D0I:10.13374/i.issm1001053x.2002.05.024 第24卷第5期 北京科技大学学报 Vol.24 No.5 2002年10月 Journal of University of Science and Technology Beijing 0ct.2002 用神经网络技术建造碳钢和低合金钢 大气腐蚀知识库 栾艳冰李顺华 屈祖玉 北京科技大学材料科学与工程学院：北京市腐蚀，磨蚀与表面技术重点实验室，北京100083 摘要简要介绍了传统专家系统知识库所存在的问题，提出了一个基于神经网络的碳钢和 低合金钢大气腐蚀知识库系统，并着重阐述了这种新型知识库系统的知识获取、知识表示和系 统的实现等问题 关键词神经网络：专家系统：知识库；大气腐蚀；碳钢和低合金钢 分类号TG172.3 金属腐蚀给国民经济带来的损失是巨大 运行的基础.然而，传统的专家系统，尤其是专 的.据专家估计，目前我国每年由于金属腐蚀造 家系统的知识库，仍然存在着一些缺点，主要 成的直接经济损失至少在800亿人民币以上川， 有： 其中因大气腐蚀造成的损失约占腐蚀总量的一 (1)通常在建立专家系统知识库时，知识获 半.因此，研究建立金属材料大气腐蚀防护专 取主要靠人工移植，由知识工程师将领域专家 家决策系统，对于控制材料腐蚀、减少经济损失 知识和经验移植到计算机.这种间接的方法，因 就很有必要. 而费时、效率低，构成了目前专家系统知识库 本系统通过对我国7个大气腐蚀试验站长 设计开发中知识获取的“瓶颈”， 期积累的17种碳钢和低合金钢的化学成分数 (2)一般的专家系统知识库只有浅层的、表 据及腐蚀率数据的总结，利用人工神经网络方 面性的知识，缺乏本质的、理智的知识.因此，一 法，建立了一种基于神经网络的碳钢和低合金 旦出现启发规则未考虑到的情况，专家系统的 钢大气腐蚀知识库.它是金属材料大气腐蚀与 性能将急剧下降，甚至无法给出结论 防护专家决策系统的一个子系统.根据专家系 (3)在传统的专家系统知识库中，所存储的 统知识库，利用用户提供的原始数据，可以模拟 知识往往是某一相当窄的专业领域的知识和经 人类专家推理，对钢的腐蚀速率进行预测.本文 验，这就造成知识“窄台阶”. 在分析传统的专家系统知识库不足的基础上， (4)在传统的专家系统中，知识库的维护比 着重探讨这一新型专家系统知识库的设计和实 较困难，对知识的更新、修改也很麻烦.如果专 现问题 家系统控制策略不灵活，智能水平低，特别是知 识库非常庞大时，就难免会出现搜索速度下降、 1传统的专家系统知识库存在的主 规则相互抵触等“知识组合爆炸”问题. 要问题 以非线性并行处理为主流的人工神经网络 技术的发展，为解决传统专家系统存在的问题 专家系统是人工智能(AI)领域的一个最活 开辟了新的途径.作为一种新的尝试，在利用北 跃的分支.一般来说.专家系统是由知识库、数 京、青岛、武汉、江津、广州、琼海、万宁等地区 据库、推理机、解释器及知识获取器五个部分组 积累的17种钢化学成分和腐蚀速率的数据基 成，其中知识库是专家系统的核心，是推理机 础上，建立了7个神经网络模型，构成一种新型 收稿日期2001-06-29栾艳冰女，24岁，硕士 的神经网络知识库系统. *国家自然科学基金资助课题(No.59290916-1)
