[图文]专家系统的基本结构及功能 热 ★★★
专家系统的基本结构及功能
作者：未知 文章来源：网上搜集 点击数： 更新时间：2006-10-24 19:33:58
一、专家系统的基本结构
上节已经介绍，专家系统是一类包含知识和推理的智能计算机程序。但是，这种智能程序与传统的计算机应用程序已有本质上的不同。在专家系统中，求解问题的知识已不再隐含在程序和数据结构中，而是单独构成一个知识库。这种分离为问题的求解带来极大的便利和灵活性。实际上，常规的计算机应用程序也有知识，也可解决“专家级水平”的问题，但是这些知识隐含在程序结构之中，由于结构是固定的，不易修改，适用范围就受到一定限制，对不同类型的问题，必须编写不同的程序。而在专家系统中，专家的知识用分离的知识进行描述，每一个知识单元描述一个比较具体的情况，以及在该情况下应采取的措施，而专家系统总体上则提供了一种机制—推理机制。这种推理机制使其可以根据不同的处理对象，从知识库中选取不同的知识元构成不同的求解序列，或者说生成不同的应用程序，以完成某一指定任务。一旦推理机制和某个专业领域知识库已经建成，该系统就可处理本专业领域中各种不同的问题，就好像为每一个具体问题都编制了一个具体的程序一样，而这些程序的修改调试也只需要修改相应的知识元即可，其推理机制可保持不变。这就使得系统具有很强的适应性和灵活性，而常规的计算机应用程序很难做到这一点。
由于专家系统是一类相当广泛的系统，其技术还处于不断发展时期，因此，专家系统的结构也没有一个固定不变的模式，通常设备故障诊断专家系统主要由知识库、数据库、推理机、学习系统、上下文、症兆提取器和解释器组成，如图1-1所示。
二、专家系统各部分功能
1．知识库
知识库是用来存放专家知识、经验、书本知识和常识的存储器。在知识库中，知识是以一定的形式来表示的，知识库的结构形式取决于所采用的知识表示方式，常用的有逻辑表示、语义网络表示、规则表示、框架表示和子程序表示等。用产生式规则表达知识方法是目前专家系统中应用最普遍一种方法，它不仅可以表达事实，而且可以附上置信度因子来表示对这种事实的可信程度，这就导致了专家系统非精确推理的可能性。
2．数据库
数据库是专家系统中用于存放反映系统当前状态的事实数据的场所。事实数据包括用户输人的事实、已知的事实以及推理过程中得到的中间结果等。
数据库通常由动态数据库和静态数据库两部分构成。
静态数据库用来存放相对稳定的参数，如离心式压缩机的设计参数：额定工作转速、
额定流量、压力、振动报警限等。
动态数据库是运行过程中的机组参数，如某天某时的工作转速、介质流量、振动幅值等。这些数据都是推理过程中不可少的诊断依据。
数据库的表示和组织通常与知识库中知识的表示和组织相容或一致，以使推理机能方便地去使用知识库中的知识、综合数据库中的数据描述问题和表达当前状态的特征数据去求解问题。数据库通常以“事实规则”的形式来表达，此时数据库也可以看作没有条件的规则，因此有些专家系统将数据库和知识库合二为一。
3．推理机
推理机实际上是一组计算机程序，用以控制、协调整个系统，并根据当前输人的数据利用知识库的知识按一定推理策略去逐步推理直到得出相应的结论为止。推理机包括推理方法和控制策略两部分。
(1)推理方法
推理方法分为清精确推理和不精确推理两类。
①精确推理把领域的知识表示成必然的因果关系，推理的结论是肯定的或否定的。
②不精确推理在专家给出的规则强度和用户给出的原始证据不确定性的基础上，定义一组函数，求出结论的不确定性度量。其基本做法是，给各处不确定的知识某种确定性因子，在推理过程中，依某种算法计算中间结果的确定性因子，并沿着推理传播这种不确定性，直到得出结论。
