崔俊英
(布勒(常州)機械有限公司,江蘇 溧陽 213300)
現階段,隨著我國技術水平越來越高,飼料工業不斷成熟,飼料機械故障診斷和管理已經成為飼料加工企業經濟利潤帶來影響的重要方面。造成機械故障的原因比較繁瑣,相同的故障往往存在許多原因,并且設計范圍比較廣,能夠對故障進行準確診斷。這就需要診斷人員對設備基本原理進行詳細了解,有著比較多的實踐經驗和操作技能[1]。因為有著專家水平的人員比較少,不能對社會基本需求進行滿足,進而就需要對這個矛盾研究一種新型的診斷技術。在實際當中,專家系統在計算機當中完成對相關領域專家的模仿,進而才能夠對專業人才能夠解決的高難度問題進行解決。飼料機械的故障診斷專家系統是應用了專家系統相關技術,對領域內專家知識和經驗進行傳播和收集,并且對專家推理水平進行模仿,給用戶帶來專家咨詢[2]。
這個系統主要由下面幾個方面所構成,分別為知識庫管理、信息查詢、故障診斷。下面我們分別對這些模塊進行介紹。
故障診斷模塊是系統的核心。用戶將故障信息提供給專家系統,收集到專家的知識和建議。故障診斷模塊主要是通過推理機、知識庫所構成。知識庫主要的功能為存儲專家系統相關知識。推理機為根據一些策略在知識庫內選取相關知識,對用戶帶來證據不斷推理,一直得出結論[3]。
有效構建思路機械故障診斷專家系統知識庫管理系統,讓故障診斷轉接僅僅有著簡單計算機操作知識就能夠維護、編輯知識庫,進而讓診斷專家發揮工程師的作用。
系統輔助模塊主要有常用的設備使用說明、加工設備列表、常用的設備圖形符號所構成。它為故障診斷模塊的一種補充,更加便于用戶在診斷的時候實時查詢飼料加工設備有關的知識[4]。
設備故障診斷主要含有兩個環節,分別為征兆獲取、故障診斷。第一,征兆獲取主要是通過知識庫內知識來讓用戶確認故障現象。在對話框當中存在一個搜索引擎,系統把知識庫內搜索的全部含有的關鍵詞故障現象,進而有助于用戶對故障現象進行幫助。第二,故障診斷為推理機自行對知識庫知識進行應用以及推理上面征兆的一個診斷過程。專家系統重要特征為透明化的推理過程。此次系統給出了全部人機交互確定的故障征兆、推理過程、故障因素和處理建議[5]。
在初步構建專家系統之后,通過一定數量的運行,將會發現在數量和知識方面含有一些問題。在這個時候需要增加一些新的知識,或者對某些存在的知識進行刪除和修改,進而更好的有助于管理知識庫。這個管理系統不僅將用戶對知識庫維護信息變成系統的內部形式,還負責對知識庫實行完整性、一致性檢驗。
系統需要用戶分別對故障原因、規則可信度以及故障現象進行輸入。當輸入規則之后,系統將進入到一致性檢驗,也就是知識庫一致性。它指知識之間不含有矛盾、包含、環路等電信的錯誤。全部能夠讓知識庫出現上面沖突的基本規則,知識庫將會拒絕對這個規則進行輸入[6]。
修改-規則的子模塊含有對故障現象、故障原因以及規則可信度方面的修改。在對某一個規則進行修改之前,系統會有助于用戶對修改的規則進行確定。系統能夠根據用戶所輸入故障現象和故障原因關鍵詞,從知識庫內查詢含有關鍵詞的規則,并且及時進行顯示,更好的給用戶進行查詢。用戶對故障現象搜索規則進行選取,輸入關鍵詞為制粒的時候,系統搜索知識庫內全部含有制粒的故障現象。用戶選取的現象為制粒機壓不出顆粒料。系統當中體現含有這種現象的規則,此例當中存在五個待選擇的規則。用戶將會對規則進行確定之后再對操作進行修改。
第一,通過關鍵詞搜索引擎來對故障現象確定,人機交互提問等措施,讓系統可以對領域的專家思維過程進行模擬。第一,這個系統設置跟蹤的解釋模塊,可以更好地有助于用戶對專家系統求解的結論進行理解,便于人們通過對全部知識是不是科學進行檢驗。這個模塊讓系統有著比較大的人機交互功能,其可以和各種用戶共同建立成人機思考系統。第三,這個系統有著健全的知識庫管理系統。知識庫的管理子模塊為完成系統靈活的主要構件,其讓領域專家能夠對知識庫進行修改,同時不必須對知識庫內知識表達方式、知識庫機構等問題進行詳細了解,進而大大提升了系統的擴充性。第四,這個系統使用了推理機、知識庫相互進行獨立,進而完成了系統模塊化。由于對知識庫和領域關系存在比較大的關系,進而要經常進行修改和查閱。所以,此次系統在設計過程當中需要嚴格遵守知識庫和推理機相互進行獨立的基本原則。通常情況下,知識庫修改不會對執行程序變動產生影響。這類知識庫和推理機相互進行獨立的結構大大提升了系統靈活性,更加便于知識庫進行不斷的健全和擴充。
專家系統的構建是一個不斷擴充、健全和修改的過程。飼料機械故障診斷專家系統給飼料的加工機械故障診斷帶來新的研究思路。然而,它還存在一定的改進,其主要含有:第一,在知識庫知識方面還需要進一步健全和擴充。因為系統還不夠完善,一些相關飼料加工設備的故障知識還不能完全收集和整理,知識方面存在制約,進而在對問題進行解決的時候受到一些方面的影響。第二,自動獲取知識方面的問題。獲取知識主要存在兩類方式,分別為自動獲取、人工獲取。長時間以來,獲取知識主要是通過手工來進行獲得。此系統在建立知識庫的時候,主要應用了手工方法來對知識進行得到,利用和領域專家對話和收集相關知識來得到領域知識。自動獲取知識可以在系統運行經驗過程當紅智能個對知識和老知識進行總結,自動讓知識庫內知識進行豐富、更新。它為專家系統、人工智能領域內前沿的課題。此次系統應用知識庫管理擴充模塊、修改知識庫內容并且帶來知識庫檢驗制度,其有著一些獲取知識的能力,然而也能夠大大對知識獲取模塊進行簡化,其還和自動獲取存在一定差距。然而,我們從知識工程研究和發展觀點來分析,需要對這些問題進行逐一解決。