[發(fā)明專利]一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計方法

在審

• 申請?zhí)枺?/td>: 202010926904.2
• 申請日: 2020-09-07
• 公開（公告）號: CN112082769A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 黃從智;申振東;張建華;侯國蓮
• 申請（專利權(quán)）人: 華北電力大學(xué)
• 主分類號: G01M15/14
• 分類號: G01M15/14;G06N7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供了一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計方法，屬于測試和人工智能領(lǐng)域。該方法用于提高重型燃?xì)廨啓C(jī)分散控制系統(tǒng)的可靠性，解決現(xiàn)有模擬量輸入模塊BIT虛警率高的問題。步驟如下：通過知識獲取機(jī)制，構(gòu)建重型燃?xì)廨啓C(jī)控制系統(tǒng)模擬量輸入模塊專家系統(tǒng)知識庫，依據(jù)貝葉斯概率計算專家系統(tǒng)規(guī)則的置信度；利用貝葉斯決策器對實時BIT檢測信息進(jìn)行正常、瞬態(tài)、間歇、故障四種狀態(tài)的識別，并加載故障狀態(tài)的信息至推理機(jī)，實現(xiàn)模擬量輸入模塊內(nèi)部功能電路故障的精確定位。通過以上兩種技術(shù)手段來提高了專家系統(tǒng)推理的效率和準(zhǔn)確性，降低了現(xiàn)有模擬量輸入模塊BIT的虛警率。

技術(shù)領(lǐng)域

本發(fā)明屬于測試和人工智能領(lǐng)域，具體涉及一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計方法。

背景技術(shù)

模擬量輸入模塊是重型燃?xì)廨啓C(jī)分散控制系統(tǒng)中一個十分重要的硬件模塊，其可靠性程度決定了分散控制系統(tǒng)整體的可靠性程度。近年來分散控制系統(tǒng)越來越多的應(yīng)用于許多重大的控制任務(wù)中，為了提高分散控制系統(tǒng)可靠性，降低維修成本，提高測試維修效率，簡化設(shè)備維修，往往引入機(jī)內(nèi)測試技術(shù)(Build-in Test，簡稱BIT)。

由于常規(guī)BIT的理論局限性，電子設(shè)備的BIT虛警率一直居高不下。高虛警率不僅直接影響了BIT系統(tǒng)的有效性，而且會對系統(tǒng)任務(wù)的完成以及系統(tǒng)的可用性、維修和備件等產(chǎn)生不利的影響，甚至造成使用人員對其喪失信心。

將專家系統(tǒng)技術(shù)引入BIT，依據(jù)專家經(jīng)驗構(gòu)建模擬量輸入模塊的事實庫和規(guī)則庫，依托高效推理機(jī)可以很大程度上的降低BIT虛警率。但是作為推理的核心因子——專家系統(tǒng)規(guī)則庫置信度，很大程度上決定了推理的正確性，目前還沒有一種置信度的較好的算法，且更重要的是專家系統(tǒng)的推理機(jī)信息來源是不經(jīng)過任何篩選的，因此依舊沒有從根本上降低由于系統(tǒng)漏報和誤報引起的BIT虛警率，所以只是將專家系統(tǒng)引入BIT檢測領(lǐng)域是遠(yuǎn)遠(yuǎn)不夠的。

發(fā)明內(nèi)容

鑒于以上存在的技術(shù)問題，本發(fā)明提供一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計方法。

為解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案：

一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計方法，包括以下步驟：

通過知識獲取機(jī)制，構(gòu)建重型燃?xì)廨啓C(jī)控制系統(tǒng)模擬量輸入模塊專家系統(tǒng)知識庫；

依據(jù)貝葉斯概率計算專家系統(tǒng)規(guī)則的置信度；

利用貝葉斯決策器對實時BIT檢測信息進(jìn)行正常、瞬態(tài)、間歇、故障四種狀態(tài)的識別；

加載故障狀態(tài)的信息至推理機(jī)，實現(xiàn)故障原因的推理。

優(yōu)選地，知識庫中每一條故障知識包含一條完整故障的所有信息，包括規(guī)則ID、規(guī)則前件、規(guī)則后件、置信度、規(guī)則解釋、故障原理。

專家系統(tǒng)規(guī)則庫采用產(chǎn)生式規(guī)則表示故障與原因之間的因果關(guān)系，表現(xiàn)形式為：

IF E1 AND E2 AND … AND EN THEN H(CF)

其中，E1，E2，…，EN指證據(jù)；H指結(jié)論(或者在相應(yīng)證據(jù)下成立的假設(shè))，可以是單個對象，也可以是多個對象；CF指可信度，由信任增長度BI和不信任增長度BD決定。

優(yōu)選地,專家系統(tǒng)規(guī)則庫每一條規(guī)則置信度的計算采用貝葉斯概率理論計算；

確定每個結(jié)論H發(fā)生的概率；

根據(jù)貝葉斯公式求出H在證據(jù)E發(fā)生情況下的后驗概率；

根據(jù)求出的后驗概率P(H|E)和先驗概率P(H)求出信任增長度BI和不信任增長度BD；

根據(jù)信任增長度BI和不信任增長度BD計算可信度CF：