·34· 北京科技大学学报 1995年No.l 则熵值差集合： {J(g,)iJ(g,)>e,1=<j<=k} 所确定的Q的子集Q,即为启发性故障诊断参数集合H,即：H一Q,· 当通过计算将H集确定后，只要ε取值适当，则由系统的初使状态确定的可观诊断参 数集V的子集V。必有关系： V。sH 若V。确定后，则以V。为驱动数据进行正向推理搜索，即产生了故障目标集O: O={x,Ix,EV,且VeV,} 而集合X一0可作为非故障目标集被排除，这时，利用知识 (V-Q)U(Q-H)U(H-V。) 对集合O实施反向推理搜索，则被进一步缩小的故障目标集合O便为故障解集S,即 S=0' 由于S的每一元素均与一可测诊断参数集M的子集相对应，则所有这些子集的并集即为诊 断参数解F. 这样，系统的合理诊断参数即为集合F,而这一求解过程是在专家系统的基础之上，利 用正、反向混合推理在信息差值的指导下进行的，这个求解过程可总结如下： (1)将集合D中的M集及V集进行确定；(2)求M与V的交集Q;(3)将Q中的元 素按式(4)计算其信息熵差值并按大小顺序排列；(4)确定边界值8，截取Q集，得启发性 故障诊断参数集H;(5)根据系统初使状态确定V。,实行正向推理，得故障目标O;(6)在知识 (V-Q)U(Q-H)U(H-V。)的范围内，对集合O实施反向推理，得最终故障解集S;(7)取 S所对应的诊断参数解集F中的元素即作为系统的诊断参数， 3方法评价 采用这种方法时应注意以下两点： (1)建立严格的故障状态集X与诊断参数集D的映射关系·实际上，这种对应关系 可用故障树的分析模型确定.当将X中每一元素x,作为顶事件时，其故障树的最小故障割 集即为与x,相对应的D的子集. (2)熵值ε的确定，若ε过大，则有可能使集合H过小，造成信息量不足，不能包含 或只部分包含初使状态集V。,而由此推出的故障目标集O及故障解集S为非常不满意解； 若ε过·则又会失去启发性，退化为遍历搜索，在专家系统的实际应用过程中，可利用统 计的方法对ε进行动态调节，以确保其信息完备性及启发性· 值得注意的是，当初始状态集V。无法确定时，则系统退化为遍历搜索.这一点，正是 基于逻缉心理型的专家系统的不足之处，而与定性物理模型的结合不失为一良好的补充方法. 4结论 基于信息熵的交互推理诊断参数选择方法，由于它对诊断参数的选择是在高度启发性信· · 北 京 科 技 大 学 学 报 卯 年 则嫡值差 集合 、 ， 人 。 ， 。 ， 一 一 所确 定 的 的子集 ， 即 为启 发性 故 障诊断参数集 合 ， 即 ， 当通 过计算 将 集 确定 后 ， 只要 。 取 值 适 当 ， 则 由系 统 的初 使 状 态 确 定 的 可 观 诊 断 参 数集 的 子 集 叽 必 有 关 系 三 若 确定后 ， 则 以 。 为驱 动数据进行 正 向推理 搜索 ， 即产 生 了故 障 目标集 二 若 ， ， 且 。 而集合 一 可 作 为非 故 障 目标集被 排 除 这 时 ， 利 用 知 识 一 日 一 月 口 万 一 。 对集 合 实施 反 向推理 搜 索 ， 则被 进 一 步 缩小 的故 障 目标集 合 ’ 便 为故 障解集 ， 即 ‘ 由于 的每 一元 素均 与 一 可 测 诊 断参数集 的子 集 相 对应 ， 则所 有 这 些 子 集 的 并 集 即 为 诊 断参数解 这样 ， 系 统 的合理诊断参数即为集合 ， 而 这 一 求 解 过 程 是 在 专家 系 统 的基 础 之 上 ， 利 用 正 、 反 向混合 推理 在 信 息差 值 的指 导下 进 行 的 这个求解 过 程 可总结 如下 将集合 中的 集 及 集 进 行 确 定 求 与 的 交 集 将 中 的 元 素按 式 计算 其信 息嫡差 值并 按 大小 顺 序 排 列 确 定 边 界 值 。 ， 截 取 集 ， 得 启 发 性 故 障诊 断参数集 从 根 据 系 统初 使状态 确定 。 ， 实行 正 向推理 ， 得 故 障 目标 。 在知识 一 一 口 一 的范 围 内 ， 对集合 实 施反 向推理 ， 得最 终故障解集 取 所 对应 的诊 断参数解 集 中的元 素 即作 为 系 统 的诊 断参数 方法评价 采用 这种方 法 时应 注 意 以 下 两 点 建 立严格 的故 障状态集 与诊断参数集 的 映 射 关 系 实 际 上 ， 这 种 对 应 关 系 可 用 故 障树 的分 析模 型 确定 当将 中每一 元 素 ‘ 作 为顶 事件 时 ， 其故 障树 的最小故 障割 集 即 为 与 ‘ 相 对应 的 的子集 嫡值 。 的确定 若 。 过大 ， 则有 可 能使集合 过小 ， 造 成信息量 不 足 ， 不 能包含 或 只 部 分 包含 初 使 状 态 集 气 ， 而 由此 推 出 的 故 障 目标 集 及 故 障 解 集 为 非 常 不 满 意 解 若 。 过 则 又 会失 去 启 发性 ， 退化 为遍 历 搜索 在 专家 系 统 的 实 际 应 用 过 程 中 ， 可 利 用 统 计 的方 法 对 。 进行 动态调 节 ， 以 确保其信 息 完 备性 及 启 发 性 值 得 注 意 的 是 ， 当初 始 状 态 集 。 无 法 确 定 时 ， 则 系 统 退 化 为 遍 历 搜 索 这 一 点 ， 正是 基于 逻缉 心理型 的 专家 系 统 的不足 之 处 ， 而 与定 性 物理 模 型 的结合不 失 为一 良好 的补充方法 结 论 基于信息嫡 的交互 推理诊 断参数 选 择方 法 ， 由于 它 对诊 断参数 的选 择是 在 高度 启 发性 信