石建國，商秀印，張瑞雪

（1.河北軟件職業(yè)技術(shù)學院學生處，河北保定 071000；2.河北農(nóng)業(yè)大學理學院，河北保定 071001；3.河北大學建筑工程學院，河北保定 071002）

20世紀90年代以來，隨著沼氣技術(shù)日臻完善，以農(nóng)村沼氣工程為核心、系統(tǒng)整合可再生能源技術(shù)和高效生態(tài)技術(shù)的農(nóng)村沼氣國債項目和生態(tài)家園項目在我國農(nóng)村大力實施，使得家居環(huán)境潔凈化、庭院經(jīng)濟高效化、果蔬生產(chǎn)有機化，取得了顯著的生態(tài)、環(huán)境和社會效益［1－4］.而農(nóng)村沼氣工程是項目的核心工程，運行的好壞直接關(guān)系到項目的可持續(xù)性.為了確保項目的長期運行，各級政府和研究機構(gòu)紛紛探索各種管理模式確保沼氣工程能夠安全長久的運行.

人工神經(jīng)網(wǎng)絡理論20世紀80年代迅速發(fā)展起來，在計算機科學、人工智能、認知科學等領域發(fā)揮了重要作用.BP神經(jīng)網(wǎng)絡由輸入層、輸出層和隱層組成，對于輸入信號，要先向前傳播到隱節(jié)點，經(jīng)過作用函數(shù)后，再把隱節(jié)點的輸入信號傳到輸出層節(jié)點，然后給出輸出結(jié)果.

傳統(tǒng)的專家系統(tǒng)由知識獲取、推理機、解釋系統(tǒng)和人機接口界面等模塊組成，但是存在諸多不足：1）知識獲取存在瓶頸問題；2）推理能力弱；3）智能水平低.相對于一些先進的計算機軟件來講，不能自學推理和聯(lián)想記憶，更不能對數(shù)據(jù)庫中的知識進行自我完善、發(fā)展.針對上述缺陷，BP神經(jīng)網(wǎng)絡則能通過對有代表性事例進行學習、訓練，進而能夠掌握事物的本質(zhì)特征，從而解決用戶提出的諸多問題.總之，專家系統(tǒng)的特點是對知識進行邏輯推理，神經(jīng)網(wǎng)絡則能夠進行知識獲取，將專家系統(tǒng)和神經(jīng)網(wǎng)絡結(jié)合，從而使得整個神經(jīng)網(wǎng)絡成為專家系統(tǒng)的知識庫，提供智能化服務，使專家系統(tǒng)更加智能化.本系統(tǒng)把數(shù)據(jù)庫中的歷史數(shù)據(jù)、規(guī)則、函數(shù)以及專家經(jīng)驗轉(zhuǎn)化為可量化定義的樣本數(shù)據(jù)和經(jīng)驗數(shù)據(jù)，通過神經(jīng)網(wǎng)絡訓練，建立模型，進行診斷，再經(jīng)過系統(tǒng)中的解釋機制，對診斷結(jié)果進行分析，從而對其進行智能化指導.

1 總體構(gòu)建

農(nóng)村沼氣工程主要是指中小型沼氣工程，一般包括預處理系統(tǒng)，產(chǎn)氣系統(tǒng)、貯氣系統(tǒng)和綜合利用系統(tǒng).每個子系統(tǒng)則由一些模塊組成.通過對工程的結(jié)構(gòu)、功能和故障機理特征的分析，可把它分解為預處理系統(tǒng)、產(chǎn)氣模塊、綜合利用等3大模塊進行分析研究.由于各子系統(tǒng)間功能明確各自有其特有的故障征兆，且相互之間獨立性較強.因此，為了提高診斷效率，縮短診斷時間，建立了基于沼氣工程功能的層次結(jié)構(gòu)的專家系統(tǒng)知識庫.同時，知識庫還采用了由數(shù)據(jù)庫、事實庫和規(guī)則庫組成的多庫結(jié)構(gòu).

預處理系統(tǒng)，由于是中小型沼氣工程，所以也存在原料預處理的問題，尤其是家畜糞便、養(yǎng)殖場和農(nóng)業(yè)廢棄物秸稈作為發(fā)酵原料，容易存在顆粒大，易漂浮，嚴重影響沼氣發(fā)酵率和產(chǎn)氣率，甚至使得整個沼氣工程處于停滯狀態(tài).專家系統(tǒng)對預處理系統(tǒng)的診斷是整個診斷過程的首要工作.

