[發(fā)明專利]一種集成專家系統(tǒng)用模糊證據(jù)推理方法、存儲(chǔ)介質(zhì)及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110045019.8
• 申請(qǐng)日: 2021-01-13
• 公開（公告）號(hào): CN112949022A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: 武通海;敬運(yùn)騰;潘燕;李小芳
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué);西安景輝信息科技有限公司
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F17/16;G06N5/04;G06F119/02
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 高博

本發(fā)明公開了一種集成專家系統(tǒng)用模糊證據(jù)推理方法、存儲(chǔ)介質(zhì)及設(shè)備，對(duì)輸入ES?FER模型指標(biāo)層的油液各指標(biāo)監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理；然后對(duì)屬性層數(shù)據(jù)進(jìn)行模糊化處理，得到各屬性隸屬于各個(gè)狀態(tài)等級(jí)的隸屬度矩陣；使用專家系統(tǒng)制定置信規(guī)則庫，然后基于置信規(guī)則庫對(duì)得到的屬性隸屬度矩陣進(jìn)行模糊推理，得到N^r條推理結(jié)果；應(yīng)用證據(jù)推理算法進(jìn)行合成得到最終的基本概率分配函數(shù)，在最終的基本概率分配函數(shù)中取最大概率所對(duì)應(yīng)的狀態(tài)等級(jí)作為油液最終的綜合狀態(tài)評(píng)估等級(jí)，并將結(jié)果輸出。本發(fā)明消除了油液監(jiān)測過程中產(chǎn)生的不確定性，大大提高了油液狀態(tài)評(píng)估的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于油液狀態(tài)監(jiān)測技術(shù)領(lǐng)域，具體涉及一種集成專家系統(tǒng)用模糊證據(jù)推理方法、存儲(chǔ)介質(zhì)及設(shè)備。

背景技術(shù)

在油液狀態(tài)評(píng)估過程中，信息不確定性是不可避免的問題。油液具有復(fù)雜的化學(xué)和物理成分，并經(jīng)常表現(xiàn)出非單調(diào)降解，特別是在惡劣的維修條件下。潤滑油有幾十種特征指標(biāo)，油液狀態(tài)的變化伴隨著多種指標(biāo)信息的變化，單一指標(biāo)的狀態(tài)監(jiān)測很難全面地表征油液狀態(tài)的變化，無法支持對(duì)油液狀態(tài)的可靠決策。而在多指標(biāo)監(jiān)測中，通過多個(gè)指標(biāo)的不同特征的組合可以更全面地描述油液狀態(tài)，但是多指標(biāo)數(shù)據(jù)的信息不一致會(huì)導(dǎo)致信息沖突，增加評(píng)估的不確定性，因此，如何減少甚至消除這種不確定性是一個(gè)重要的難題。

油液監(jiān)測評(píng)估過程中的不確定性可細(xì)分為兩大類，分別為監(jiān)測數(shù)據(jù)隨機(jī)不確定性和系統(tǒng)知識(shí)不確定性。監(jiān)測數(shù)據(jù)隨機(jī)不確定性是指由于系統(tǒng)性能中自然地、不可預(yù)測的變化而產(chǎn)生的不確定性；系統(tǒng)知識(shí)不確定性是由于缺乏關(guān)于概念上可解決的系統(tǒng)行為的知識(shí)而引起的。

幾十年來，不確定油液狀態(tài)建模一直是許多領(lǐng)域的一個(gè)挑戰(zhàn)。模糊證據(jù)推理(FER)模型可以呈現(xiàn)具有模糊條件的直接直觀模型，將定量信息轉(zhuǎn)換成基于似然性和模糊邏輯的模糊信念結(jié)構(gòu)，基于Dempster-Shafer(D-S)理論的證據(jù)推理(ER)算法進(jìn)行多指標(biāo)模糊信息融合，可在一定程度上消除監(jiān)測數(shù)據(jù)隨機(jī)不確定性問題，但是系統(tǒng)知識(shí)不確定性問題仍然存在，所以FER模型的性能高度依賴于兩個(gè)因素，首先，ER算法的基本概率分配函數(shù)(BPA)依賴于磨損機(jī)理的知識(shí)；第二，證據(jù)不一致可能會(huì)導(dǎo)致沖突。因此，傳統(tǒng)的FER模型在實(shí)際評(píng)估過程中其準(zhǔn)確性并不高。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對(duì)上述現(xiàn)有技術(shù)中的不足，提供一種集成專家系統(tǒng)用模糊證據(jù)推理方法、存儲(chǔ)介質(zhì)及設(shè)備，通過專家系統(tǒng)智能地模擬專家決策來解決油液狀態(tài)評(píng)估過程中不確定問題，以彌補(bǔ)傳統(tǒng)FER模型的缺陷。因?yàn)樽C據(jù)沖突的主要原因是FER缺乏足夠的證據(jù)，因此專家系統(tǒng)的整合旨在提高有效證據(jù)來解決證據(jù)沖突的問題，此外，專家系統(tǒng)中的專家知識(shí)也彌補(bǔ)了ER算法中基本概率分配函數(shù)對(duì)磨損機(jī)理知識(shí)的依賴；ES-FER模型消除了油液監(jiān)測過程中產(chǎn)生的不確定性，大大提高了油液狀態(tài)評(píng)估的準(zhǔn)確性。

本發(fā)明采用以下技術(shù)方案：

一種集成專家系統(tǒng)用模糊證據(jù)推理方法，包括以下步驟：

S1、構(gòu)建包含指標(biāo)層、屬性層、專家系統(tǒng)和狀態(tài)層的ES-FER模型；

S2、對(duì)輸入ES-FER模型指標(biāo)層的油液各指標(biāo)監(jiān)測數(shù)據(jù)進(jìn)行歸一化處理，使數(shù)據(jù)處于[0，1]之間；

S3、通過屬性層計(jì)算屬性數(shù)據(jù)值，各屬性的數(shù)據(jù)值由步驟S2歸一化處理后的對(duì)應(yīng)指標(biāo)監(jiān)測數(shù)據(jù)按照進(jìn)行加權(quán)融合計(jì)算，然后對(duì)屬性層數(shù)據(jù)進(jìn)行模糊化處理，得到各屬性隸屬于各個(gè)狀態(tài)等級(jí)的隸屬度矩陣；

S4、使用專家系統(tǒng)制定置信規(guī)則庫，然后基于置信規(guī)則庫對(duì)步驟S3得到的屬性隸屬度矩陣進(jìn)行模糊推理，得到N^r條推理結(jié)果，N為狀態(tài)等級(jí)數(shù)，r為屬性數(shù)目；

S5、將步驟S4得到的每條推理結(jié)果作為基本概率分配函數(shù)，應(yīng)用證據(jù)推理算法進(jìn)行合成得到最終的基本概率分配函數(shù)，在最終的基本概率分配函數(shù)中取最大概率所對(duì)應(yīng)的狀態(tài)等級(jí)作為油液最終的綜合狀態(tài)評(píng)估等級(jí)，并將結(jié)果輸出。