因果圖理論及其用于復(fù)雜系統(tǒng)故障診斷研究.pdf

1、人工智能的核心問題之一是如何表達(dá)已有知識(shí)以及如何應(yīng)用已有知識(shí)進(jìn)行分析處理或推理，以得到新的知識(shí)。其中，猶以不確定性知識(shí)表達(dá)和推理最為重要，也十分困難。不確定的知識(shí)表達(dá)可分為兩大類：一類是基于概率的方法，包括信度網(wǎng)、因果圖、馬爾可夫網(wǎng)以及在PROSPECTOR中使用的方法等。另一類是非概率的方法，包括MYCIN的信度因子、模糊邏輯以及Dempster-Shafer的證據(jù)理論等。在基于概率論的不確定性推理理論中，信度網(wǎng)模型因其具有理論上的嚴(yán)

2、格性和一致性，具有有效地局部計(jì)算機(jī)制和直觀的圖形化知識(shí)表達(dá)，正日益受到高度重視。在信度網(wǎng)基礎(chǔ)上發(fā)展起來的因果圖模型，通過引入布爾邏輯運(yùn)算，克服了信度網(wǎng)模型在知識(shí)表達(dá)和推理方面的一些不足，具有重要的工業(yè)應(yīng)用價(jià)值。本文深入研究了因果圖理論及其用于復(fù)雜系統(tǒng)故障診斷的方法。 在介紹因果圖知識(shí)表達(dá)模型、總結(jié)單值因果圖的常規(guī)推理算法后，針對(duì)單值因果圖常規(guī)推理算法中存在邏輯運(yùn)算量大、計(jì)算復(fù)雜的困難，根據(jù)早期不交化的思想，提出了一種單值因果圖推

3、理新方法。該方法通過對(duì)因果圖進(jìn)行正規(guī)化、標(biāo)準(zhǔn)化變換，將因果圖轉(zhuǎn)化為以每個(gè)節(jié)點(diǎn)事件為根的一棵棵標(biāo)準(zhǔn)化的因果樹；定義了割集矩陣及對(duì)割集矩陣的四種操作，利用割集矩陣導(dǎo)出了因果圖早期不交化推理新算法。該方法能有效地消除標(biāo)準(zhǔn)因果樹中重復(fù)事件的影響，而利用割集矩陣的數(shù)值運(yùn)算能提高邏輯吸收運(yùn)算的速度。從總體上降低了因果圖推理的NP難問題，提高了推理計(jì)算速度。這對(duì)因果圖模型在故障診斷等實(shí)際領(lǐng)域中的應(yīng)用具有重要意義。因?yàn)樵趯?shí)際領(lǐng)域中，如核電站故障診斷，因

4、果圖的規(guī)模不是很大，但存在邏輯門和環(huán)路，導(dǎo)致標(biāo)準(zhǔn)因果樹中存在大量的重復(fù)事件，嚴(yán)重影響了因果圖的推理計(jì)算速度。 討論了多值因果圖中存在的不嚴(yán)格滿足概率論的困難及其原因，以及由此困難而衍生的另一困難——將多值因果圖用于實(shí)際問題時(shí)，其推理結(jié)果可能出現(xiàn)錯(cuò)誤。 針對(duì)多值因果圖存在不嚴(yán)格滿足概率論的困難，提出了一種因果影響分配算法。該算法對(duì)多值因果圖進(jìn)行了補(bǔ)充定義，使多值因果圖能夠兼容單值因果圖；建立了核電站二回路系統(tǒng)中，蒸汽發(fā)生器

5、系統(tǒng)故障診斷原因的簡(jiǎn)化因果圖；定義了事件變量狀態(tài)可能性，給出了節(jié)點(diǎn)事件變量狀態(tài)可能性值的精確計(jì)算方法和近似計(jì)算方法；給出了將多值因果圖轉(zhuǎn)化為單值因果圖的步驟，推導(dǎo)了連接事件概率的計(jì)算公式；給出了收到證據(jù)后，感興趣變量狀態(tài)的后驗(yàn)概率計(jì)算方法；以一個(gè)實(shí)際的多值因果圖例子展示了推理計(jì)算的全過程。實(shí)例計(jì)算表明，補(bǔ)充定義后的因果圖能夠有效而方便的表達(dá)領(lǐng)域?qū)＜抑R(shí)，推理計(jì)算過程嚴(yán)謹(jǐn)，推理計(jì)算結(jié)果符合實(shí)際情況。 針對(duì)多值因果圖的推理算法只能處