第 卷 第 期 年 月 北 京 科 技 大 学 学 报 心】 用神经网络技术建造碳钢和低合金钢 大气腐蚀知 识库 梁艳冰 李顺 华 屈 祖玉 北京科技大学材料科学与 上程学院 北京 市腐蚀 、 磨蚀 与表面技术重点实验室 ， 北京 摘 要 简要 介 绍 了传统专家系统知识库所存在 的问题 ， 提 出 了一 个基 于神经 网络 的碳钢 和 低合金钢大气腐蚀知识库系统 ， 并着重 阐述 了这 种新 型 知识库系统 的知识获取 、 知识表示 和 系 统 的实 现等问题 关 键词 神经 网络 专家系统 知识库 大气腐蚀 碳钢 和低合金钢 分 类 号 金 属 腐蚀 给 国 民 经 济 带 来 的 损 失 是 巨 大 的 据专家估计 ， 目前我 国每年 由于金属腐蚀造 成 的直接经济损失 至少在 亿人 民 币 以上 ” 】 ， 其 中因大气腐蚀造成 的损失约 占腐蚀 总量 的一 半 〔 因此 ， 研究 建立 金属材 料 大气腐蚀 防护专 家决策系统 ， 对于控制材料腐蚀 、 减少 经济损 失 就很有必 要 本 系统通 过对我 国 个大气腐蚀试验站 长 期 积 累 的 种 碳 钢 和 低合金 钢 的化学 成分数 据 及腐蚀率数据 的总结 ， 利用 人 工神经 网络方 法 ， 建立 了一 种基于神经 网络 的碳钢 和 低合金 钢 大气腐蚀 知识库 它 是 金 属材料大气腐蚀 与 防护专家决策 系统 的一个子 系统 根据专家 系 统知识库 ， 利用 用 户提供 的原始数据 ， 可 以模拟 人类专家推理 ， 对钢 的腐蚀速率进行预测 本 文 在分析传统 的专 家系统知识库不 足 的基础 上 ， 着重探讨这一 新 型 专家系统知识库 的设计和 实 现 问题 传统的专家 系统知识库存在的主 要 问题 专家 系统是人工智能 领域 的一个最活 跃 的分支一般来说 ， 专家系统是 由知 识库 、 、 数 据库 、 推理机 、 解释器及 知识获取器五个部分组 成 〔 ，， 其 中知识库是 专 家 系统 的核 心 ， 是 推理机 收稿 日期 一 一 架艳冰 女 ， 岁 ， 硕士 国家 自然科学基金资助 课题 乃 运 行 的 基础 然 而 ， 传统 的专家系统 ， 尤 其是专 家 系统 的知识库 ， 仍然存在着 一些 缺 点 ， 主要 有 通 常在建立 专家系统知识库时 ， 知识获 取 主要靠人工 移植 ， 由知识工程师将领域专家 知识和 经验移植到计算机 这种 间接 的方法 ， 因 而 费 时 、 效率低 ， 构成 了 目前专家系统知识库 设计开发 中知 识获取 的 “ 瓶颈 ” 一 般 的专 家系统知识库 只有浅层 的 、 表 面性 的知识 ， 缺乏 本质 的 、 理智 的知识 因此 ， 一 旦 出现启发规 则未 考虑 到 的情况 ， 专家系统 的 性 能将 急剧下 降 ， 甚 至 无法 给 出结论 在传统 的专家 系统知识库 中 ， 所存储 的 知识往往是某一 相 当窄 的专业领域 的知识和经 验 ， 这 就造 成知识 “ 窄 台阶 ” 在传统 的专家 系统 中 ， 知识库 的维护 比 较 困难 ， 对知 识 的更新 、 修改也很麻烦 如果专 家 系统控制策略不灵 活 ， 智能水平低 ， 特别是知 识库非 常庞 大 时 ， 就难免会 出现搜索速度 下 降 、 规则 相互抵触等 “ 知 识组 合爆 炸 ” 问题 以非线性并行处理为主 流 的人工神经 网络 技术 的发展 ， 为 解 决传统专家 系统存在 的 问题 开辟 了新 的途径 作为一种 新 的尝试 ， 在利用北 京 、 青 岛 、 武 汉 、 江 津 、 广 州 、 琼海 、 万 宁等地 区 积 累 的 种 钢化学成分和 腐蚀 速率 的 数据 基 础 上 ， 建立 了 个神经 网络模型 ， 构成一种新型 的神经 网络知 识库 系统 DOI ：10．13374／j ．issn1001－053x．2002．05．024
