Vol.15 No.6 高立新等：建立实用故障诊断专家系统知识库的新方法 ·589· 以故障发生的概率来度量的，这是2种不同类型逻辑树的显著区别之一。 综上所述，预测树具有如下特点： (1)它是根据观察到的现象（症状），预测将要产生的故障，而不是已知故障再去寻找 原因；（2)其底事件主要以故障诊断仪器测得的信号及分析处理后的特征值为依据，但是 也包括五官诊断的丰富经验 有了预测树，就可以利用形图化规则语言来建立知识库了。 2图形化规则语言 为了便于S开发人员与实际专家交流，在知识处理领域，必须有1种类似于图纸那样 的工程“语言”。利用这种语言来描述建立ES时所遇到的各种情况（如问题本身、对问题 的解决方法，以及获得结论或答案所必须考虑的条件等等)。 图形化规则语言正是这样1种简单、具有良好的结构且拥有1种近似自然语言风格的知 识处理语言。图形化规则语言能够很容易地表达规则间的关系，它包括上下文树、属性表、 模版等。由上下树可得到属性表，由属性表，再按模版的要求就可以构造出规则。 2.1上下文树 专家系统领域的问题可以分解成若干子问题，这些子问题还可以进一步分解。这样，领 域的结构或轮廓如同预测树一样，也象1棵倒挂着的树，在专家系统领域里，这种树称之为 上下文树 我们可容易地将预测树转化为建造知识库所需的上下文树及推理流程图（图4）。 图4中，“轴承监测系统”是根上下文，由此根上下文引出所要监测的“308轴承”、 “7608轴承”等子辈上下文，又由此子辈上下文引出“滤波谱内圈频率”等子子辈上下 文，依次类推，这就是图形化规则语言的上下文树。 由图中箭头方向，可看出其推理流程。例如，通过五官诊断可知“温度、噪音”是否异 常”，通过对上述信息的分析，可得知“状态监测异常”。 由“状态监测异常”和“故障诊断异常”2个方面的综合判断，最终可以确定轴承发生 何故障。 比较图2、图3和图4可见，预测树和上下文树在结构上是基本一致的，只是根据使用 者的需要在组合时略有区别。本文根据系统监测的对象是“轴承疲劳试验故障诊断系统”， 划分了特定的子辈上下文；对于车床主轴箱，由于其监测对象是不同的传动链，则子辈上下 文应当划分成“典型传动链子辈上下文”和“常用传动链子辈上下文”等。总之，对不同 的监测对象，可以从不同的预测树出发，得到不同的子辈、子子辈上下文。 对于本系统，由图4所示上下文树可得表示属性及所属上下文的属性表（表1） 表1说明了这些属性是可以观察到的还是可以推演的。为了便于理解一些属性，还用自 然语言进行了注释。由于有了图4的推理流程与上下文树，可以很方便地完善表1。 2.2建立知识库 图形化规则语言的语法是用模版来描述的。通过往模版中的相应位置填写合法的词汇就 可以描述】个事实或1条规则。事实模版（图5）是由属性、谓词和值3个语言成分组成。vo l . 巧 o N . 高立新等 6 : 建立实用 故障诊断 专家系 统知 识库的新 方法 8 5 9 ` 以 故 障发生 的 概率 来度 量的 , 这是 2 种不 同类型逻 辑树的显著 区别 之 一 。 综 上所 述 , 预测 树具有 如下特 点 二 ( l) 它 是 根据观察到 的现象 (症状 ) , 预测将 要产 生 的故 障 , 而不是 已 知 故 障再 去寻 找 原 因; ( 2 ) 其底事 件主要 以 故障诊 断 仪器 测得 的信号及 分 析 处理 后 的特 征 值为 依 据 , 但是 也 包 括五官 诊断 的丰 富经 验 。 有 了预 测 树 , 就可 以 利 用形 图化规则 语言来 建立 知识库了 。 