【文章內(nèi)容簡(jiǎn)介】 域的任務(wù)。 一般分為以下數(shù)據(jù)庫(kù)： 發(fā)動(dòng)機(jī)故障診斷數(shù)據(jù)庫(kù) 底盤機(jī)械傳動(dòng)故障診斷數(shù)據(jù)庫(kù) 電路電氣故障診斷數(shù)據(jù)庫(kù) 每個(gè)數(shù)據(jù)庫(kù)中又包含若干相互關(guān)聯(lián)的數(shù)據(jù)表，在數(shù)據(jù)表中存儲(chǔ)每種汽車故障表現(xiàn)癥狀、故障發(fā)生機(jī)理、故障發(fā)生原因、故障發(fā)生部位、故障排除與維修處理方法等字段，在數(shù)據(jù)表與數(shù)據(jù)表之間，數(shù)據(jù)字段與數(shù)據(jù)字段之間建立一對(duì)一或一對(duì)多的層次樹結(jié)構(gòu)，使整個(gè)維修知識(shí)庫(kù)成為有機(jī)整體。 數(shù)據(jù)庫(kù) 汽車故障診斷專家系統(tǒng) 汽車故障診斷專家系統(tǒng)是一種能模擬維修專家的診斷思路進(jìn)行故 障診斷的計(jì)算機(jī)智能軟件程序。開發(fā)這樣一個(gè)系統(tǒng)，首先需要將汽車 維修領(lǐng)域?qū)＜业拇罅繉?shí)際維修經(jīng)驗(yàn)進(jìn)行匯總和提煉，編成知識(shí)庫(kù)，構(gòu) 成專家系統(tǒng)的核心部分；其次需要建立推理機(jī)，推理機(jī)可根據(jù)用戶提 供的故障跡象或者異?，F(xiàn)象，利用知識(shí)庫(kù)中的知識(shí)，按一定的推理策 略進(jìn)行推理，進(jìn)而得出診斷結(jié)果。專家系統(tǒng)的結(jié)構(gòu)如下圖所示。 一個(gè)專家系統(tǒng)應(yīng)具有如上圖所示的一般結(jié)構(gòu)模式，其中 知識(shí)庫(kù) 和 推理機(jī) 是專家系統(tǒng)中兩個(gè)基本模塊。 ① 知識(shí)庫(kù)（ Knowledge Base） 所謂知識(shí)庫(kù)，就是以某種表示形式存儲(chǔ)于計(jì)算機(jī)中的知識(shí)的集合。知識(shí)庫(kù)通 常是以一個(gè)個(gè)文件的形式存放于外部介質(zhì)上，專家系統(tǒng)運(yùn)行是將被調(diào)入內(nèi)存。 知識(shí)庫(kù)中的知識(shí)一般包括專家知識(shí)、領(lǐng)域知識(shí)和元知識(shí)。元知識(shí)是關(guān)于調(diào)度 和管理知識(shí)的知識(shí)。知識(shí)庫(kù)中的知識(shí)通常就是按照知識(shí)的表示形式、性質(zhì)、 層次、內(nèi)容來(lái)組織的，構(gòu)成了知識(shí)庫(kù)的結(jié)構(gòu)。 ②推理機(jī)（ Inference Engine） 所謂推理機(jī)，就是實(shí)現(xiàn)（機(jī)器）推理的程序。這里的推理，是一個(gè)廣義 的概念，它既包括通常的邏輯推理，也包括基于產(chǎn)生式的操作。例如： A→B ， 這里的 B若是個(gè)“結(jié)論”，則上式就是我們通常的假言推理；若表示某種動(dòng)作， 則上式就是一種操作。推理機(jī)是使用知識(shí)庫(kù)中的知識(shí)進(jìn)行推理而解決問(wèn)題的， 所以推理機(jī)也就是專家的思維機(jī)制，即專家分析問(wèn)題、解決問(wèn)題的方法的一 種算法表示和機(jī)器實(shí)現(xiàn)。 總之，知識(shí)庫(kù)和推理機(jī)構(gòu)成了一個(gè)專家系統(tǒng)的基本框架。同時(shí)，這兩部分 又是相輔相成、密切相關(guān)的。因?yàn)椴煌闹R(shí)表示有不同的推理方式，所以， 推理機(jī)的推理方式不僅和工作效率與推理機(jī)本身算法有關(guān)，還與知識(shí)庫(kù)的知識(shí) 以及知識(shí)庫(kù)的組織有關(guān)。 流程圖 故障診斷模塊以人機(jī)對(duì)話的方式搜索用戶所掌握的故障線索， 模仿維修專家的診斷思路進(jìn)行推理，進(jìn)而一步步找出故障部件及 原因，其診斷流程如下所示。 舉例：轉(zhuǎn)向系的故障診斷專家系統(tǒng) 診斷結(jié)果 ?故障診斷專家系統(tǒng)的現(xiàn)狀 目前已研究的故障診斷專家系統(tǒng)模型有 : 基于規(guī)則的診斷專家系統(tǒng)、基于實(shí)例的診斷專家系統(tǒng)、基于行為的診斷專家系統(tǒng)、基于模糊邏輯的診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)。 