人工智能試題2014

1、內(nèi)蒙古科技大學(xué)內(nèi)蒙古科技大學(xué)2014/2015 學(xué)年第一學(xué)期人工智能結(jié)課報(bào)告課程號：76807376-01考試方式：結(jié)課報(bào)告 使用專業(yè)、年級：計(jì)算機(jī)應(yīng)用2012-3,4任課教師：陳淋艷班 級：計(jì)算機(jī)-4班學(xué) 號：1276807404姓 名：蔣晟I目錄網(wǎng)絡(luò)故障診斷專家系統(tǒng)1故障診斷專家系統(tǒng)簡介2故障診斷專家系統(tǒng)分類2專家知識庫的建立5推理機(jī)設(shè)計(jì)6網(wǎng)絡(luò)故障診斷專家系統(tǒng)發(fā)展方向7結(jié)論8參考文獻(xiàn)：9網(wǎng)絡(luò)故障診斷專家系統(tǒng)專家系統(tǒng)（Expert System, ES），也稱基于知識的系統(tǒng)（Knowledge Based System，KBS），是人工智能（Artif

2、icial Intelligence，AI）的一個(gè)新的分支，也是發(fā)展最快的一個(gè)分支。ES實(shí)際上是 AI 計(jì)算機(jī)程序系統(tǒng)，它能利用目前大量人類專家的專門知識和方法來解決現(xiàn)實(shí)生活中某些復(fù)雜的重要問題。隨著科學(xué)技術(shù)的發(fā)展，裝備的結(jié)構(gòu)越來越復(fù)雜，功能也越來越完善，自動(dòng)化程度越來越高，不但同一設(shè)備的不同部分之間相互關(guān)聯(lián)，緊密耦合，而且不同設(shè)備之間也存在著緊密的聯(lián)系，在運(yùn)行過程中形成一個(gè)整體。一處故障可能引起一系列連鎖反應(yīng)，導(dǎo)致整個(gè)過程不能正常運(yùn)行，甚至?xí)斐芍卮蟮膿p失。因此，對故障診斷的要求也越來越高。另一方面，人工智能技術(shù)近年來得到很大發(fā)展，基于知識的故障診斷專家系統(tǒng)已成

3、為當(dāng)前研究和應(yīng)用的一個(gè)熱點(diǎn)。專家具有的知識、經(jīng)驗(yàn)、推理、技能綜合后編制成的大型計(jì)算機(jī)程序，它可以利用計(jì)算機(jī)系統(tǒng)幫助人們分析解決只能用語言描述、思維推理的復(fù)雜問題，擴(kuò)展計(jì)算機(jī)系統(tǒng)原有的工作范圍使計(jì)算機(jī)系統(tǒng)有了思維能力，能夠與決策者進(jìn)行“對話”，并應(yīng)用推理方式提供決策建議，專家系統(tǒng)在故障診斷領(lǐng)域的應(yīng)用非常廣泛，故障檢測與診斷技術(shù)與專家系統(tǒng)相結(jié)合，使工程的安全性與可靠性得到保證。一、 故障診斷專家系統(tǒng)簡介故障診斷專家系統(tǒng)，是指計(jì)算機(jī)在采集被診斷對象的信息后，綜合運(yùn)用各種規(guī)則(專家經(jīng)驗(yàn))，進(jìn)行一系列的推理，必要時(shí)還可以隨時(shí)調(diào)用各種應(yīng)用程序，運(yùn)行過程中向用戶索取必要的信息后，可快速地找到最終故障或最有可

4、能的故障，再由用戶來證實(shí)。專家系統(tǒng)故障診斷方法 被診斷對象知識庫人機(jī)接口數(shù)據(jù)庫推理機(jī)結(jié)果可用下圖的結(jié)構(gòu)來說明：它由數(shù)據(jù)庫、知識庫、人機(jī)接口、推理機(jī)等組成。其各部分的功能為：圖1：故障診斷專家系統(tǒng)結(jié)構(gòu)圖(1)數(shù)據(jù)庫通常由動(dòng)態(tài)數(shù)據(jù)庫和靜態(tài)數(shù)據(jù)庫兩部分構(gòu)成。靜態(tài)數(shù)據(jù)庫是相對穩(wěn)定的參數(shù)，如設(shè)備的設(shè)計(jì)參數(shù)、固有頻率等;動(dòng)態(tài)數(shù)據(jù)庫是設(shè)備運(yùn)行中所檢測到的狀態(tài)參數(shù)，如工作轉(zhuǎn)速、介質(zhì)流量、電壓或電流等。 (2)知識庫存放的知識可以是系統(tǒng)的工作環(huán)境、系統(tǒng)知識(反映系統(tǒng)的工作機(jī)理及系統(tǒng)結(jié)構(gòu)知識)、設(shè)備故障特征值、故障診斷算法、推理規(guī)則等，反映系統(tǒng)的因果關(guān)系，用來進(jìn)行故障推理。知識庫是專家領(lǐng)域知識