2 图形化规则语言 为 了便 于 ES 开发人员 与实 际专家交 流 , 在知 识处理领 域 , 必须 有 1 种 类 似 于 图 纸那 样 的工 程 “ 语言 “ 。 利用 这 种语言来描述建 立 ES 时所 遇 到 的 各 种 情 况 ( 如 问 题本 身 、 对 问题 的解决 方法 , 以 及获 得结 论或答案所必 须考虑的条件等 等 ) 。 图形化规则语言正 是这样 1 种简 单 、 具有 良好 的结构 且拥有 l 种近 似 自然 语言风 格 的知 识处理 语言 。 图形化规则 语言 能够很容 易地 表达规则 间的关 系 , 它 包 括 上 下 文 树 、 属性 表 、 模 版等 。 由上下 树可 得到 属性表 , 由属 性表 , 再按 模版 的要 求就可 以 构造 出规则 。 2 . 1 上下 文树 专家系 统领域 的问题 可 以 分解成若干 子问题 , 这些 子 问题 还可 以 进一步分 解 。 这 样 , 领 域 的结 构或 轮廓 如 同预测 树一 样 , 也象 1 棵倒 挂着 的树 , 在 专家系 统领域 里 , 这种 树称之 为 上 下文 树 。 我 们可 容易地 将预 测树 转化 为建造 知 识库所需 的上下文 树及 推理 流 程 图 ( 图 4) 。 图 4 中 , “ 轴 承 监 测 系 统 ” 是 根 上 下 文 , 由此 根 上 下 文 引 出 所要 监 测 的 “ 3 08 轴承 ” 、 “ 7 60 8 轴 承 ” 等 子 辈上 下 文 , 又 由此子 辈 上 下 文 引 出 “ 滤 波 谱 内圈 频 率 ” 等 子 子 辈 上 下 文 , 依次类 推 , 这就 是 图形 化规则 语 言的上下 文树 。 由 图中箭头方 向 , 可看 出其推 理 流程 。 例 如 , 通 过五官 诊 断可 知 “ 温 度 、 噪音 ” 是否 异 常 ” , 通过对上述 信息 的分析 , 可得知 “ 状态监 测 异常 ” 。 由 “ 状态监 测异 常 ” 和 “ 故 障诊断异 常 ” 2 个方 面 的综合判 断 , 最终 可 以 确 定 轴 承 发 生 何故障 。 比 较 图 2 、 图 3 和 图 4 可 见 , 预 测树和上 下文 树在 结构 上是 基本 一 致 的 , 只 是 根 据 使 用 者的需要 在 组合 时略 有 区别 。 本文 根据 系 统 监 测 的对象 是 “ 轴 承 疲 劳 试验 故 障 诊断 系 统 ” , 划 分 了 特定 的 子辈上 下 文 ; 对于 车 床主轴箱 , 由于其监 测对象是 不 同的传 动 链 , 则子 辈上 下 文 应 当划分成 “ 典 型传动链 子 辈上下 文 ” 和 “ 常 用传动 链 子 辈 上 下 文 ” 等 。 总 之 , 对不 同 的监测 对象 , 可以 从不 同的 预测树 出 发 , 得 到不 同的子 辈 、 子子 辈上下 文 。 对于本 系 统 , 由图 4 所 示上下 文 树可 得表 示 属性 及所 属 上 下文 的 属性表 (表 1) 。 表 1 说 明 了这 些属性 是可 以观 察到 的还是 可 以 推 演的 。 为 了便 于理 解一 些 属性 , 还 用 自 然语 言进 行 了注 释 。 由于 有 了图 4 的 推理 流程 与上 下 文树 , 可 以 很方 便 地完 善表 1 。 2 . 2 建立 知 识库 图形 化规则语言 的语法是 用模 版来描述 的 。 通过往模版 中的 相应位置 填写 合法 的词 汇 就 可 以 描 述 l 个事 实 或 1 条规则 。 事 实模 版 ( 图 5a ) 是 由 属性 、 谓 词和值 3个 语言成分组 成