爱华网 摘要： 文章基于关系数据库技术，针对目前故障诊断专家系统推理匹配冲突、组合爆炸等导致专家系统运行效率低下的缺陷，提出一种构造所有故障现象与原因对应数据库表，应用关系数据库查询搜索技术的推理机制，将大量推理过程提前到专家系统构造或学习阶段完成。专家系统应用时只执行数据查询搜索，大大提高专家系统的执行效率，为相关方面专家系统设计开发提供借鉴。
Abstract： This paper presents a reasoning mechanism as construction phenomenon and cause of all failures correspond to database tables, using relational database query inference search technology, based on relational database technology for the current conflict in reasoning matches, combinatorial explosion as a result of poor operating efficiency expert system defects. This reasoning mechanism will be a lot of reasoning advanced to expert systems constructing or learning stages. When the expert system is used, the data query search will be running for improving the efficiency of expert system and providing reference as expert system design and development.
关键词： 故障诊断；专家系统；关系数据库；推理机；搜索
Key words： fault diagnosis；expert system；relational database；inference engine；search
中图分类号：TP182 文献标识码：A文章编号：1006-4311（2011）01-0173-02
0引言
专家系统作为人工智能的一个重要分支，已经从最初的某个方面简单智能程序发展到今天在各行各业中解决复杂问题的比较成熟阶段[1]。故障诊断专家系统更是在工业发展中发挥着巨大的作用。专家系统结构中的推理机是根据当前已知的事实或针对综合数据库中的当前信息，利用知识库中的知识，按一定的推理方法和搜索策略进行推理，求得问题的答案或证明某个结论的正确性[2]。推理机的效率、准确性直接反映专家系统的效率和准确性等，体现了专家的思维过程。然而随着专家系统不断向深层次方向发展，推理时匹配冲突、组合爆炸等问题渐渐变得越来越突出，严重制约着专家系统的发展。
1目前故障诊断专家系统之推理
推理就是模拟人工专家的思维，从一个结论得出另一个结论的过程[3]。目前故障诊断专家系统推理多应用以下推理：第一，采用故障类型诊断的反向推理和故障原因分析及故障消除措施正向推理相结合的混合推理机制；第二，基于事例推理和基于规则推理的混合推理机制；第三，基于实时参数的实时诊断推理机、基于规则的交互推理机、基于不确定性推理的自动推理机制；第四，基于产生式规则的前向链接快速推理等。这些推理算法极大地促进了故障诊断专家系统的发展，但是，却都是专家系统在具体诊断故障时进行推理，用时长，效率低，影响专家系统的执行效率。由于关系数据库技术目前发展已经比较成熟。在此，我们考虑，建立好故障诊断专家系统知识库后，将所有能知道的故障现象和对应原因推理出来存储在故障现象与原因对应数据库中，专家系统应用时只是进行数据搜索，以提高专家系统应用时的效率。当有新知识增加时，更新故障现象与原因对应数据库。
2基于关系数据库的故障诊断专家系统之推理
故障诊断专家系统主要是通过故障现象、故障前兆或检测到的非正常数据等获得被测设备发生故障的原因，有一定的故障与原因对应关系，可以通过关系数据库描述。
2.1 基于关系数据库的知识表示根据故障诊断过程的实际情况，即是应该先知道故障现象，然后从故障现象开始判断产生该故障现象的原因。也就是有了结论Q，判断是什么前提P产生的。既然如此，我们将所有的故障现象和对应直接原因构造成关系型数据库表以表示知识，一部分字段表示结论（故障现象），另一部分字段表示产生该结论的直接前提（直接原因），同一条记录表示直接相关的一组结论和前提。在故障诊断中，存在同一故障现象可能是由不同的原因产生的，即一果多因，也就是同一个结论也可能由不同前提导致，即可能有：
P1∨P2∨P3∨……∨Pi → Qm
结论Qm可能由前提P1到Pi之间的一个或多个导致。在本推理中采用归约的方式，从现象找原因，对于同一个故障现象，可以找到多个原因。因此，增加一个概率字段，通过概率字段体现各个前提导致相同结论发生的概率。
