吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 61251部隊(duì) 鄭 偉

61251部隊(duì) 安佰強(qiáng)

吉林大學(xué)電子科學(xué)與工程學(xué)院 王小雨

吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 劉 巍

吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 61467部隊(duì) 時(shí)永進(jìn)

近三十年來人工智能（Artificial Intelligence，AI）獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩成果。作為人工智能一個(gè)重要分支的專家系統(tǒng)（Expert System，ES）是在20世紀(jì)60年代初期產(chǎn)生并發(fā)展起來的一門新興的應(yīng)用科學(xué)，而且正隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展而日臻完善和成熟。[1]

隨著現(xiàn)代工業(yè)及科學(xué)技術(shù)的迅速發(fā)展，生產(chǎn)設(shè)備日趨智能化、復(fù)雜化，專家系統(tǒng)也經(jīng)歷了三個(gè)發(fā)展階段。第一階段的專家系統(tǒng)主要依賴于領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗(yàn)，對(duì)診斷信息只作簡單的數(shù)據(jù)處理；第二階段的專家系統(tǒng)則是以信號(hào)處理為依托，應(yīng)用傳感器技術(shù)和遠(yuǎn)程控制技術(shù)實(shí)現(xiàn)遠(yuǎn)程技術(shù)支持的現(xiàn)代診斷技術(shù)；第三階段則是隨著計(jì)算機(jī)及人工智能的發(fā)展，以知識(shí)處理為核心，實(shí)現(xiàn)信號(hào)處理、建模處理與知識(shí)處理相融合的智能診斷技術(shù)。智能故障診斷技術(shù)的研究目前主要從兩個(gè)方向展開：基于知識(shí)的智能故障診斷技術(shù)的研究和基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷技術(shù)的研究。

1.專家系統(tǒng)的基本概念

1.1 專家系統(tǒng)的概述

ES是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)一個(gè)或多個(gè)人類專家提供的特殊領(lǐng)域知識(shí)、經(jīng)驗(yàn)進(jìn)行推理和判斷、模擬人類專家做決策的過程來解決那些需要專家決定的復(fù)雜問題。[2]

自從1968年Feighbaun教授開發(fā)出首個(gè)專家系統(tǒng)DENDRAL，用來解決化學(xué)質(zhì)譜問題以來，專家系統(tǒng)因其能產(chǎn)生巨大的經(jīng)濟(jì)效益而得到了各行業(yè)的廣泛應(yīng)用。迄今為止，已經(jīng)形成了十余類，主要包括診斷型、設(shè)計(jì)型、規(guī)劃型、解釋型、預(yù)測型、監(jiān)視型、調(diào)試型、教學(xué)型、修正型、控制型。本文所要應(yīng)用的專家系統(tǒng)是診斷型的專家系統(tǒng)。

診斷專家系統(tǒng)作為專家系統(tǒng)中的一個(gè)分支，其研究也得到了各國的高度重視，并相繼在各行業(yè)中開發(fā)出了一些診斷專家系統(tǒng)，如1982年EGG公司于開發(fā)的REACTOR系統(tǒng)（用于核反應(yīng)堆故障診斷與處理），1983年Bell實(shí)驗(yàn)室于開發(fā)的ACE系統(tǒng)（用于電話電纜故障診斷與維護(hù)），在我國，中電某所研制的基于某型裝備的故障診斷專家系統(tǒng)等等。

1.2 專家系統(tǒng)的特征

1）知識(shí)豐富。積累了相當(dāng)數(shù)量專家的知識(shí)；

2）啟發(fā)性。專家系統(tǒng)能運(yùn)用專家知識(shí)進(jìn)行判斷、推理和決策；

3）復(fù)雜度高。知識(shí)庫中的知識(shí)雖然涉及的面比較窄，但是它具有較高的復(fù)雜度與難度；

4）具有獲取知識(shí)的能力；

5）透明性。具有解釋功能，并能回答用戶提出的問題，提高用戶與系統(tǒng)之間的透明度；

6）靈活性。知識(shí)與推理機(jī)構(gòu)彼此既有聯(lián)系，又相互獨(dú)立，使專家系統(tǒng)具有良好的可維護(hù)性和可擴(kuò)展性。

1.3 專家系統(tǒng)的組成

ES的一般結(jié)構(gòu)有六個(gè)部分：知識(shí)庫（Kn owledge Base）、數(shù)據(jù)庫（Data Base）、推理機(jī)（Inference Engine）、解釋子系統(tǒng)（Explanatory System）、人機(jī)接口（Manmachine Interface）和知識(shí)獲取子系統(tǒng)（Knowledge Acquisition），如圖3.1為專家系統(tǒng)的基本結(jié)構(gòu)。

