(quán)值可以給定或者給出學(xué)習(xí)規(guī)則由神經(jīng)元網(wǎng)絡(luò)自己確定,再給出神經(jīng)元的運(yùn)算規(guī)則。這樣便建成一個(gè)神經(jīng)網(wǎng)絡(luò),它可以用來(lái)進(jìn)行信息處理。
用神經(jīng)元網(wǎng)絡(luò)建立專(zhuān)家系統(tǒng),不須要組織大量的產(chǎn)生式規(guī)則,機(jī)器可以自組織、自學(xué)習(xí)。這對(duì)用傳統(tǒng)的方法建立專(zhuān)家系統(tǒng)最感困難的知識(shí)獲取問(wèn)題,是一種新的有效解決途徑。
下面對(duì)人工神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)及其工作原理作一簡(jiǎn)單介紹。
神經(jīng)元是人工神經(jīng)元網(wǎng)絡(luò)的基本處理單元,它一般是一個(gè)多輸入/單輸出非線性器件。其結(jié)構(gòu)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(quán)值,θ為閾值;s為外部輸入。一般輸入與輸出之間的關(guān)系可表示為
式中為一激發(fā)函數(shù),它通常取下列三種形式:
(1)??? 閾值型。即f為一階躍函數(shù),如圖6—5(a)所示。其表達(dá)式為:
這也是最早提出的二值離散型神經(jīng)元模型。
圖6-4? 神經(jīng)元結(jié)構(gòu)模型
?(2) 分段線性型。如圖6—5(b)所示。
圖6-5? f(a)的類(lèi)型
(3) S狀。這種激發(fā)函數(shù)一般取連續(xù)值,常用對(duì)數(shù)或正切等S狀曲線。如最常用的
也叫Sigmoid函數(shù),這類(lèi)曲線反映了神經(jīng)元的飽和特性,如圖6—5(c)所示。一個(gè)神經(jīng)網(wǎng)絡(luò)是由多個(gè)神經(jīng)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(jīng)網(wǎng)絡(luò)的連接形式
(1) 不含反饋的前向網(wǎng)絡(luò)。如圖6—6(a)所示,神經(jīng)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(jīng)元只接受前一層的輸入,輸入模式經(jīng)過(guò)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(wǎng)絡(luò)。如圖6—6(b)所示,這種神經(jīng)網(wǎng)絡(luò)可以將輸出層直接反饋到輸入層。
(3) 層內(nèi)相互結(jié)合的前向網(wǎng)絡(luò)。如圖6—6(c),同一層內(nèi)的神經(jīng)元之間的相互制約,以實(shí)現(xiàn)同一層內(nèi)的橫向控制。
(4) 層內(nèi)相互結(jié)合型網(wǎng)絡(luò)。如圖6—6(d)所示,這種網(wǎng)絡(luò)是在任意兩神經(jīng)元之間都可以互連。輸入信號(hào)經(jīng)過(guò)這種網(wǎng)絡(luò)時(shí),要經(jīng)過(guò)多次往返傳遞,網(wǎng)絡(luò)經(jīng)過(guò)若干次變化才能達(dá)到某種平衡狀態(tài)。
神經(jīng)網(wǎng)絡(luò)的工作過(guò)程是這樣的,給N組訓(xùn)練樣本{ },其中 , ,k=1,2,…,N,并給初始權(quán)值W,網(wǎng)絡(luò)按照
從輸入經(jīng)隱層到輸出逐層計(jì)算,最后計(jì)算出網(wǎng)絡(luò)的輸出 ,然后網(wǎng)絡(luò)再按照一定的算法修正權(quán)系數(shù)W,使實(shí)際輸出Y與期望輸出Y之間的誤差滿(mǎn)足要求的值。給網(wǎng)絡(luò)足夠的訓(xùn)練樣本,經(jīng)過(guò)訓(xùn)練后,神經(jīng)網(wǎng)絡(luò)就建立起來(lái)了。以后再給網(wǎng)絡(luò)新的輸入,網(wǎng)絡(luò)就會(huì)求出輸出結(jié)果。我們將網(wǎng)絡(luò)修正權(quán)值W的過(guò)程叫做網(wǎng)絡(luò)的學(xué)習(xí),學(xué)習(xí)的目的是使網(wǎng)絡(luò)的實(shí)際輸出更接近期望輸出。學(xué)習(xí)的算法也有多種,一般常用的有相關(guān)的規(guī)則(常用Hebb規(guī)則)、糾錯(cuò)規(guī)則(δ規(guī)則)和無(wú)教師學(xué)習(xí)三種學(xué)習(xí)規(guī)則。
神經(jīng)網(wǎng)絡(luò)中,各神經(jīng)元的結(jié)構(gòu)雖然相同,但是,激發(fā)函數(shù) 的不同,網(wǎng)絡(luò)互連形式的不同以及學(xué)習(xí)規(guī)則的不同,都導(dǎo)致了神經(jīng)網(wǎng)絡(luò)在種類(lèi)上有很大的差異,至今已有30余種神經(jīng)網(wǎng)絡(luò)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(lián)想記憶)和ART模型(自適應(yīng)共振理論)等。
2、神經(jīng)元網(wǎng)絡(luò)用于數(shù)控機(jī)床故障診斷
采用神經(jīng)元網(wǎng)絡(luò)進(jìn)行數(shù)控機(jī)床故障診斷,其原理為:將數(shù)控機(jī)床的故障癥狀作為神經(jīng)元網(wǎng)絡(luò)的輸入,將查得的故障原因作為神經(jīng)元網(wǎng)絡(luò)的輸出,對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行訓(xùn)練。神經(jīng)元網(wǎng)絡(luò)經(jīng)過(guò)學(xué)習(xí)將得到的知識(shí)以分布的方式隱式地存儲(chǔ)在各個(gè)網(wǎng)絡(luò)上,其每個(gè)輸出對(duì)應(yīng)一個(gè)故障原因。當(dāng)數(shù)控機(jī)床出現(xiàn)故障時(shí),將故障現(xiàn)象或數(shù)控機(jī)床的癥狀輸入到該故障診斷神經(jīng)元網(wǎng)絡(luò)中,神經(jīng)元網(wǎng)絡(luò)通過(guò)并行、分布計(jì)算,便可將診斷結(jié)果通過(guò)神經(jīng)元網(wǎng)絡(luò)的輸出端輸出。由于神經(jīng)元網(wǎng)絡(luò)具有聯(lián)想、容錯(cuò)、記憶、自適應(yīng)、自學(xué)習(xí)和處理復(fù)雜多模式故障的優(yōu)點(diǎn),因而非常適用于像數(shù)控機(jī)床故障診斷這樣的事情,是數(shù)控機(jī)床故障診斷新的發(fā)展途徑。
將神經(jīng)元網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)結(jié)合起來(lái),發(fā)揮兩者各自的優(yōu)點(diǎn),更有助于數(shù)控機(jī)床的故障診斷工作的開(kāi)展。
評(píng)論
查看更多