基于人工智能的專家診斷系統在短波發射機中的應用

劉釗

摘 要：隨著科學技術的發展，短波發射機的輔助功能也越來越完善，自動化程度越來越高，從同一型號設備的相互關聯發展到不同設備之間的緊密聯系，在運行過程中形成一個整體。人工智能技術近年發展迅速，基于人工智能的故障診斷系統已成時下應用的熱點。本文在簡要介紹故障診斷和人工智能的基礎上，分析人工智能在故障診斷領域中的應用及在短波發射機上應用提出整體的架構及方案。

關鍵詞：信息化；故障診斷；人工智能

中圖分類號：TN948 文獻標識碼：A 文章編號：1671-2064（2018）13-0016-01

1 引言

短波發射機工作在高溫、高頻的環境中，并且具有工作時間長，不間斷等特點。因此會出現許多難以避免的問題，有時設備會出現各種各樣的異常狀態，以致降低或失去預定的功能，造成嚴重的劣播或停播事故。若是能夠有一個在發生故障時迅速判斷出發生故障的原因及提示故障發生的準確位置的輔助工具，就可以有效減少停播率，使故障損失減低到最低水平。使發射機實現安全，穩定、長時間運行。

專家診斷系統的提出就應運而生，它是在一個指定的領域內幫助人們解決疑難問題的程序系統。具有豐富的處理問題的經驗和這個領域內的相關的專業知識。善于自我學習，會模擬專家的腦回路和決策過程、和推理方法。現在我們就需要運用現代計算機科技和近代新興的人工智能技術，代替廣播發射這個領域里的專家，解決日常工作中遇到的復雜問題。它擁有自學能力，隨著服務于廣播發射領域時間的增多，判斷處理問題的類型也隨之增加，手動或自動增填解決問題的方法，豐富自己的知識庫。從而使解決此類問題的經驗越發豐富，實現高效、安全、便捷。

2 人工智能在故障診斷領域的應用

故障診斷技術大體經歷了三個階段，第一階段是初級階段，僅對診斷結果作簡單的處理，其診斷水平受到評估人技術能力和工作經驗限制。第二階段是以傳感器技術和動態測試技術為手段、以信號處理和建模處理為基礎的常規診斷技術。第三階段是智能診斷技術階段。診斷系統的智能就是因為它可以有效地獲取、傳遞、處理、再生和利用診斷信息，從而具有對給定環境下的診斷對象進行成功狀態識別和狀態預測的能力。

現階段的診斷系統是人工智能的一個重要組成部分，也是人工智能發展階段的產物，它縝密、智能、運行速度快、精準、權威。隨著診斷系統的理論不斷完善，技術不斷提高，它被廣泛應用服務于各行各業的眾多領域。簡單的來說診斷系統就類似于一個醫術高明醫生，準確地判斷出病因，并能開出良方解決問題，且能夠不斷的充實自己的大腦，使知識庫不斷的擴容。現在很多領域都已經開發出了適合自己使用的診斷系統，在一些高級領域里診斷系統功能全面，實用性高，已經逐步完善成熟。他們在判斷問題的時候甚至超過人類專家，所以我們借助這些優勢的診斷系統，設計研發了適合自己的一套診斷系統，希望其在短波廣播發射機領域也能產生巨大的收獲。

3 發射機故障診斷系統

故障診斷系統的重要組成部分是對知識庫和推理機的詳細設計，知識庫內儲存大量的專業知識，并正確表達，可以提高識別效率；而推理機要有精確的推理方法來提高故障診斷的精準度。

3.1 知識的表示方法

知識表示是知識的符號化和形式化的過程，是用機器表示知識的可行性、有效性的一般方法，是經過削減、塑造、解釋和轉換的信息，簡單的來說，知識是經過加工的信息。是這個領域所涉及的各個有關方面的一種符號表示，把知識編碼成某種數據結構的過程。本次設計的系統中采用了基于產生式系統的規則表示法，意思就是說把一組產生式放在一起，讓它們互相配合，協同作用，一個產生式生成的結論可以供另一個產生式作為已知事實使用，以求得問題的解決。這種表示方法是現在已經是人工智能中應用最多最成熟的一種知識表示方法。

產生式規則就是因果關系，基本形式就是“IF X THEN Y”。其中X是產生式是否可用的條件，Y是一組結果或應該執行的操作。當然X、Y都可以有多個條件或者結果構成。例如若X由多個條件組成且同時滿足，就也應該執行Y操作。

3.2 知識庫的設計

知識庫設計為發射機表、參數表、前件表、后件表和規則表。

發射機表中存放的是每臺發射機的編號、名字和頻道號。

參數表中列出了所有發射機編號、參數編號、參數名稱，標準值、正常狀態下的顯示值和需要采集電壓范圍。

當知識庫完善后，推理機根據已有的知識，分析情況并給出結論，由程序來處理推理過程。

3.3 推理

發射機在正常工作狀態下，有些表值正常狀態下是浮動的一個值，有一定的變化范圍，并不是一個精確的數字。模糊推理系統以模糊理論為依據，實現復雜的非線性映射關系，通過模糊化模塊將輸入的精確值進行模糊化處理，轉化成一個模糊的集合區間。模糊的語言的表示大小、長短、高低等程度的詞匯。例如，水溫的正常值是40℃，但是在25℃至55℃區間內，我們并不能判斷這個正常值不正常，所以就要用到模糊化。將溫度劃分為五檔“低”“較低”“中”“較高”“高”，如果水溫的值在設定的范圍內，對應的模糊區間，運用該類型的表輸出模糊量詞。

3.4 知識獲取

診斷系統要不斷的完善，更新就要不斷的學習，就得對知識庫進行增刪、修改、擴充和更新。此次設計的診斷系統有人工錄入和自學式錄入兩種更新知識庫的方式。

人工錄入也是狹義的知識獲取，人工移植的辦法將信息錄入知識庫，它又分為兩種：靜態錄入和動態錄入。靜態錄入是指系統在使用前對知識庫進行的存儲、編排和管理，是系統獲取的先知知識。動態錄入是指系統在運行過程中，通過人機交互，補充先前知識庫的不足，彌補漏洞，更新知識庫。

自學式錄入在學習過程中，由人作為監督者，給出評價判斷標準來擴充知識庫。

3.5 解釋器

解釋器其實就是一種翻譯程序，當讀入一條語句的時候執行語句賦予的命令，從規則庫中調用相應的解釋語句，反映給值班人員。

這些整理出來的故障原因、故障現象及處理方法將在日常工作中使故障診斷系統的知識庫逐步完善，若干次同樣的故障在同一故障點只能有一種現象，這樣就排除一些干擾判斷故障原因的無用現象，給出的處理意見更加細化和準確。甚至在故障發生前一些表值的變化就能發出報警，使故障判斷更加及時準確，更快的解決發射機存在的問題。

4 結語

從今后的發展看，故障診斷是具有獨特的優點，將人工智能的理論和方法應用于故障診斷，發展智能化的故障診斷技術，是故障診斷的一個新的途徑，成為故障診斷的一個重要研究方向。基于人工智能的故障診斷系統在未來的發展趨勢為可概括為集成化、高精度化、智能化和網絡化。故障診斷系統的應用提高了該類型發射機運行的穩定程度、監測的自動化水平，減少人為造成的差錯和人力資源的浪費，動態了解發射機的運行情況，對發射機全面自動化而言，現在僅僅是一個發展的開始，將來在更多的方面建立使用人工智能技術，使之全面應用服務于發射臺站。