1）知識(shí)庫：專家系統(tǒng)存儲(chǔ)知識(shí)的地方。主要用于收集和存儲(chǔ)某領(lǐng)域?qū)＜业慕?jīng)驗(yàn)、知識(shí)及書本知識(shí)、常識(shí)等，包括可行操作、事實(shí)和規(guī)則等；

2）綜合數(shù)據(jù)庫：綜合數(shù)據(jù)庫又稱總數(shù)據(jù)庫或全局?jǐn)?shù)據(jù)庫，主要用于存放有關(guān)問題求解的假設(shè)、初始數(shù)據(jù)、目標(biāo)、求解狀態(tài)、中間結(jié)果以及最終結(jié)果；

3）推理機(jī)：推理機(jī)是專家系統(tǒng)的核心部分，實(shí)際是一組計(jì)算機(jī)程序，用于模擬專家的思維過程，控制、協(xié)調(diào)整個(gè)專家系統(tǒng)的工作。它根據(jù)用戶所提供的初始數(shù)據(jù)和問題求解要求，運(yùn)用知識(shí)庫中的事實(shí)和規(guī)則，按照一定的推理方法和控制策略對(duì)問題進(jìn)行推理求解，并將產(chǎn)生的結(jié)果輸出給用戶；

4）知識(shí)獲取子系統(tǒng)：在建造和維護(hù)知識(shí)庫時(shí)充當(dāng)專家系統(tǒng)和領(lǐng)域?qū)＜?、知識(shí)工程師的接口；

5）解釋子系統(tǒng)：解釋機(jī)構(gòu)由一組計(jì)算機(jī)程序組成，它對(duì)推理給出必要的解釋，并根據(jù)用戶問題的要求做出相應(yīng)的回應(yīng)，最后把結(jié)果通過人機(jī)接口輸出給用戶，以增強(qiáng)用戶對(duì)系統(tǒng)推理的理解和信任；

6）人機(jī)接口：用戶、專家系統(tǒng)和領(lǐng)域?qū)＜抑R(shí)工程師之間溝通的媒介，它把三者交互的信息轉(zhuǎn)換成彼此都能夠理解的形式，由一組程序及相應(yīng)的硬件組成，用于完成I/O工作。

2.專家系統(tǒng)研究現(xiàn)狀及發(fā)展趨勢

2.1 研究現(xiàn)狀

ES是AI的一個(gè)重要分支，也稱為基于知識(shí)的系統(tǒng)，它產(chǎn)生于二十世紀(jì)中期，經(jīng)過多年的科學(xué)研究，理論水平日益成熟，其應(yīng)用也得到了飛速發(fā)展。至今，世界各國已經(jīng)在地質(zhì)勘查、醫(yī)療診斷、化學(xué)工程、圖像處理、語言識(shí)別、信號(hào)處理、軍事、農(nóng)業(yè)、交通等領(lǐng)域研制出了大量的實(shí)用專家系統(tǒng)，其中不少系統(tǒng)在性能上已經(jīng)超過了同領(lǐng)域人類專家的水平，取得了很大的經(jīng)濟(jì)效益。

ES的研制促進(jìn)了人工智能技術(shù)的發(fā)展，開辟了計(jì)算機(jī)求解非數(shù)值問題的有效途徑，世界各國對(duì)使專家系統(tǒng)的研究投入也越來越多，美、日、英等國紛紛將其列為國家重點(diǎn)科研項(xiàng)目，日本把專家系統(tǒng)定為第五代計(jì)算機(jī)研究的核心內(nèi)容，英國已經(jīng)將專家系統(tǒng)列入國家四大重點(diǎn)項(xiàng)目之一。迄今為止，專家系統(tǒng)的主要成果有MYCIN、PUFF、OPS5、AGE、KEE、CASNET、GESDE、KBMS、DART/DASD等。

近年來應(yīng)用最廣、研究最多的是診斷類專家系統(tǒng)，其發(fā)展大致經(jīng)歷了兩個(gè)階段：第一階段是基于淺知識(shí)的故障診斷專家系統(tǒng)，第二階段是基于深知識(shí)的故障診斷專家系統(tǒng)。

2.2 發(fā)展方向

數(shù)十年來對(duì)ES的研究和實(shí)踐表明，現(xiàn)有的ES的確在很多方面具備AI所擁有的能力，并且在裝備故障診斷和地質(zhì)勘探領(lǐng)域中取得了相當(dāng)程度的成功應(yīng)用，但是也存在較多明顯的局限性，主要表現(xiàn)在以下四個(gè)方面。[4]