5、的集合。 (3)人機(jī)接口人與專家系統(tǒng)打交道的橋梁和窗口，是人機(jī)信息的交接點(diǎn)。(4)推理機(jī)根據(jù)獲取的信息綜合運(yùn)用各種規(guī)則，進(jìn)行故障診斷，輸出診斷結(jié)果。是專家系統(tǒng)的組織控制機(jī)構(gòu)二、 故障診斷專家系統(tǒng)分類根據(jù)知識組織方式與推理機(jī)制的不同,可將目前常用的故障診斷專家系統(tǒng)大致分為基于規(guī)則的診斷專家系統(tǒng)、基于模型的診斷專家系統(tǒng)、基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)、基于模糊推理的診斷專家系統(tǒng)和基于事例的診斷專家系統(tǒng)。 2.1 基于規(guī)則的診斷專家系統(tǒng) 在基于規(guī)則的診斷專家系統(tǒng)中,領(lǐng)域?qū)＜业闹R與經(jīng)驗(yàn)被表示成產(chǎn)生式規(guī)則, 一般形式是: if<前提&g

6、t; then<結(jié)論>。 其中前提部分表示能與數(shù)據(jù)匹配的任何模型,結(jié)論部分表示滿足前提時(shí)可以得出的結(jié)論?；谝?guī)則的推理是先根據(jù)推理策略從規(guī)則庫中選擇相應(yīng)的規(guī)則, 再匹配規(guī)則的前提部分, 最后根據(jù)匹配結(jié)果得出結(jié)論。 基于規(guī)則的診斷知識表達(dá)方式直觀、形式統(tǒng)一,在求解小規(guī)模問題時(shí)效率較高,并且具有易于理解與實(shí)現(xiàn)的優(yōu)點(diǎn),因而取得了一定成功。20世紀(jì)90年代,國外在軍用水壓系統(tǒng)、電力供應(yīng)網(wǎng)絡(luò)等方面進(jìn)行了應(yīng)用。 但是,對于復(fù)雜系統(tǒng),所觀測到的癥狀與對應(yīng)的診斷之間的聯(lián)系是相當(dāng)復(fù)雜的,通過歸納專家經(jīng)驗(yàn)來獲取規(guī)則有著相當(dāng)?shù)碾y度,且診斷時(shí)只能

7、對事先預(yù)想到的并能與規(guī)則前提匹配的事件進(jìn)行推理, 存在知識獲取的瓶頸問題。 2.2 基于模型的診斷專家系統(tǒng) 在基于模型的診斷專家系統(tǒng)中,領(lǐng)域?qū)＜业膶I(yè)知識包含在建立的系統(tǒng)模型中,這種基于模型的診斷更多地利用系統(tǒng)的結(jié)構(gòu)、功能與行為等知識。相比基于規(guī)則的診斷專家系統(tǒng),這種診斷方式能夠處理預(yù)先沒有想到的情況,并且可能檢測到系統(tǒng)存在的潛在故障。這類系統(tǒng)的知識庫相對容易建立并且具有一定的靈活性,已應(yīng)用于航天器動(dòng)力燃燒系統(tǒng)故障診斷等方面。 但是,基于模型的診斷專家系統(tǒng)仍然依賴于專家的專業(yè)領(lǐng)域知識,在實(shí)時(shí)診斷中還將消耗巨大的計(jì)算資源,限制了其應(yīng)用范圍。