2.2 基于关系数据库的推理机制我们用关系数据库记录表示知识，一条记录表示一个具有直接因果关系的知识，各记录表示的知识通过相同结论或前提又建立关联。即若有记录表示了两条知识 A→B和 B→C，则这两条知识通过相同的B值建立关联，可以表示出A→C。若有A→B，C→B，则表示了结论B有两个前提A和C，归约时将顺着A和C两个方向分别归约查找上一级故障源。
综合上边情况，我们在该专家系统中推理过程采用归约的方式，首先确定故障现象，然后搜索故障源。将所有故障现象和搜索到的原因构造完全故障现象与原因对应表和最终故障现象与原因对应表。完全故障现象与原因对应表实质是推理机推理过程的所有知识构成的数据表。该数据表的每一条记录都表示了一个故障现象和相应的故障原因，包括所有的直接原因和非直接原因。最终故障现象与原因对应表是完全故障现象与原因对应表的一部分，只记录产生一个故障现象的最根本原因及对应概率，用于专家系统中不需要中间推导而只需要最终故障原因的场合。推理机总体设计部分详细介绍这两个表的构造方法。
本推理机制是将推理机分为两部分，第一部分是根据已有的事实结论和结论与结论之间的推理对应关系（即知识库），采用归约的方式推理构造一个所有结论与前提对应表（前边提到的故障现象与原因对应表），包括直接前提与非直接前提。当有新知识加入到知识库时必须更新故障现象与原因对应表；第二部分是根据用户的输入（即故障现象及相关信息），在故障现象与原因对应表中，采用多条件组合查询，得出需要的结论，完成整个系统的推理。第一部分在专家系统构造或知识学习阶段完成，第二部分在专家系统应用时完成。推理机总体结构如图1所示。
2.3 推理机总体设计该推理机制将推理过程分为两部分，第一部分构造故障现象与对应原因对应表，第二部分是在故障现象与对应原因对应表中搜索查询。推理工作主要在第一部分。故障现象与原因对应表分为最终故障现象与原因对应表与完全故障现象与原因对应表，根据知识库构造这两个表的方法如下：
算法1：故障现象与对应原因数据表构造。
①初始化，构造最终故障现象与原因对应表与完全故障现象与原因对应表两个空表。打开知识库，记录指针1指向首记录。转②。②若知识库中记录指针1指向末尾，则转⑥；否则，记录指针下移一条记录，转③。③将本条记录对应的结论和前提分别保存在变量J和变量Q中，变量a保存对应概率值。构造记录指针2，转④。④用变量J和Q 分别对应记录的结论和前提字段，a对应概率字段构成新纪录，填入到完全故障现象与原因对应表，使指针2指向知识库首记录。转⑤。⑤利用指针2向下开始从结论字段搜索Q值。若搜索到知识库结尾仍未搜索到，则用变量J和Q 分别对应记录的结论和前提字段，a对应概率字段构成新纪录，填入到最终故障现象与原因对应表，转②；否则搜索到后，将对应记录前提字段记入Q，a值乘以该记录概率字段值得到新a值，即a=a*概率。转④。⑥最终故障现象与原因对应表和完全故障现象与原因对应表两个表构造完毕，关闭这两个表及知识库表。
系统完整推理机构造方法如下：
算法2：系统完整推理机。
①初始化。构造一个知识集数据表。该表的主要字段有结论（故障现象）、前提（产生该故障现象的直接原因）、概率（该结论由此前提导致的概率）、解释说明、专家建议处理等。转②。②向知识库中添加新知识。转③。③利用算法1构造完全故障现象与原因对应表和最终故障现象与原因对应表。完成推理机第一部分工作。转④。④若有新知识要加入，则转②；否则转⑤。⑤推理机第二部分。若用户需要推理过程，则打开完全完全故障现象与原因对应表，否则，打开最终故障现象与原因对应表。转⑥。⑥根据用户输入的故障现象等信息，从打开的故障现象与原因对应表中查询，当出现多个故障原因时，依据对应概率大小询问用户进一步的故障现象信息，若能唯一确定故障原因，则继续查询对应的更进一步的原因，否则对多个原因分别进行查询，查询过程中根据用户输入的故障现象排除部分原因。若查找到原因，取出对应人工专家建议处理意见，转⑦。若没有查找到的原因，转⑧。⑦输出相关信息。若用户继续查找，则转⑥。否则，结束。⑧系统无法解决此问题。请求人工输入原因，并将其记入后备知识库表，向相关用户发送有新知识出现消息。若用户继续查找，则转⑥。否则，结束。
3总结
本文提出了基于关系型数据库技术的知识表示和基于关系数据库纪录搜索与替换的推理机制，通过对知识数据库中数据进行搜索替换并构造添加新纪录的方法，构造出故障现象与故障诊断结果对应数据库，使专家系统模拟记忆力极强的人类专家，将大量的推理过程提前到专家系统构造或学习阶段，在专家系统应用时主要是在关系数据库中进行组合查询或只进行简单的推理，以提高专家系统应用时的执行速度和效率。
参考文献：
[1]黄可鸣．专家系统导论[M]．南京：东南大学出版社，1998：21-23．
[2]蔡瑞英，李长河．人工智能[M]．武汉：武汉理工大学出版社，2003，8：122-190，202-203．
[3]P.H温斯顿.人工智能[M]．科学出版社，2000：121-123．
百度搜索“爱华网”,专业资料、生活学习,尽在爱华网!