一是知識(shí)獲取的瓶頸有限。一方面很難將專家的知識(shí)經(jīng)驗(yàn)用準(zhǔn)確的規(guī)則描述；另一方面獲取知識(shí)的工作量卻非常大。

二是自適應(yīng)能力差。多數(shù)專家系統(tǒng)都局限在以某專業(yè)領(lǐng)域的知識(shí)經(jīng)驗(yàn)為基礎(chǔ)對(duì)用戶問題進(jìn)行求解，對(duì)那些系統(tǒng)知識(shí)經(jīng)驗(yàn)未涉及到的問題，就無法求解，甚至輸出錯(cuò)誤的結(jié)論。

三是自學(xué)習(xí)能力差。不能從求解過的問題中自動(dòng)學(xué)習(xí)新的知識(shí)，不能從求解問題成敗中積累經(jīng)驗(yàn)，不能自動(dòng)修正原有知識(shí)庫中的知識(shí)和經(jīng)驗(yàn)，從而阻礙了系統(tǒng)的自我提高和自我完善。

圖3 .1 專家系統(tǒng)的基本結(jié)構(gòu)

四是實(shí)時(shí)性差。對(duì)于復(fù)雜的問題對(duì)象，搜索范圍大，速度慢，難以滿足快速實(shí)時(shí)輸出結(jié)論的應(yīng)用需要。

針對(duì)上述存在的四個(gè)問題，研究人員正積極尋求解決問題之道，并逐步形成了以下五個(gè)專家系統(tǒng)的發(fā)展方向。

一是由基于規(guī)則的專家系統(tǒng)到基于模型的專家系統(tǒng)；

二是由領(lǐng)域?qū)＜夜こ處熖峁┲R(shí)到機(jī)器學(xué)習(xí)和專家知識(shí)相結(jié)合的專家系統(tǒng)；

三是由非實(shí)時(shí)診斷系統(tǒng)到實(shí)時(shí)診斷系統(tǒng)；

四是由單機(jī)診斷系統(tǒng)到基于物聯(lián)網(wǎng)的分布式全系統(tǒng)診斷專家系統(tǒng)；

五是由單一推理控制策略專家系統(tǒng)到混合推理、不確定性推理控制策略專家系統(tǒng)。

總之，專家系統(tǒng)的發(fā)展除了在知識(shí)獲取與知識(shí)表示等部分功能更加完善以外，在機(jī)器學(xué)習(xí)、推理機(jī)制和實(shí)時(shí)控制等各方面都將會(huì)有較大的進(jìn)展和突破。隨著智能技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，人們對(duì)設(shè)備以及設(shè)備診斷技術(shù)的自動(dòng)化程度要求越來越高，專家系統(tǒng)無疑將會(huì)成為世界各國最具競爭力的研究課題和發(fā)展方向，因此，專家系統(tǒng)的研究和應(yīng)用前景相當(dāng)樂觀。

3.結(jié)論

專家系統(tǒng)是一類具有專門知識(shí)經(jīng)驗(yàn)的計(jì)算機(jī)程序系統(tǒng)，通過對(duì)領(lǐng)域?qū)＜夜こ處煹膯栴}求解能力的建模，采用人工智能中的知識(shí)獲取和知識(shí)表示技術(shù)來模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題，達(dá)到領(lǐng)域內(nèi)同等專家求解問題的水平。

隨著故障診斷專家系統(tǒng)的應(yīng)用日益廣泛，應(yīng)用專家系統(tǒng)解決問題的復(fù)雜度和難度也相應(yīng)的不斷增大，傳統(tǒng)專家系統(tǒng)已經(jīng)逐步被一些新型的專家系統(tǒng)取代，如基于混合模型的專家系統(tǒng)、機(jī)器學(xué)習(xí)和專家知識(shí)相結(jié)合的專家系統(tǒng)、實(shí)時(shí)診斷專家系統(tǒng)、分布式全系統(tǒng)診斷專家系統(tǒng)、混合推理、不確定性推理控制策略專家系統(tǒng)等。

[1]楊興,朱大奇,桑慶兵.專家系統(tǒng)研究現(xiàn)狀與展望[J].計(jì)算機(jī)應(yīng)用研究,2007,24(5)4-9.

[2]郭偉偉.基于故障樹技術(shù)的遠(yuǎn)程故障診斷專家系統(tǒng)的研究[D].西安:西北工業(yè)大學(xué),2007.

[3]梅杰.基于人工神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷專家系統(tǒng)[D].武漢:武漢理工大學(xué),2011.

[4]鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應(yīng)用前景[J].電力勘測,1994(3):21-26.