572 北京科技大学学报 2002年第5期 2 神经网络知识库系统设计与实现 放训练7个神经网络所用的实例，即学习样本 在武汉地区的神经网络，以除3,9,17号钢种以 2.1知识获取 外的其他14种钢在本地的数据为学习样本训 知识获取是知识从知识源到知识库的转移 练网络，实例个数为56.在万宁地区的神经网 过程，是AI和知识工程中的关键性技术难题 络，以除9,17号钢种以外的其他15种钢的数据 在本知识库系统的建立过程中，知识获取包括 为学习样本，实例个数为60.在其他5个地区的 提出所需神经网络的结构；组织待学习的样本； 神经网络，以除9号钢种以外的其他16种钢的 使用神经网络学习算法，通过对样本的学习，得 数据为学习样本，实例个数为64.训练实例知 到所需权值分布，从而完成知识获得 识库包括下列参量：①实例个数；②实例的输 神经网络研究表明，BP网络具有从输入到 入变量数；③实例的输出变量数；④实例编 输出的高度非线性映射，任何-一个连续函数都 号；⑤实例数据对. 可以用3层BP人工神经网以任何精度逼近 (2)训练及检验结果.本部分包括7个网络 BP网络及其算法结构简单，易于实现，在许多 的训练和检验结果.7个地区的神经网络训练 方面得到了广泛的应用.在建立本神经网络知 好以后，均以9号钢种12 CrMnCu在1,2,4,8年的 识库时，采用3层BP网络，网络训练采用Matlab 腐蚀率数据为检验样本，将预测值和实测值比 软件中的神经网络工具箱.7个神经网络结构 较，从而检验各个神经网络的有效性.以广州地 相同，转移函数相同，而学习参数略有不同.网 区的神经网络为例，结果如下： 络输人层有8个节点，分别代表钢的C,S,P,Mn, ①训练结果：训练步数一11， Si,Cr,Cu的含量以及时间.网络隐含层节点数为 训练误差0.0186922； 5,输出层节点数为1，代表钢的腐蚀率 ②检验结果：见表1. 网络的转移函数和学习参数如下：隐含层 传递函数一双曲正切函数，输出层传递函数 表112 CrMnCu腐蚀率预测值与实测值的比较 纯线性函数.学习过程显示频率为10，误 Table 1 Comparison of the predicted values with actual 差指标为0.02，学习率为0.01.最大训练步数 values of corrosion on rate for 12CrMnCu mm/年 分别为北京、琼海、武汉：200；广州、江津、青岛： 实验时间年 实测值 预测值 预测误差% 1 0.0525 0.0477 9.14 300;万宁：400. 2 0.0377 0.0428 13.53 2.2知识表示 4 0.0282 0.0300 6.38 知识表示是知识推理的前提，通过知识表 8 0.0181 0.0212 17.13 示将所获取的知识存于知识库中，才能进行推 理并求解问题 从7个神经网络的检验结果可知，预测误 在本知识库系统中，知识的表示与传统的 差一般在20%以内，效果还是比较理想 专家系统知识库有很大的差别.它不是显式表 (3)问题求解知识库.问题求解知识库是此 示，而是某种隐式表示.当训练（知识获取）结束 神经网络知识库的核心部分，它存储了网络训 后，知识就表示为训练好的网络的权系数矩阵 练所获取的隐式知识，表示为网络的权值矩阵 和阈值向量，分布于整个网络之中 和阈值向量，这构成了网络推理（或预测）的基 2.3系统构造 础.它包括以下参量：州为输入层与隐含层之间 本神经网络知识库系统主要包括四个部 的权值矩阵；b为隐含层节点的阈值向量；w为 分，分别为训练实例知识库、训练和检验结果 隐含层与输出层之间的权值矩阵；b,输出层节 库、问题求解知识库及知识利用 点的阈值向量.以广州地区为例，训练好的网络 (1)训练实例知识库.训练实例知识库中存 的权值和阈值如下： -5.0047 12.1564 11.0347 -0.3701 0.3301 -0.0644 2.3725 0.0633 5.4724 -12.8492 -10.5349 0.6254 1.1404 0.4068 0.7224 0.2021 -2.3290 -20.1360 4.7022 0.6996 1.8381 0.4067 0.2285 -0.1573 4.1269 -27.9693 -2.8427 0.4933 1.6558 0.6403 -1.0307 0.5064 3.2320 -7.0649 -5.8525 0.2349 1.5060 0.6285 2.1050 0.1899