基于規(guī)則的診斷方法是根據(jù)以往專家診斷的經(jīng)驗(yàn) , 將其歸納成規(guī)則 , 通過(guò)啟發(fā)式經(jīng)驗(yàn)知識(shí)進(jìn)行故障診斷 , 適合于具有豐富經(jīng)驗(yàn)的專業(yè)領(lǐng)域故障診斷。基于規(guī)則的診斷具有知識(shí)表述直觀、形式統(tǒng)一、易理解和解釋方便等優(yōu)點(diǎn) , 診斷知識(shí)的獲取依賴于領(lǐng)域?qū)＜摇５珡?fù)雜系統(tǒng)所觀測(cè)到的癥狀與所對(duì)應(yīng)診斷之間的聯(lián)系是相當(dāng)復(fù)雜的 , 通過(guò)歸納專家經(jīng)驗(yàn)來(lái)獲取規(guī)則 , 有相當(dāng)難度 , 且一致性難以保證。 基于實(shí)例推理 (Case based reasoning , 簡(jiǎn)稱 CBR) 是近年來(lái)人工智能領(lǐng)域興起的一種診斷推理技術(shù) , 是類比推理的一個(gè)獨(dú)立子類 , 符合人類的認(rèn)知心理。簡(jiǎn)單的說(shuō) , 基于實(shí)例推理的依據(jù)就是相似的問(wèn)題有相似的解?；趯?shí)例的診斷專家系統(tǒng)具有諸多優(yōu)點(diǎn) : 無(wú)須顯示領(lǐng)域知識(shí) 。 無(wú)須規(guī)則提取 , 降低知識(shí)獲取難度 。 開放體系 , 增量式學(xué)習(xí) , 實(shí)例庫(kù)的覆蓋度隨系統(tǒng)的不斷使用而組建增加?；诎咐脑\斷方法適用于領(lǐng)域定理難以表示成規(guī)則形式 , 而是容易表示成案例形式并且已積累豐富案例的領(lǐng)域 (如醫(yī)學(xué)診斷 ) 。 3 基于模糊理論的診斷專家系統(tǒng) 模糊診斷的實(shí)質(zhì)是引入隸屬函數(shù)概念 , 模糊邏輯以其較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力 , 適合處理診斷中的不確定信息和不完整信息。 模糊故障診斷有兩種基本方法 , 一種是先建立征兆與故障類型之間的因果關(guān)系矩陣 R, 再建立故障與征兆模糊關(guān)系方程 , 即 F = S R, 這里 F 為模糊故障矢量 。 S 為模糊征兆矢量 。 “ ” 為模糊合成算子。另一種方法是先建立故障和征兆的模糊規(guī)則庫(kù) , 再進(jìn)行模糊邏輯推理的診斷過(guò)程 。 設(shè)： X = ( ux1 ( X1) , ux2, ?, uxm ( Xm ) ) 為故障征兆模糊向量 ,簡(jiǎn)記為 X = ( x1 , x2 , ? x m) . Y = (μy（ y1) ,μy ( y2) , ?,μy ( yn ) ) = ( y1 , y2 , ?, yn ) 為故障原因向量 。 隸屬度函數(shù)定義：稱 R = ( rij ) m n , 0 ≤rij ≤1 為模糊診斷矩陣 ,即 r11 r12 ? r1 n r21 r22 ? r2 n R=? ? ? ? rm1 rm2 ? rmn 其中模糊隸屬度的確定由下述方法進(jìn)行 : 由經(jīng)驗(yàn)數(shù)據(jù)確定經(jīng)驗(yàn)隸屬度 rij : rij = 第 i 征兆屬于第 j 原因次數(shù)；第 i 征兆出現(xiàn)總次數(shù) 例子 舉例：某型汽車電噴發(fā)動(dòng)機(jī)故障診斷 。 1 .故障征兆 x1 (啟動(dòng)困難 ) , x 2 (怠速不穩(wěn) , 易熄火 ) , x3 (加速時(shí) ,轉(zhuǎn)速不能立即提升 ) , x4 (動(dòng)力不足 ,車速達(dá)不到最大值 ) , x5 (轉(zhuǎn)速忽高忽低 ) , x 6 (排氣管有“突、突”聲 ,嚴(yán)重時(shí)會(huì)發(fā)出放炮聲 )。 2 .故障原因 y1 (進(jìn)氣系統(tǒng)漏氣 ) , y2 (空氣流量計(jì)失效 ) , y3(噴油器工作不正常 ) , y4 (空氣濾清器堵塞 ) , y5 (氣缸壓力低 ) , y6 (點(diǎn)火時(shí)間不正確 ,或高壓火花太弱 ) ,y7 (蓄電池虧電 ,電壓不足 ) , y8 (節(jié)氣門位置傳感器工作不正常 ) , y9 ( ECU 故障 ) 。 某維修廠歷年統(tǒng)計(jì)的電噴發(fā)動(dòng)機(jī)故障中 ,故障征兆 xi 與故障原因 yj 對(duì)應(yīng)出現(xiàn)次數(shù)如表一。 