专家系统结构设计

　　通过对该地面测试设备可能发生故障的分析，有两种不同的故障判别方式。一种是针对确定因素进行推理的精确故障诊断模式;另一种是针对多因素模糊判断的模糊判别故障诊断模式。因此，在知识的获取、表示和推理等的机制上采取了不同的方法。图3示出该专家系统的结构模型。

　　专家系统一个重要的功能就是新知识的学习能力，该专家系统知识库可以根据不同型号需要改进更新而重新充实，专家系统中的故障库系统承担着为学习系统准备学习样本的重要任务，该系统的故障实例可以以{原始信号，诊断结论，维修措施｝形式进行记录，这样记录的实例通用性比较强，在理论上可以供多个专家系统使用，不同型号的地测设备的故障诊断专家系统可以应用自己的征兆识别系统进行识别，将实例转化为适合自己的形式进行学习。该专家系统做了专门的应用程序窗口来进行对知识的获取，包括添加、修改、删除等操作。针对精确故障推理知识和故障模糊判断知识的不同要求，分别做了不同的知识获取窗口应用程序，既可以通过向维修专家和所记录的维修资料来获取知识，也可以通过系统自学习来获取知识。

　　在专家系统中，核心环节是推理机，推理的知识存放在相应的动态数据库中，知识推理控制着整个系统的运行并使之按照一定的推理策略去解决问题。由于故障分析中存在确定性知识和模糊性知识，所以知识推理采用了状态链推理和模糊推理两种不同的方法。

　　用户按照系统提示进行现场检查，确定故障现象，系统接下来会给出造成这一现象的各种原因，并给出相应的排除建议。如果故障还未排除则进行其他原因的查找，直到排除故障为止。模糊推理通过权重确定、加权平均模型和定量指标综合等得出评价模糊矩阵，对评判结果进行综合决策。

　　结语

　　该故障诊断专家系统主要创新点在于：实现了无负载动态接入、多通道智能扫描，采用全程在线隔离硬件测试技术，解决了检测诊断设备因全程接入而干扰被测装备、因监测能力弱无法实时在线而需被测装备配合完成诊断的技术难题;采用状态链推理与模糊推理相结合的推理方法，并运用故障自学习自适应算法，优化了状态与故障的描述方法，提高了状态识别、故障诊断的效率和定位精度，保证了在线监测、动态跟踪、故障诊断的同步实现;采用模块化设计技术、变量分类封装技术、可重用性设计技术，实现了监测诊断软件中数据处理与诊断逻辑分离，大大提高了软件的运行效率、可靠性和可移植性。