北 京 科 技 大 学 学 报 年 第 期 神经网络知 识库 系统设计与实现 知 识获取 知识获取是 知识从知识源 到知识库的转移 过程 ， 是 和 知识工程 中的关键性技术难题 在本 知识库 系统 的建立 过程 中 ， 知识获取包括 提 出所需 神经 网络 的结构 组织待学习 的样本 使用 神经 网络学 习算法 ， 通 过对样本 的学 习 ， 得 到所需权值分 布 ， 从而完成知识获得 神经 网络研究表 明 ， 网络具有从输人 到 输 出的高度非线性映射 ， 任何一 个连续 函数都 可 以用 层 人工 神经 网 以任何精度 逼 近 ‘， 网络及其算法结构简单 ， 易于 实现 ， 在许多 方 面得 到 了广泛 的应用 在建立本 神经 网络知 识库时 ， 采用 层 网络 ， 网络训 练采用 软件 中的神经 网络工具箱 个神经 网络结构 相 同 ， 转移 函数相 同 ， 而 学 习参数 略有不 同 网 络输人层有 个节点 ， 分别代表钢 的 ，，， ， ，， 的含量 以及时 间 网络隐含层 节点数为 ， 输 出层节点数为 ， 代表钢 的腐蚀率 网络 的转移 函数和 学 习参数如下 隐含层 传递 函数－ 双 曲正切 函数 ， 输 出层传递 函数 － 纯线性 函数 学 习 过程显示 频 率为 ， 误 差 指 标 为 ， 学 习 率为 最 大训 练步数 分别为北京 、 琼海 、 武汉 广州 、 江津 、 青岛 万 宁 知识表示 知识表示 是 知识推理 的前提 ， 通过知识表 示将所获取 的知识存 于 知识库 中 ， 才能进行推 理并求解 问题 在本知识库 系统 中 ， 知识 的表示 与传统 的 专家 系统知识库有很大 的差别 它 不 是显 式表 示 ， 而是某种 隐式表示 当训 练 知识获取 结束 后 ， 知识就表示 为训 练好 的 网络 的权系数矩 阵 和 闭值 向量 ， 分布于 整个 网络之 中 系统构造 本 神 经 网 络 知 识 库 系 统 主 要 包 括 四 个 部 分 ， 分别为训 练实例知识库 、 训 练和 检验结果 库 、 问题求解 知识库及知识利用 训 练实例知识库 训 练实 例知识库 中存 放训 练 个神经 网络所用 的实例 ， 即学 习 样本 在武汉地 区 的神经 网络 ， 以 除 ， ， 号钢 种 以 外 的其他 种钢在本地 的数据 为学 习 样本 训 练 网络 ， 实例个数为 在万 宁地 区 的神经 网 络 ， 以 除 ， 号钢种 以外 的其他 巧 种 钢 的数据 为学 习样本 ， 实例个数为 在其他 个地 区 的 神经 网络 ， 以 除 号 钢种 以 外 的其他 种钢 的 数据为 学 习样 本 ， 实例个数 为 训练实例知 识库包括下 列参量 ①实例个数 ② 实例 的输 人变量数 ③ 实 例 的输 出变量 数 ④实 例编 号 ⑤实例数据对 训 练及检验结果 本 部分包括 个 网络 的训 练和 检验结果 个地 区 的神经 网络训 练 好 以后 ， 均 以 号钢 种 在 ， ， ， 年 的 腐蚀率数据为检验样本 ， 将预测值和 实测 值 比 较 ， 从而检验各个神经 网络的有效性 以广州地 区 的神经 网络 为例 ， 结果如下 ①训 练结果 训 练步数一 ， 训练误差一 ②检验结果 见表 表 腐蚀率预 测 值与实测 值的 比较 口 年 实验时间啤 实测值 预测值 预测误差 从 个神经 网络的检验结果可 知 ， 预测 误 差一 般在 以 内 ， 效果还 是 比较理想 