8、60;2.3 基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng) 神經(jīng)網(wǎng)絡(luò)只要求專家提出范例及相應(yīng)的解,就能通過特定的學(xué)習(xí)算法對樣本進(jìn)行學(xué)習(xí)而獲取知識。在基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)中,知識表示不再是獨(dú)立的一條條規(guī)則,而是分布于整個(gè)網(wǎng)絡(luò)中的權(quán)和閾值。專家知識及經(jīng)驗(yàn)的獲取是利用領(lǐng)域?qū)＜医鉀Q實(shí)際問題的實(shí)例(樣本)來訓(xùn)練獲取,在同樣輸入條件下神經(jīng)網(wǎng)絡(luò)能夠獲得與專家給出的方案盡可能相同的輸出?；谌斯ど窠?jīng)網(wǎng)絡(luò)的專家系統(tǒng)在知識表示、知識獲取、并行推理、適應(yīng)性學(xué)習(xí)、理想推理、容錯(cuò)能力等方面顯示了明顯的優(yōu)越性。同時(shí),實(shí)際應(yīng)用中的大多數(shù)被診斷對象往往是復(fù)雜的非線性系統(tǒng),無法得到其精確模型,甚至無法建模,由于

9、神經(jīng)網(wǎng)絡(luò)的構(gòu)建與訓(xùn)練不要了解被診斷對象的精確模型,因而對于非線性被診斷對象,神經(jīng)網(wǎng)絡(luò)也具有明顯優(yōu)勢。 目前,基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)已成為研究的熱點(diǎn),已經(jīng)應(yīng)用于在線故障診斷、引擎自動(dòng)管理系統(tǒng)、軍艦動(dòng)力系統(tǒng)故障診斷等方面。 然而,神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)也存在固有的弱點(diǎn)。首先,系統(tǒng)性能受到所選擇的訓(xùn)練樣本集的限制,訓(xùn)練樣本集選擇不當(dāng),特別是在訓(xùn)練樣本集很少的情形下,很難獲得較好推理能力;其次,神經(jīng)網(wǎng)絡(luò)沒有能力解釋自己的推理過程和推理依據(jù)及其存儲(chǔ)知識的含義;再次,神經(jīng)網(wǎng)絡(luò)利用知識和表達(dá)知識的方式單一,通常的神經(jīng)網(wǎng)絡(luò)只能采用數(shù)值化的知識;最后,也是最根本的一點(diǎn)就是神經(jīng)網(wǎng)絡(luò)只能模擬人

10、類感覺層次上的智能活動(dòng),在模擬人類復(fù)雜層次的思維方面,如基于目標(biāo)的管理、綜合判斷與因果分析等方面還遠(yuǎn)遠(yuǎn)不及傳統(tǒng)的專家系統(tǒng)。因此,人們正試圖研究符號推理與數(shù)值推理相結(jié)合的集成式智能診斷系統(tǒng),以期能更好地模擬人類的思維過程。 2.4基于模糊推理的診斷專家系統(tǒng) 在基于模糊推理的診斷專家系統(tǒng)中,其知識表示采用模糊產(chǎn)生式規(guī)則。模糊產(chǎn)生式規(guī)則是將傳統(tǒng)產(chǎn)生式規(guī)則“ IF條件TH EN動(dòng)作(或結(jié)論)”進(jìn)行模糊化,包括條件模糊化、動(dòng)作或結(jié)論模糊化等。引入模糊的概念是為了更好地模擬人類的思維與決策過程,使計(jì)算機(jī)結(jié)果不再是簡單的黑或白。 在模糊推理中建立模糊隸屬度是

11、一個(gè)重要工作,確定隸屬度的方法有對比排序法、專家評判法、模糊統(tǒng)計(jì)法、概念擴(kuò)張法等。采用專家評判法,由專家根據(jù)經(jīng)驗(yàn)直接給出論域中每個(gè)函數(shù)的隸屬度,形成隸屬度表,這樣給出的隸屬度比較準(zhǔn)確。計(jì)算機(jī)在進(jìn)行模糊推理時(shí),先從用戶接口接收證據(jù)及其相應(yīng)的模糊詞,如 “很”“、 相當(dāng)”“、 輕微” 等,然后通過模糊屬性表查出條件模糊詞的隸屬度, 由此進(jìn)行推理得到結(jié)論?；谀：评淼脑\斷專家系統(tǒng)已應(yīng)用在軍用電力系統(tǒng)、集成電路、動(dòng)態(tài)控制等方面。 基于模糊推理的診斷存在的主要問題在于模糊診斷知識獲取困難,尤其是故障與征兆的模糊關(guān)系較難確定,且系統(tǒng)的診斷能力依