表 1 故障征兆隸屬故障原因統(tǒng)計(jì)表 (原因 j 、征兆 i) y1 y2 y3 y4 y5 y6 y7 y8 y9 x1 3 1 5 0 0 4 2 0 1 x2 5 3 2 4 1 0 0 0 1 x3 6 0 4 0 2 3 0 1 1 x4 0 5 2 4 1 2 1 3 0 x5 5 3 2 4 0 1 0 0 1 x6 4 2 3 0 0 0 0 2 1 得經(jīng)驗(yàn)診斷矩陣 : V = 0 0 0. 25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 由專家擇優(yōu)得初始診斷矩陣 S = ( sij) 6 9為 S = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 設(shè)專家權(quán)重 W1 = 0. 6 ,經(jīng)驗(yàn)權(quán)重 W2 = 0. 4 ,由 rij = 0. 6 sij + 0. 4 vij ,得模糊診斷矩陣為 : R = 0 0 0 0 0 0 0 0 0 0 0 0 .0 0 0 0 0 0 0 由模型 : Y = X R , 輸入征兆向量 X , 即可得出故障原因向量 Y ,再由最大隸屬度原則可診斷出故障原因 . 如 : X = (0 0 1 0 0 1 ) 時(shí) ,即有 x3 , x6 故障現(xiàn)象時(shí) ,得 Y = (1. 0545 0. 2167 0. 6141 0 0. 1370 0. 2206 0 0. 2402 0. 1768) 由最大隸屬度原則 y1 = max{ yj | j = 1 , 2 , 3 , 4 ,5 ,6 ,7 ,8 ,9} ,故診斷的故障原因?yàn)榈谝辉?,即進(jìn)氣系統(tǒng)漏氣。 ?模糊控制優(yōu)缺點(diǎn) ?優(yōu)點(diǎn) 在汽車故障診斷中，同樣存在界限不分明的模糊概念 (如發(fā)動(dòng)機(jī)溫 度“偏高”、輪胎磨損“較嚴(yán)重”等具有模糊性的故障描述 )，運(yùn)用模 糊理論的診斷方法將更為有效。模糊診斷的實(shí)質(zhì)是引入隸屬函數(shù)概念， 模糊邏輯以其較強(qiáng)的結(jié)構(gòu)性知識(shí)表達(dá)能力，適合處理診斷中的不確定信 息和不完整信息。 ?缺點(diǎn) 模糊診斷知識(shí)獲取困難 , 尤其是故障與征兆的模糊關(guān)系較難確定 , 且 系統(tǒng)的診斷能力依賴模糊知識(shí)庫(kù) , 學(xué)習(xí)能力差 , 容易發(fā)生漏診或誤診。由 于模糊語(yǔ)言變量是用隸屬函數(shù)表示的 ,實(shí)現(xiàn)語(yǔ)言變量與隸屬函數(shù)之間的轉(zhuǎn) 換是一個(gè)難點(diǎn)。 人工神經(jīng)網(wǎng)絡(luò) (Artificial neural work , 簡(jiǎn)稱 ANN) 具有較好的容錯(cuò)性、響應(yīng)快、強(qiáng)大的學(xué)習(xí)能力、自適應(yīng)能力和非線性逼近能力等, 被廣泛應(yīng)用于故障診斷領(lǐng)域。基于神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)有兩種形式 : 一種是使用神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)造專家系統(tǒng) , 變基于符號(hào)的推理為基于數(shù)字運(yùn)算的推理 , 提高系統(tǒng)效率 , 解決自學(xué)習(xí)問(wèn)題 。 另一種是把神經(jīng)網(wǎng)絡(luò)作為知識(shí)源的表示和處理模式 , 并與其它推理機(jī)制相融合 , 實(shí)現(xiàn)多模式推理。 基于神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)是一類新的知識(shí)表達(dá)體系 ,不同于傳統(tǒng)診斷專家系統(tǒng)的高層邏輯模型 , 是一種低層數(shù)值模型。其分布式聯(lián)結(jié)機(jī)制 , 實(shí)現(xiàn)知識(shí)表示、存儲(chǔ)和推理三者融為一體 , 在知識(shí)獲取、并行推理和自適應(yīng)學(xué)習(xí)等方面顯示出明顯的優(yōu)越性 , 一定程度上克服了傳統(tǒng)診斷專家系統(tǒng)存在的知識(shí)獲取困難、推理速度慢、知識(shí)存儲(chǔ)容量與系統(tǒng)運(yùn)行速度的矛盾及知識(shí)的窄臺(tái)階效應(yīng)等問(wèn)題。 ? 基本概念 由大量的 簡(jiǎn)單處理單元（神經(jīng)元） 經(jīng)廣泛 并行互連 形成的一種