问题求解知识库 问题求解知识库是此 神经 网络知识库 的核心 部分 ， 它存储 了 网络训 练所获取 的 隐式知识 ， 表示 为 网 络 的权值矩 阵 和 阂值 向量 ， 这构成 了 网络推理 或预测 的基 础 它包括 以下参量 为输人层与隐含层之间 的权值矩阵 为 隐含层节 点 的 阂值 向量 桃为 隐含 层 与输 出层 之 间 的权值矩 阵 输 出层 节 点 的阑值 向量 以广州地 区 为例 ， 训 练好 的 网络 的权值和 阂值如下 ﹄、 甘 ，，︸ 山， 内乙︸，门 ‘︸、 ︸ 冲一 一 一 一 一 一 一 一 一 刁 刁 刁 一 刁目 刁 刁 刁 一
Vol.24 栾艳冰等：用神经网络技术建造碳钢及低合金钢大气腐蚀知识库 ·573· b,=(0.0603-1.67470.06672.6969-0.5065) 知识库建立过程中的“瓶颈”问题，从而提高了 w2=(0.01130.02070.01610.12860.1094) 效率. b2=(0.0396) (2)知识的分布式表达.系统经过训练之后， (4)知识利用.知识利用是指利用知识库中 其节点间的连接权值和节点阈值形成了对问题 的知识进行推理，从而得出结论的过程.知识利 的知识表达，存储于知识库之中.这种对知识的 用是本神经网络知识库的应用部分，根据问题 分布式表达，保证了系统具有较好的容错性. 求解知识库中的网络权值矩阵和阈值向量，可 (3)系统维护较容易.由于知识库中的知识 预测其他钢的腐蚀率.用户需要输入待测材料 具有统一的内部表示形式，这就使系统易于维 的化学成分和预测年限(1~10年)，选择预测地 护和管理 区，然后按“开始预测”按钮可以进行预测（图1）. 4 结束语 用户接口 本文探讨了一种基于神经网络的碳钢及低 合金钢大气腐蚀知识库系统的基本结构和实现 化学成分 预测年限 预测地区选择 技术，初步尝试了将神经网络方法用于材料腐 蚀知识库的建造.同时从系统观点出发，初步建 知识库 立钢的化学成分和腐蚀率之间的映射关系，取 得较好的效果，这是神经网络方法在腐蚀研究 腐蚀率预测 领域的又一新的尝试.同时也表明，神经网络方 法处理那些因果关系不太明确、机理不太清楚 结果 的问题，效果比较明显，用神经网络方法建造碳 钢和低合金钢大气腐蚀知识库是可行的 图1知识利用示意图 Fig.1 Schematic diagram of knowledge utilization 参考文献 1王光雍，舒启茂.材料在大气，海水、土壤环境中腐蚀 3神经网络知识库系统特点 数据积累及腐蚀与防护研究的意义与进展[).中国 科学基金，1992,6(1)：28 本系统是一种基于神经网络的知识库系 2朱日彰，杨德钧，沈卓身，等.金属腐蚀学M北京： 冶金工业出版社，1989,183 统，与传统的专家系统知识库有较大的区别.其 3王辉南.智能控制系统M个.长沙：湖南大学出版社， 特点如下， 1996 (1)知识的自动获取.本系统不是以人工方 4杨晓明，谢铁军，熊丽清，等.具有先验知识的前馈 式获取知识，而是通过神经网络对训练样本的 网络规划模型在海水腐蚀预测中的应用[】.北京科 学习，实现了知识的自动获取.这就较好解决了 技大学学报，2000,22(3)：242 Establishment of an Atmospheric Corrosive Knowledge Base for Carbon Steel and Low Alloy Steel Based on ANN LUAN Yanbing,LI Shunhua,QU Zuyu Material Science and Engineering School,UST Beijing,Beijing 100083,China ABSTRACT The defect in the