劉銳　張麗梅

摘要：該文研究了專家系統(tǒng)推理機的原理，設(shè)計了基于故障樹的汽車故障診斷專家系統(tǒng)推理機；并以汽車發(fā)動機不能正常啟動為例，說明了該推理機的推理過程。

關(guān)鍵詞：故障樹；故障診斷；推理機；專家系統(tǒng)

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）02-0404-03

1 概述

專家系統(tǒng)是將人類專家處理領(lǐng)域問題的過程模擬為計算機程序，通過計算機程序來解決實際問題，人工智能最主要的一個分支便是專家系統(tǒng)。故障診斷專家系統(tǒng)的推理和診斷過程是根據(jù)專業(yè)領(lǐng)域中一個或者多個人類專家提供的知識、經(jīng)驗、明確規(guī)定的一些規(guī)則進行的，以解決那些現(xiàn)實生活中需要專家親自解決的復(fù)雜問題。如今，我國大部分汽車維修企業(yè)，主要使用的維修方法是：拆卸車輛部件來檢查故障。拆解車輛零部件來檢查故障的故障診斷的準確度非常高，但是對車輛部件進行拆解的過程中，由于有些設(shè)備的結(jié)構(gòu)非常復(fù)雜導致拆裝難度大，以拆解為主的診斷方法肯定會增加維修成本拖延維修速度。所以智能的故障診斷手段是非常有必要的，能在不拆解或者拆解范圍小的情況下，根據(jù)故障現(xiàn)象或故障征兆或者檢測出的具體參數(shù)，診斷出車輛故障情況，確定故障產(chǎn)生的原因、嚴重程度及發(fā)生的具體部位，最終給出準確可行的維修策略和處理方法[1]。專家系統(tǒng)由知識庫、推理機、人機界面接口、全局數(shù)據(jù)庫（Global Database）、解釋機制（Explanation Mechanism） 知識獲取機制（Knowledge Acquisition）[2] 六部分組成，但專家系統(tǒng)的核心是推理機，該文設(shè)計了基于故障樹的汽車故障診斷專家系統(tǒng)推理機。

2 專家系統(tǒng)推理機原理

推理引機實際上是一組用于控制和協(xié)調(diào)整個專家系統(tǒng)，根據(jù)當前輸入的信息，利用知識數(shù)據(jù)庫，按一定的推理策略來處理需要解決的問題的計算機程序，常見的三種推理策略：正向推理，反向推理，正反混合推理。

2.1 正向推理（forward reasoning）

正向推理又稱為數(shù)據(jù)驅(qū)動型推理[3]，是一種從事實（即故障現(xiàn)象或故障征兆）到目標（故障原因）的推理方法。從故障現(xiàn)象或故障征兆出發(fā)通過一定的規(guī)則來證明目標也就是故障原因是成立的即為正向推理。具體推理步驟是：開始向數(shù)據(jù)庫提供一些故障現(xiàn)象或故障征兆，然后將故障現(xiàn)象或故障征兆通過推理控制系統(tǒng)，與知識庫中已經(jīng)存在的知識進行匹配。綜合數(shù)據(jù)庫中存入，以觸發(fā)到的知識為結(jié)論的故障現(xiàn)象或故障征兆。繼續(xù)重復(fù)上面的步驟，再將更新后的數(shù)據(jù)庫中的故障現(xiàn)象或故障征兆，和知識庫中的其他知識進行匹配，然后更新其結(jié)論到數(shù)據(jù)庫。直到?jīng)]有更多的新知識可以匹配，沒有更多的新的故障癥狀出現(xiàn)添加到數(shù)據(jù)庫中。最后，為了測試是否得到的結(jié)果，無解則提示無法匹配退出，有解則返回結(jié)果。圖1為正向推理流程圖。