產(chǎn)氣系統(tǒng)，沼氣工程的核心，是否正常產(chǎn)氣以及產(chǎn)氣的多少，與料液的酸堿度、濃度、系統(tǒng)的厭氧環(huán)境、料液溫度、養(yǎng)分充足與否等諸多因素有著密切的關(guān)系.由于輸氣系統(tǒng)在中小型沼氣工程中很小，所以也歸于產(chǎn)氣系統(tǒng)一起進行故障診斷分析，僅僅從漏氣進行考慮.

綜合利用，沼氣不僅解決農(nóng)村能源問題，而且沼肥能夠增加土壤的有機肥料資源，提高土壤質(zhì)量和增加肥效，從而提高農(nóng)作物產(chǎn)量，改良土壤性能.對綜合利用系統(tǒng)的故障診斷主要是分析沼肥的產(chǎn)出時間及頻率是否與原料的進入時間相匹配，冬季則更加強調(diào)對系統(tǒng)進行大換料，從而保證沼氣系統(tǒng)內(nèi)有足夠的發(fā)酵原料和微生物.

整個專家系統(tǒng)的核心部分是推理機，對用戶向?qū)＜蚁到y(tǒng)提出的問題進行推理求解，有3種類型：正向推理、逆向推理和雙向推理，鑒于用戶對問題進行故障診斷也需要系統(tǒng)解釋原因，因此采用正向推理和逆向推理相結(jié)合的模式.為了對用戶進行解釋，因此在推理機的設計中考慮解釋機制.人機接口是實現(xiàn)人機交互和信息輸出輸入的窗口.本文建立的基于BP神經(jīng)網(wǎng)絡的農(nóng)村沼氣工程故障診斷專家系統(tǒng)模型如圖1所示.專家樣本數(shù)據(jù)、檢測數(shù)據(jù)、預測數(shù)據(jù)、各類神經(jīng)網(wǎng)絡模型、智能管理系統(tǒng)中的故障解決方案和用戶的人機交互對話記錄，均保存在數(shù)據(jù)庫中.

圖1 基于BP神經(jīng)網(wǎng)絡的農(nóng)村沼氣工程故障診斷專家系統(tǒng)模型Fig.1 Model of expert system of rural biogas based on BP neural networks

2 推理機制

在農(nóng)村沼氣工程故障診斷專家系統(tǒng)中需要大量的數(shù)據(jù)作故障診斷和故障推理的基礎，這些數(shù)據(jù)包含沼氣工程臨場數(shù)據(jù)、專家知識經(jīng)驗數(shù)據(jù)，為了保證能把用戶診斷過程中系統(tǒng)存放的大量的零散的、無序的數(shù)據(jù)轉(zhuǎn)換為有用的數(shù)據(jù)，本文選用了產(chǎn)生式規(guī)則知識表示法，表示形式為

在產(chǎn)生式規(guī)則知識表示法中需要創(chuàng)建規(guī)則庫，規(guī)則庫中存儲著規(guī)則，每個規(guī)則都是由前件和后件組成，本系統(tǒng)規(guī)則庫用SQL Server 2005網(wǎng)絡數(shù)據(jù)庫存儲.以一種農(nóng)村沼氣工程為例來說明整個推理過程，系統(tǒng)采用典型3層BP神經(jīng)網(wǎng)絡拓撲，如圖2所示.

圖2 產(chǎn)氣率低的故障分析Fig.2 Fault analysis of low gas production

3 系統(tǒng)結(jié)構(gòu)

專家系統(tǒng)本身知識獲取困難，推理能力弱，智能化水平低，不適于模糊推理，因此本系統(tǒng)采用基于規(guī)則樹的專家系統(tǒng)推理結(jié)合以改進的反向誤差最小化方法進行學習推理的神經(jīng)網(wǎng)絡組成，通過對各種癥狀進行分析判斷，在人機交互界面上提供相應的診斷結(jié)果.

3.1 人機交互界面

為了便于系統(tǒng)與用戶進行友好交流，并對知識庫和報告診斷的結(jié)果進行維護，系統(tǒng)提供了一個比較友好的人機接口界面.人機交互部分主要是將專家和用戶輸入的信息翻譯成與系統(tǒng)表述一致的形式，并能夠?qū)⑾到y(tǒng)輸出的信息翻譯成用戶容易理解的形式輸出給用戶.