knowledge bases of the traditional expert systems is briefly discussed and then an atmospheric corrosive knowledge base of carbon steel and low alloy steel based on artificial neural networks is presented.The knowledge acquisition,knowledge representation and system fulfillment in this new knowledge base system are described in detail. KEY WORDS artificial neural networks;expert system;knowledge base;atmospheric corrosion;carbon steel and low alloy steel
架艳 冰等 用 神经 网络技术建造碳钢 及低 合 金钢 大气腐蚀 知 识库 ， 刁 一 刁 刁 刁 刁 刁 知识利用 知 识利用是指 利用 知识库 中 、的知识进行推理 ， 从而得 出结论 的过程 知识利 用 是本神经 网络知识库 的应用部分 ， 根 据 问题 求解知识库 中的 网络权值矩 阵和 闭值 向量 ， 可 预测其他钢 的腐蚀率 用 户需要输入 待测 材料 的化学成分和 预测 年 限 一 年 ， 选择预测 地 区 ， 然后按 “ 开始预测 ” 按钮可 以进行预测 图 知 识库建立过程 中 的 “ 瓶颈 ” 问题 ， 从而提高 了 效率 知识的分布式表达 ‘ 系统经过训 练之后 ， 其节点 间的连接权值和节点 阂值形成 了对问题 的知识表达 ， 存储于知识库之 中 这种对知识的 分布式 表达 ， 保证 了 系统具有较好 的容错性 系统维护较容 易 由于 知识库 中的知 识 具有统一 的 内部表示 形 式 ， 这就使系统易于 维 护 和 管理 用户接 口 化学成分 预测年 限 预测地区选择 知识库 腐蚀率预测 结果 结束语 本文探讨 了一种基于神经 网络 的碳钢及低 合金钢大气腐蚀知识库系统的基本结构和 实现 技 术 ， 初 步尝 试 了将神经 网络 方法 用 于 材 料腐 蚀知识库 的建造 同时从系统观点 出发 ， 初 步建 立 钢 的化学成分和 腐蚀率之 间 的映射关系 ， 取 得较好 的 效果 ， 这 是神经 网络方法在腐蚀研究 领域 的又 一新 的尝试 同时也表 明 ， 神经 网络方 法处理那些 因果关系不太 明确 、 机理不 太清楚 的 问题 ， 效果 比较 明显 ， 用 神经 网络方法建造碳 钢 和 低 合金钢 大气腐蚀知识 库是可 行 的 图 知 识 利 用 示 意 图 · 沈 神经网络知识库 系统特点 本 系 统 是 一 种 基 于 神 经 网 络 的 知 识 库 系 统 ， 与传统 的专家系统知识库有较大 的 区别 其 特点如 下 知识 的 自动获取 本 系统不是 以 人 工 方 式获取 知识 ， 而是通过神经 网络对训 练样本 的 学 习 ， 实现 了知识 的 自动获取 这就较好解决 了 参 考 文 献 王 光雍 ， 舒启茂 材料在大气 、 海水 、 土壤环境中腐蚀 数据积 累及腐蚀与防护研究 的意义与进展 中国 科学基金 ， ， 朱 日彰 ， 杨德钧 ， 沈卓身 ， 等 金属 腐蚀学 北京 冶金 工业 出版社 ， 王 辉南 智能控制 系统 』长 沙 湖南大学 出版社 ， 杨晓 明 ， 谢铁军 ， 熊丽 清 ， 等 具有先验知识的前馈 网络规划模 型 在海水腐蚀预测 中的应用 北京科 技大学学报 ， ， ， ， ， ， ， 如 ， 知 鲍