12、賴模糊知識庫,學(xué)習(xí)能力差, 容易發(fā)生漏診或誤診。由于模糊語言變量是用隸屬函數(shù)表示的,實(shí)現(xiàn)語言變量與隸屬函數(shù)之間的轉(zhuǎn)換是一個(gè)難點(diǎn)。 2.5 基于事例的診斷專家系統(tǒng) 基于事例的推理是利用以事例形式表示的以往求解類似問題的經(jīng)驗(yàn)知識進(jìn)行推理,從而獲得當(dāng)前問題求解結(jié)果的一種推理模式。一個(gè)有效的事例表示包括三部分內(nèi)容:事例發(fā)生的原因或背景;事例的特點(diǎn)及過程;事例的解決方法和結(jié)果。事例推理的關(guān)鍵步驟包括事例檢索、事例重用、事例修改/ 修正和事例保留等.基于事例的推理避免了采用基于規(guī)則的推理方法進(jìn)行知識獲取時(shí)的瓶頸問題, 利用相關(guān)事例擴(kuò)大了解決問題的

13、范圍,簡化了求解過程,解的質(zhì)量也得到提高, 在軍事制造業(yè)控制診斷、艦艇水壓機(jī)等方面獲得應(yīng)用。 基于事例的推理的缺點(diǎn)是在處理小規(guī)模問題時(shí),其推理效率不高。三、 專家知識庫的建立因?yàn)榻⒌墓收瞎芾韺＜蚁到y(tǒng)需要達(dá)到實(shí)時(shí)故障識別及非實(shí)時(shí)故障分析的任務(wù)。為了實(shí)現(xiàn)故障的判別,我們建立了網(wǎng)絡(luò)故障識別知識庫,判斷網(wǎng)絡(luò)運(yùn)行情況是否發(fā)生故障。為了實(shí)現(xiàn)故障分析,我們建立了故障分析知識庫,對用戶待分析的故障進(jìn)行故障原因分析。故障識別產(chǎn)生的結(jié)果是進(jìn)行故障分析的條件,二者有著必然的聯(lián)系。兩個(gè)知識庫都根據(jù)該領(lǐng)域?qū)＜业慕?jīng)驗(yàn)進(jìn)行創(chuàng)建,為應(yīng)用程序判斷分析的準(zhǔn)確性提供了必要的保障。3.1故障識別知識庫目前,網(wǎng)絡(luò)

14、故障識別主要采用在應(yīng)用程序中添加判斷語句實(shí)現(xiàn)。針對故障的類型多,而且每種故障的判別方式多種多樣,我們采用對MIB4 數(shù)據(jù)庫和網(wǎng)絡(luò)輪詢監(jiān)測對象進(jìn)行分析后做處理,得出具體的故障類型。本算法最多只要有限次的二目運(yùn)算就可完成。以下是6 種網(wǎng)絡(luò)故障識別的規(guī)則。 設(shè)MIBObj 為網(wǎng)絡(luò)代理(Agent) 中的MIB 數(shù)據(jù)庫中的對象,MIBObj1、MIBObj2 為中間變量,Const 為常量,則: (1) MIBObj1 =MIBObj1 - MIBObj2 

15、60;(2)MIBObj1 =MIBObj1 + MIBObj2 (3) MIBObj1 = MIBObj1 3 MIBObj2 (4) MIBObj1 = MI2 BObj1/MIBObj2  (5)MIBObj < Const  (6)MIBObj > Const 。   結(jié)構(gòu)說明:序列號為該表的主鍵。故障名稱為網(wǎng)絡(luò)中出現(xiàn)

16、的故障。產(chǎn)生式序列號為引用故障識別產(chǎn)生式的外鍵。故障事件計(jì)算順序表明在應(yīng)用多個(gè)產(chǎn)生式計(jì)算時(shí)的產(chǎn)生式應(yīng)用順序。第一個(gè)參數(shù)標(biāo)志可以是輸入?yún)?shù)、常數(shù)或應(yīng)用中間結(jié)果。其后的第一個(gè)參數(shù)字段根據(jù)該標(biāo)志確定,其中輸入?yún)?shù)通過MIB 中的OID 值表示,應(yīng)用中間結(jié)果通過其序號表明是前面哪一步計(jì)算的中間值。第二個(gè)參數(shù)標(biāo)志可以是輸入?yún)?shù)、常數(shù)或應(yīng)用中間結(jié)果。其后的第二個(gè)參數(shù)字段根據(jù)該標(biāo)志確定,其中輸入?yún)?shù)可以是與第一個(gè)參數(shù)相同或不同的MIB 對象,通過他們的OID 值表示,而應(yīng)用中間結(jié)果通過其序號表明是前面哪一步計(jì)算的中間值。3.2 故障分析知識庫 故障

