濟南自動門的故障診斷專家子系統

濟南自動門的故障診斷專家子系統在整個系統中具有關鍵作用，它的性能影響到整個系統的功能實現。雖然傳統的診斷專家系統在很多領域中獲得了廣泛地應用且取得了不少成果，但是也存在很多難以克服的困難，如知識獲取的瓶頸、知識臺階窄、推理能力差、不適應解決模糊問題等。然而由于神經網絡具備處理復雜多模式及進行自學習、推測和聯想記憶等功能，非常適合于各種系統的故障診斷。利用神經網絡和專家系統的互補性來構造混合的神經網絡故障診斷專家系統結構框如圖2所示，其推理過程將神經網絡的直覺聯想推理與傳統專家系統的邏輯推理、匹配推理融于一體，即根據存儲器中的特征征兆值調用知識庫中的深淺知識（包括：神經網絡權值和神經結果知識）采用兩種不同的推理方法，對自動門的故障進行識別、診斷和預測，從而提高系統的執行效率。

在濟南自動門的故障診斷領域常用且很有成效的是多層前向神經網絡。由于該網絡在學習過程中采用BP（Back Propagation）算法，故又稱BP網絡。標準的BP網絡僅由三層神經元組成。但濟南自動門具有復雜、模塊化的特點，并按照一定層次結構組成。故障也就表現出層次性，同時在一定的范圍內又存在關聯性。試圖通過簡單的三層神經網絡來構造完整的故障診斷專家系統將出現一些難以克服的弊端。所以需要建立一個BP神經網絡和規則相結合的故障診斷專家系統。

（1）通過分析濟南自動門的結構以及發生故障的情況，劃分為以下幾個故障簇，如：伺服電機、液壓系統、制動系統、電氣系統、傳動系統、數控系統、刀具庫系統、工件定位系統等。

（2）利用BP神經網絡進行初步診斷形成診斷交點，確定自動門故障發生的部位，然后采用知識庫中的啟發式規則來進一步確診具體的故障原因，這樣構造的故障診斷專家系統可大幅度縮短診斷推理時間。

相關文章：濟南自動門