3.2 推理機

根據(jù)知識庫中的專家經(jīng)驗對規(guī)則數(shù)據(jù)庫中的各種數(shù)據(jù)進行診斷推理，將結(jié)果反饋給專家系統(tǒng)的用戶.農(nóng)村沼氣工程故障診斷專家系統(tǒng)推理過程中，系統(tǒng)根據(jù)界面知識表達的需要，并針對用戶不同的知識水平程度，將咨詢方式分為對照典型特征選擇相關(guān)信息的檢索式診斷模式和根據(jù)關(guān)鍵詞選擇相關(guān)信息的關(guān)鍵詞診斷模式.普通用戶在進入專家系統(tǒng)界面后，選擇故障存在的系統(tǒng)，系統(tǒng)將動態(tài)顯示相應的典型特征供用戶選擇，也可以采取用戶直接輸入的形式將用戶觀察到的故障情況輸入系統(tǒng)，并提交到推理機.在推理時，為了解決推理過程中的并發(fā)癥問題，系統(tǒng)會先后對產(chǎn)氣系統(tǒng)、輸配系統(tǒng)和用氣系統(tǒng)進行判斷選擇操作.推理程序啟動后，根據(jù)診斷模式選擇故障部位，再根據(jù)用戶提供的典型特征，在知識庫中檢索出所有可能的故障名稱，并把推理中需用的知識存放在動態(tài)數(shù)據(jù)庫中處理，若典型特征涉及到多種故障，則需要對所有可能故障的其他典型特征進行判斷.這時推理機將再次需要判斷的典型特征反饋到用戶端，用戶端將提取這些故障的典型特征，并給出1個或多個故障的診斷結(jié)果.

3.3 解釋機制

回答用戶對系統(tǒng)的提問，對系統(tǒng)結(jié)論的求解過程和系統(tǒng)當前的求解狀態(tài)提供說明，使非專家用戶了解系統(tǒng)的求解方式，使專家易于發(fā)現(xiàn)并確定知識庫中的錯誤.通過逆向推理回答診斷過程中用戶的提問，對診斷結(jié)果進行解釋，使用戶清楚明了.

3.4 知識數(shù)據(jù)庫維護

將專家的經(jīng)驗知識進行整理，以規(guī)則的形式寫入知識數(shù)據(jù)庫中，同時當推理機遇到不確定的推理因素時，向知識工程師進行詢問，將解決后的知識寫入數(shù)據(jù)庫中，增加知識含量，以方便下一次的診斷推理.它包括知識獲取和知識存儲2個過程，知識獲取表現(xiàn)為訓練樣本的獲得與選擇和專家的經(jīng)驗整理，訓練樣本來源于同類型診斷對象在正常運行時的各種特征參數(shù)，知識存儲則存儲訓練樣本在進行訓練時的連接權(quán)值和閾值.

3.5 數(shù)據(jù)采集和數(shù)據(jù)預處理

與沼氣發(fā)酵池和儲氣柜相連的傳感器測得的數(shù)據(jù)傳入計算機，系統(tǒng)對各類數(shù)據(jù)進行數(shù)據(jù)整理以符合診斷需要，將處理后的數(shù)據(jù)寫入綜合數(shù)據(jù)庫.

3.6 知識數(shù)據(jù)庫和綜合數(shù)據(jù)庫

知識數(shù)據(jù)庫中存放專家系統(tǒng)的規(guī)則知識和神經(jīng)網(wǎng)絡的結(jié)構(gòu)、權(quán)值知識，以方便推理機的調(diào)用.綜合數(shù)據(jù)庫中存放診斷過程中的原始數(shù)據(jù)和中間結(jié)果.

4 基于BP神經(jīng)網(wǎng)絡的農(nóng)村沼氣工程故障診斷專家系統(tǒng)的實現(xiàn)

根據(jù)作者對中國西北地區(qū)農(nóng)村沼氣國債項目和生態(tài)家園項目的實際運行狀況調(diào)查，選取一個最常見的故障現(xiàn)象——沼氣池產(chǎn)氣率低進行分析，新建沼氣池如果處理不當容易出現(xiàn)產(chǎn)氣率低的情況，正常使用的沼氣池如果進出料處理不當也容易出現(xiàn)產(chǎn)氣率低的狀況，因此產(chǎn)氣率低是沼氣工程中出現(xiàn)頻率比較高的故障現(xiàn)象，其影響因素是多種多樣的，沼氣池本身的泄露故障容易引起產(chǎn)氣率低，用戶使用過程中的管理不當容易引起產(chǎn)氣率低，進料過程中的原料營養(yǎng)搭配不合理，沼氣燃氣系統(tǒng)故障也能引起產(chǎn)氣率低的故障現(xiàn)象，圖2給出了故障現(xiàn)象和可能產(chǎn)生原因的推理過程框圖.首先從故障出現(xiàn)的部位進行選擇，分池體故障、發(fā)酵原料和燃氣系統(tǒng)故障3種，然后再分別進行推理，直至最終得出正確的故障原因.

