基于CLIPS的雷達故障診斷專家系統研究

吳立蓉，王仁波

（東華理工大學，機械與電子工程學院，江西 南昌 330013）

科學技術不斷發展，新器件、新材料和大規模集成電路被應用于雷達中，使雷達設備的戰術、技術等性能指標得到不斷提高的同時，亦使其復雜程度日益提高。本設計采用CLIPS搭建故障診斷專家系統，完成了專家系統知識庫、事實庫以及推理機的設計，并在CLIPS6.3上調試，實驗結果能完成預期故障診斷。

1 基于CLIPS的故障診斷系統簡介

圖1 故障診斷專家系統組成框圖

專家系統與自然語言理解、機器人一起并列為人工智能研究最活躍的三大領域。專家診斷系統是針對設備故障特征、機理以及故障的處理而建立的設備智能診斷專家庫。專家庫在系統運行期間，每遇到一個新型故障，就將其作為事例加入到事例庫，從而不斷完善智能診斷專家庫。并且把完善的專家系統及時反饋到現場診斷系統。其組成框圖1所示。

利用專家系統工具CLIPS開發的故障診斷專家系統使用C語言開發，因此具有較快的速度和良好的可移植性。因為CLIPS的開源性，所以作為本設計的首選。

2 實驗簡介

（1）實驗對象故障樹模型如圖2所示，各代號具體意思如表1所示。

圖2 雷達天饋系統故障樹

表1 對應各代號表示的故障含義

（2）系統知識與推理機軟件設計。CLIPS中的定義模板來這樣定義規則，其推理機流程圖如3所示。

圖3 推理機流程圖

3 調試CLIPS程序

本專家系統的知識庫和推理機都是在CLIPS工具中進行的,但是知識是基于事實的表達，推理規則是由CLIPS規則組成，因此推理機與知識庫是單獨開發的，這里將部分運行的規則保存為radar.clp。圖4的實例是在CLIPS6.3中的運行結果。

圖4 實驗調試結果

4 結語

實驗結果表明，本設計基于CLIPS的雷達故障診斷專家系統，基本上能達到實驗預期效果。利用故障診斷專家系統，知識是專家系統性能的關鍵因素，對知識庫的編輯和推理在故障診斷的過程中起著非常重要的作用。知識的表示和推理的方法則提供了應用的機理。相比較傳統軟件的“數據+算法=程序”，專家系統的“知識+推理=系統”在故障診斷方面有較大的優勢和拓展空間。

[1] 賀科學,雷達檢驗監測及數據處理系統的研制[D].西安：西安科技大學，2004．

[2]丁敏,謝華.基于虛擬儀器的雷達故障檢測系統設計[J].儀器儀表用戶,2009,(2)：52—53.

[3]劉承相, 程禮. 故障樹在專家系統中的應用[J].機械科學與技術，2003,（11）.

[4]敖志剛. 人工智能及專家系統[M].北京:機械工業出版社，2010.

[5]安麗娜,張士杰.專家系統研究現狀及發展[J].計算機應用研究，2007,（12）.

[6]黃可鳴. 專家系統[M]. 南京:東南大學出版社，1991.

[7]印鑒，陳憶群，等譯.專家系統原 理與編程[M].北京：機械工業出版社，2006 .

[8]楊家濤.基于CLIPS 的船舶機艙設備故障診斷專家系統研究[D].武漢理工大學,2012.

[9]吉奧克等.專家系統原理與編程[M].北京:機械業出版社,2006.

[10]譚大鵬,李培玉,潘曉弘.基于CLIPS 的故障診斷專家系統開發環境[J].浙江大學學報(工學版),2009,(2).