2.2 反向推理（backward reasoning）

反向推理又稱為目標驅(qū)動型推理[4]，它的推理方式和正向推理相反，一種從目標到事實的推理方法。大致步驟為：

1）從規(guī)則庫中選擇后件與目標相匹配的規(guī)則，將其前提加入待匹配的集合。

2）從待匹配規(guī)則集合中選擇一條規(guī)則，將其前提作為假設(shè)事實。

遞歸調(diào)用這個步驟，直到已知事實出現(xiàn)在待匹配的規(guī)則集合中，則推理結(jié)束。

2.3 正反混合推理（global reasoning）

正反向混合推理（雙向推理）則是一種從事實到目標，再由目標到事實的綜合推理方法，雙向推理的步驟為：1）初始化事實數(shù)據(jù)庫；2）進行正向推理，由已知事實推出部分結(jié)果；3）從部分結(jié)果中選出一個目標；4）以這個目標作為假設(shè)事實，進行反向推理；5）如果有結(jié)論則推理成功，否則轉(zhuǎn)到第二步重新推理。

2.4 三種推理方式的比較

3 基于故障樹正向推理的推理機設(shè)計

3.1 故障樹的推理策略

根據(jù)車輛發(fā)動機的故障狀況，故障現(xiàn)象通常明確地展現(xiàn)給用戶，從而通過故障現(xiàn)象或故障征兆推理出故障原因和故障部位，在確認故障原因的同時，建議給用戶解決問題的措施。與這種思維方式符合的診斷推理過程即為正向推理策略。

3.2 故障樹的建立及檢索策略

高效準確的推理機，搜索策略必須和相關(guān)領(lǐng)域的實際問題相結(jié)合。所以設(shè)計推理機時選擇的搜索策略必須是和具體的領(lǐng)域問題相對應(yīng)的。所選擇的搜索算法合適不合適是影響系統(tǒng)推理機性能的最主要因素，好的搜索算法可以減少時間和空間復(fù)雜度，提高系統(tǒng)推理機的性能。最常用的搜索算法有：廣度優(yōu)先搜索算法與深度優(yōu)先搜索算法。針對發(fā)動機的故障現(xiàn)象和故障征兆是顯性顯示的特點，本系統(tǒng)算法采用深度優(yōu)先搜索算法。從最不希望發(fā)生的頂事件即故障征兆一直搜索到底事件即故障原因。

3.3 系統(tǒng)推理機的推理過程

用戶根據(jù)當前顯性顯示的故障征兆——發(fā)動機不能發(fā)動，選取相應(yīng)的子故障樹，系統(tǒng)將采用深度優(yōu)先搜索算法，檢索相應(yīng)的子故障樹的各個節(jié)點，動態(tài)地找到相對應(yīng)的故障表讀取故障原因，然后應(yīng)用推理機的正向推理策略證明目標節(jié)點也就是給出故障原因，通過與用戶交互，根據(jù)用戶的反應(yīng)對診斷結(jié)果進行確認，最后給出故障原因和相應(yīng)的維修對策。

4 結(jié)束語

分析比較常用的三種推理策略正向推理、反向推理、正反混合推理。其中正向推理是數(shù)據(jù)驅(qū)動型推理，具有充分利用用戶主動提出的信息的優(yōu)點；反向推理是目標驅(qū)動型推理，推理的目的性很強；正反混合推理充分利用現(xiàn)有知識并且推理的目的性強。由于汽車發(fā)動機的故障現(xiàn)象一般都是顯示的呈現(xiàn)出來的，推理過程與正向推理相對應(yīng)，所以本文提出基于故障樹正向推理的推理策略，算法采用是深度優(yōu)先搜索算法。說明了該基于故障診斷專家系統(tǒng)推理機的推理過程。

參考文獻：

[1] 金永夫.車輛故障診斷專家系統(tǒng)的研究和設(shè)計[D].杭州：浙江工業(yè)大學，2010.

[2] 林曉斌.基于不確定推理的車輛故障診斷專家系統(tǒng)[D]. 大連：大連理工大學，2007.

[3] 李躍新，胡婕，秦麗，等.知識工程基礎(chǔ)與應(yīng)用案例[M].北京：科學出版社，2006.

[4] 胡運發(fā).數(shù)據(jù)與知識工程導論[M].北京：清華大學出版社，2003.

[5] 黃麗，全秋紅，賽小平.電噴發(fā)動機故障診斷專家系統(tǒng)知識庫與推理機的構(gòu)建[J].電子科技，2007（1）：73-77.