5 結(jié)語

設計了基于BP神經(jīng)網(wǎng)絡的農(nóng)村沼氣工程故障診斷專家系統(tǒng)，在專家系統(tǒng)中選用了多種故障現(xiàn)象作為樣本，并對這些故障樣本進行了認真分析，形成BP神經(jīng)網(wǎng)絡推理機.通過實踐驗證了本系統(tǒng)的有效性和實用性.系統(tǒng)采用選擇式和輸入式2種診斷模式，為不同知識水平的用戶提供了較便利的診斷方式.作為為沼氣工程服務的專家系統(tǒng)，要服務于工程運行，在農(nóng)村沼氣工程故障診斷專家系統(tǒng)應用過程中，科技人員、管理人員和技術(shù)人員在使用過程中要根據(jù)當?shù)氐木唧w情況將系統(tǒng)的知識規(guī)則和基礎數(shù)據(jù)本地化、規(guī)范化，并且要對大眾性的問題及時向系統(tǒng)管理員或知識工程師反饋，以便于對知識規(guī)則和基礎數(shù)據(jù)作進一步完善.

［1] 邱凌，王蘭英，楊鵬，等.農(nóng)村沼氣工程故障診斷專家系統(tǒng)研究［J］.農(nóng)業(yè)機械學報，2005，36（2）：112－114.QIU Ling，WANG Lanying，YANG Peng，et al.Study on expert system for the fault diagnosis of rural biogas project［J］.Transactions of the Chinese Society for Agricultural Machinery，2005，36（2）：112－114.

［2] 王蘭英，商秀印，邱玉橋.熵權(quán)法在農(nóng)村生態(tài)校園經(jīng)濟效益評價中的應用［J］.河北大學學報：自然科學版，2010，30（4）：356－340.WANG Lanying，SHANG Xiuyin，QIU Yuqiao.Entroy method and its application for the evaluation of economic benefits of rural eco－campuses［J］.Journal of Hebei University：Natural Science Edition，2010，30（4）：356－340.

［3] 王蘭英，邱凌，盧旭珍，等.農(nóng)村庭園沼氣工程設計與管理專家系統(tǒng)初探［J］.中國沼氣，2003（增刊）：159－164.

［4] 王蘭英，邱凌，賈洪濤.黃土高原地區(qū)農(nóng)村沼氣生態(tài)校園模式研究［J］.干旱地區(qū)農(nóng)業(yè)研究，2009，27（2）：260－264.WANG Lanying，QIU Ling，JIA Hongtao.Study on“pig（toilet）－biogas－vegetable”eco－campus mode in the Loess Plateau［J］.Agricultural Research in the Arid Areas，2009，27（2）：260－264.

［5] 王生明，劉立峰，馬惠琴.戶用沼氣池常見故障及處理辦法［J］.寧夏農(nóng)林科技，2004（1）：61－62.

［6] 邱凌，王蘭英，楊鵬.農(nóng)村沼氣工程動態(tài)發(fā)酵工藝的調(diào)控［J］.可再生能源，2005（1）：47－49.QIU Ling，WANG Lanying，YANG Peng.Control on the dynamic fermentive technology of rural biogas project［J］.Renewable Energy，2005（1）：47－49.

［7] 吳凌云，王華.BP神經(jīng)網(wǎng)絡專家系統(tǒng)在故障診斷中的應用［J］.信息技術(shù)，2003，27（2）：66－68.WU Lingyun，WANG Hua.Application of the BP neural network and expert system in fault diagnosis［J］.Information Technology，2003，27（2）：66－68.

［8] 宋海軍，陳步英，李洪燕.基于BP神經(jīng)網(wǎng)絡的煤礦機械故障診斷專家系統(tǒng)的開發(fā)［J］.煤礦機械，2012，33（8）：264－265.SONG Haijun，CHEN Buying，LI Hongyan.Development of expert system for mechanical fault diagnosis basedon BP neural network［J］.Coal Mine Machinery，2012，33（8）：264－265.

［9] 曹晶，謝駿，王海英，等.基于BP神經(jīng)網(wǎng)絡的水產(chǎn)健康養(yǎng)殖專家系統(tǒng)設計與實現(xiàn)［J］.湘潭大學自然科學學報，2012，32（1）：117－121.CAO Jing，XIE Jun，WANG Haiying，et al.Design and implementation on expert system of health aquiculture based on BP neural networks［J］.Natural Science Journal of Xiangtan University，2012，32（1）：117－121.

［10] 江麗，甄少華.基于BP神經(jīng)網(wǎng)絡的液壓系統(tǒng)故障診斷專家系統(tǒng)［J］.機床與液壓，2002（4）：169－171.JIANG Li，ZHEN Shaohua.Fault diagnosis expert system for hydraulic system based on BP neural net［J］.Machine Tool ＆Hydraulics，2002（4）：169－171.