6、理具有明確概念劃分多值因果圖，不能處理模糊的情況的局限性，在多值因果圖推理算法的基礎(chǔ)上提出了一種模糊推理算法。該算法對(duì)多值因果圖進(jìn)行了模糊擴(kuò)展定義，使每個(gè)基本事件或節(jié)點(diǎn)事件變量對(duì)應(yīng)一個(gè)能夠連續(xù)取值的讀數(shù)變量，在讀數(shù)變量和事件變量之間建立模糊對(duì)應(yīng)關(guān)系，用讀數(shù)變量的取值相對(duì)于事件變量各狀態(tài)的隸屬度函數(shù)來表達(dá)模糊知識(shí)；給出了用于構(gòu)造隸屬度函數(shù)的圖形分布，及隸屬度函數(shù)的構(gòu)造步驟；在事件變量上定義了一個(gè)等價(jià)的虛擬模糊狀態(tài)，使讀數(shù)變量的每一個(gè)取值對(duì)

7、應(yīng)一個(gè)模糊狀態(tài)，把讀數(shù)的模糊推理轉(zhuǎn)化為對(duì)應(yīng)模糊狀態(tài)的非模糊推理；給出了收到證據(jù)E下，感興趣變量H的讀數(shù)變量RH某取值rH的后驗(yàn)概率計(jì)算方法，并推導(dǎo)了相應(yīng)的計(jì)算公式。該算法能夠處理模糊的多值因果圖，有效地表達(dá)實(shí)踐中模糊的不確定性知識(shí)，并具有一定的處理連續(xù)變量不確定性推理的能力。 在介紹可能性傳播圖模型的基礎(chǔ)上，通過模糊的方法，采用隸屬度函數(shù)和原因結(jié)果影響關(guān)系概率表來表達(dá)專家知識(shí)，在基于最大熵原則的假設(shè)下，導(dǎo)出了連接強(qiáng)度函數(shù)的表達(dá)式

8、，實(shí)現(xiàn)了模糊表達(dá)的專家知識(shí)向適合于可能性傳播圖推理的知識(shí)表達(dá)方式的轉(zhuǎn)變。從而較好的解決了可能性傳播圖模型在實(shí)際推廣應(yīng)用中的領(lǐng)域?qū)＜抑R(shí)獲取這一關(guān)鍵問題，這對(duì)可能性傳播圖模型的實(shí)際推廣應(yīng)用具有重要的意義。 主要討論了因果圖用于故障診斷的關(guān)鍵問題，有著重大的理論意義和應(yīng)用價(jià)值。以清華大學(xué)北京核電模擬培訓(xùn)中心的全尺寸950MW核電模擬機(jī)為故障診斷對(duì)象，建立該模擬機(jī)二回路典型故障診斷因果圖。討論了將多值因果圖用于故障診斷時(shí)，它與常規(guī)的因

9、果圖在知識(shí)表達(dá)上的不同。給出了故障模式的動(dòng)態(tài)求取方法、靜態(tài)求取方法，以及有虛假信號(hào)時(shí)故障模式的求取方法。比較了兩種給定證據(jù)下故障模式條件概率的計(jì)算方法，并給出了利用證據(jù)重構(gòu)一個(gè)簡(jiǎn)化因果圖的方法。給出了因果圖智能故障診斷平臺(tái)的設(shè)計(jì)原則、整體設(shè)計(jì)、核心推理機(jī)結(jié)構(gòu)和一些界面設(shè)計(jì)。完成了因果圖智能故障診斷平臺(tái)核心的研制與開發(fā)。在自行研制的因果圖智能故障診斷平臺(tái)上，對(duì)核電站二回路系統(tǒng)典型故障如泵、閥和管道破裂等進(jìn)行了離線故障診斷。診斷結(jié)果符合實(shí)際