(2)控制策略
控制策略主要是指推理方向的控制及推理规则的选择策略。推理有正向推理、反向推理及正反向混合推理等。
①正向推理从原始数据或原始症兆出发，向结论方向的推理。推理机根据原始症兆，在知识库中寻找能与之匹配的规则，如匹配成功，则将该知识规则的结论作为中间结果，再去寻找可匹配的规则，直到找到最终结论。
②反向推理先提出假设，然后由此假设结论出发，去寻找可匹配的规则，如匹配成功，则将规则的条件作为中间结果，再去寻找可匹配的规则，直到找到可匹配的原始症兆，则反过来认为此假设成立。
以上两种推理均为单向推理。单纯的正向推理，目的性不强，搜索效率低；单纯的反向推理，初始假设盲目性大。因此通常采用正反向混合推理。
③正反向混合推理先根据重要症兆，通过正向推理得出假设，再以假设去反向推理，寻找必要条件，如此反复。
例如，在旋转机械故障诊断中，振动信号是主要的诊断依据，大量的诊断知识是以振动理论为基础的。在振动信号中，频谱又是诊断的首要依据。因此，通常旋转机械的故障诊断是以频谱作为正向推理的症兆，得出故障假设集，再以假设集去指导反向推理。
4.学习系统（知识获取系统）
知识获取过程实际上是把“知识”从人类专家的脑子中提取和总结出来，并且保证所获取的知识的正确性和一致性，它是专家系统开发中的关键。
构造专家系统时，要求专业领域的专家和知识工程师密切合作，总结和提取专家领域知识，把它形式化并编码存人计算机中形成知识库。但是，专业领域知识是启发式的，较难捕捉和描述，专业领域专家通常善于提供事例而不习惯提供知识，同时，建成的知识库经常会发现有错误或不完整。因此，知识获取过程还包括对知识库的修改和扩充，这也是知识获取被公认为是专家系统开发研究中瓶颈问题的原因之一。
早期的专家系统完全依靠专家和计算机工作者把领域内的知识总结归纳出来，然后将它们程序化建立知识库。此外，对知识库的修改和扩充也是在系统的调试和验证过程中手工进行的。后来，一些专家系统或多或少地具有了自动知识获取功能。然而，基于规则的学习系统灵活性较差，且知识库的维护较难。最近几年专家系统和神经网络结合后，才大大改观了知识自动获取的困难局面。
5．上下文（黑板）
上下文即存放中间结果的地方，给推理机提供一个笔记本记录，指导推理机工作，其功能相当于一个工作过程的“记录黑板”，可以擦除和重写。
6．症兆提取器
在故障诊断领域，症兆通常是采取人机交互方式，由人机交互接口送人系统中。显而易见，人机交互容易产生因人而异的弊端，同一个专家系统，因操作者水平不同会产生的不同的结果。
故障诊断准确的前提是故障症兆正确。故障症兆的识别不仅重要而且难度较大，因为现代设备的动态信号不仅包含有随机因素、混沌因素等，而且常常存在并发故障的复合因素。因此，故障症兆的自动识别应是故障诊断专家系统必不可少的一个组成部分。
症兆的全自动识别有一种较简单实用的方法，就是特征参数计算。比如正弦波形的识别，可以用被识别波形与正弦波的相似系数作为识别的特征参数。
7．解释器
透明性是对专家系统性能的衡量指标之一。透明性就是专家系统能告诉用户自己是如何得出此结论的，根据是什么。解释的目的是让用户相信自己，它可以随时回答用户提出的各种问题，包括与系统推理有关的问题和与系统推理无关的系统自身的问题。它可对推理路线和提问的含义给出必要的清晰的解释，为用户了解推理过程以及维护提供方便的手段，便于使用和调试软件，并增强用户的信任感。
网友评论：（只显示最新10条。评论内容只代表网友观点，与本站立场无关！）