17、原因分析是網(wǎng)絡(luò)管理中的重要組成部分,故障分析知識庫包含了網(wǎng)絡(luò)領(lǐng)域?qū)＜业谋姸嘟?jīng)驗(yàn),使故障管理系統(tǒng)真正提供分析問題解決問題的能力。該故障分析庫包括故障類型(規(guī)則前件庫)故障原因(規(guī)則后件庫) 組成。四、 推理機(jī)設(shè)計(jì)推理機(jī)設(shè)計(jì)得好壞的主要依據(jù)是推理的效率高低和準(zhǔn)確性的高低。為了提高網(wǎng)絡(luò)故障管理的效率,我們對故障識別和故障分析采用不同的推理機(jī)制。4.1 故障識別推理 由于網(wǎng)絡(luò)故障的發(fā)生具有隨機(jī)性和不確定性,一旦輪詢到網(wǎng)管代理,獲得其中MIB 數(shù)據(jù)庫中的某輪詢對象的數(shù)據(jù),就必須能及時(shí)判斷出該輪詢對象是否發(fā)生故障。本文設(shè)計(jì)多線程的推理機(jī)方式,即每做一次故障識別啟動(dòng)一

18、工作者線程,完成推理工作,提高了網(wǎng)絡(luò)的單位時(shí)間被輪詢監(jiān)測點(diǎn)的密度并且保 證一定程度的數(shù)據(jù)實(shí)時(shí)性。根據(jù)構(gòu)建產(chǎn)生式與MIB 關(guān)聯(lián)表獲得對某輪詢對象的處理方法和處理步驟,計(jì)算每一步時(shí)獲得產(chǎn)生式表中對應(yīng)的處理方法,在最后一步判斷條件是否滿足,從而判斷該輪詢監(jiān)測點(diǎn)是否出現(xiàn)故障。 4.2 故障分析推理 結(jié)合目前大多數(shù)網(wǎng)絡(luò)采用的TCP/ IP協(xié)議的特點(diǎn),本文設(shè)計(jì)了(層次- 節(jié)點(diǎn)- 弧) 模型,如圖1 所示。在故障診斷過程中采用分層次定位故障方法將有利于快速找到故障。將網(wǎng)絡(luò)故障按照所發(fā)生的網(wǎng)絡(luò)層次劃分為4

19、60;層,所有屬于某層次的網(wǎng)絡(luò)故障均在該網(wǎng)絡(luò)層中。節(jié)點(diǎn)代表故障匹配規(guī)則的前件(網(wǎng)絡(luò)故障) 和后件(故障原因) ?；橐?guī)則庫中故障匹配規(guī)則,箭頭指向的是由網(wǎng)絡(luò)故障所匹配的故障原因。當(dāng)使用某條弧時(shí),該弧被標(biāo)記為激活弧,其中與條件是指必須考慮弧的所有前件條件是否都滿足,當(dāng)且僅當(dāng)條件都滿足時(shí),規(guī)則后件成立。或條件是指只要該弧中的某個(gè)前件條件滿足,規(guī)則后件成立。在算法中對節(jié)點(diǎn)做規(guī)則匹配,以找出規(guī)則后件的節(jié)點(diǎn)稱為擴(kuò)展節(jié)點(diǎn)。等待將要做規(guī)則匹配,以找出規(guī)則 后件的節(jié)點(diǎn)的稱為活節(jié)點(diǎn)。五、 網(wǎng)絡(luò)故障診斷專家系統(tǒng)發(fā)展方向( 1) 基于多種模型結(jié)合的診斷專家系統(tǒng)。這里

20、所說的模型是指專家系統(tǒng)的知識表示模型與推理模型。現(xiàn)有的各種模型都具有各自優(yōu)勢和特點(diǎn),同時(shí)它們各自也存在著局限性,各種模型具有各自適用的領(lǐng)域。隨著工業(yè)自動(dòng)化發(fā)展對故障診斷的要求不斷提高, 際被診斷對象也將更加復(fù)雜,這樣必然造成對象的故障診斷知識的復(fù)雜化,因此,融合多種知識表示方法是提高故障診斷知識表示準(zhǔn)確度的有效途徑。故障診斷知識表示與推理方法有著密切的聯(lián)系,這就要求將多種診斷方法加以融合,克服各診斷方法的局限性,從而提高診斷專家系統(tǒng)的智能性和診斷效率。 ( 2) 分布式診斷專家系統(tǒng)?，F(xiàn)有的診斷專家系統(tǒng)大都是面向單機(jī)或單服務(wù)器的, 可擴(kuò)充性、靈活性、通用性較差,