Проектирование и реализация базы знаний для экспертной системы диагностики электроприводов

Как известно, одним из наиболее перспективных направлений развития искусственного интеллекта является создание экспертных систем. Экспертные системы, не являясь универсальными, служат для решения конкретного вида задач, при этом используются формализованные знания, полученные от экспертов в какой-либо области. Формализация данных и экспертного опыта зачастую является нетривиальной, а иногда и нерешаемой задачей.

В области диагностики одной из актуальных проблем является создание экспертной системы для диагностирования электроприводов. Несмотря на огромное число видов испытаний различных видов электроприводов, до сих пор не существовало объединенного списка параметров диагностики электроприводов, который можно было бы положить в основу базы знаний такой экспертной системы. Целью данной работы является создание такого списка на основе данных о различных испытаниях, а также реализация экспертной системы на основе этого списка.

Структура типичной экспертной системы

Проведен анализ работ, в которых исследуются различные виды диагностики электроприводов и их составляющих (см., например, [1-9]). В результате составлен требуемый список, включающий следующие категории:

• -    электрические виды диагностики электромеханических устройств;

• -    температурная диагностика;

• -    механическая диагностика;

• -    диагностика изоляции;

• -    иные виды диагностики.

Далее была проведена подготовка данных из списка к интеграции в экспертную систему, для чего каждому параметру диагностики электропривода был присвоен идентификатор. Этот список параметров представляет собой ядро базы знаний экспертной системы. Кроме того, в базу знаний следует внести типы возможных испытаний и методы диагностики, которые используются для данных типов испытаний. Необходима также формализация знаний экспертов о том, какие "симптомы" имеют различные неполадки. В данной ситуации наиболее важной является информация о том, с каким набором электроприводов система будет работать изначально и какими знаниями будут обладать эксперты в данной предметной области.

Рассмотрим структуру экспертной системы применительно к данному случаю (см. рисунок). Как отмечено выше, база знаний разрабатываемой системы состоит из данных о возможных типах диагностики и испытаний, а также о "симптомах" неполадок. Сначала получение этих данных от экспертов осуществляется с помощью компонента приобретения знаний; таким образом наполняется база знаний. В процессе эксплуатации системы в ее рабочую память будут вноситься данные текущих и прошедших испытаний.

Затем, применяя заранее введенные правила, система отыскивает возможные неполадки и определяет их причины. При необходимости система может объяснить, каким образом был получен тот или иной результат, например, какие признаки неполадок были обнаружены при анализе введенных данных и какова вероятность той или иной неполадки. В диалоговом компоненте система будет взаимодействовать с пользователями как при решении задач, так и в процессе приобретения знаний.

Следует отметить, что преимущество экспертных систем по сравнению с экспертами заключается в том, что экспертные системы не ограничены в объеме сложности вычислений решателя и объеме базы знаний. Таким образом, задача данной экспертной системы заключается не только в определении вероятностных значений различных неполадок, но и в аккумулировании знаний экспертов об испытаниях электроприводов различного типа, в результате чего система будет давать лучший результат по сравнению с лучшим экспертом. Кроме того, важнейшей характеристикой системы является возможность обработки результатов конкретных испытаний и определения всех возможных настоящих и будущих неполадок в конкретном электроприводе. Несмотря на то что основное назначение данной системы - использование при испытаниях электроприводов космических аппаратов и солнечных батарей, представляется возможным расширение или модернизация данной системы для диагностики любых типов электроприводов.

Выясним, каким образом экспертная система будет решать задачи поиска неисправностей в тиристорных преобразователях [9]. Сначала следует установить неполадки, которые могут возникать в таких преобразователях (см. таблицу). Данная таблица, по сути, является частью базы знаний экспертной системы, предназначенной для диагностики электроприводов. Знания были получены от экспертов в области диагностики электроприводов в процессе диалога между ними и инженерами по знаниям. Поскольку знания были формализованы вербально, это позволяет утверждать, что для принятия решений в использующей их экспертной системе могут быть применены методы нечеткой логики.

Различаемые виды неисправностей в тиристорных преобразователях

Окончание таблицы

Рассмотрим функционирование системы на примере диагностики тиристорного преобразователя. Предположим, в ходе испытаний выяснилось, что в схеме преобразователя функция тиристорного преобразователя не выполняется и на выходе устройства отсутствует переменное напряжение предварительно заданной частоты (вышел из строя полупроводниковый элемент). Открыв диалоговое окно экспертной системы, пользователь вводит результаты испытания и те- кущую неисправность либо, что более вероятно, ее признак. На основе введенных данных экспертная система приближенно определяет область проблемы (см. таблицу) и предлагает проверить, все ли полупроводниковые элементы работают в исправном режиме. После проверки в случае отрицательного результата система предлагает два возможных вывода: неправильное чередование фаз напряжения в сети или исчезновение фазного напряжения. На основе предустановленных вероятностных значений данных неисправностей проводится прямая проверка. Это означает, что сначала экспертная система диагностики предлагает выполнить проверку на наиболее вероятную неисправность. Это позволяет с высокой долей вероятности исключить излишние действия персонала, которые приведут к обнаружению неисправности с меньшей вероятностью.

В дальнейшем предполагается создание автоматизированной динамической экспертной системы диагностики электроприводов антенн и солнечных батарей, что позволит использовать ее для идентификации явных и скрытых дефектов изготовления электроприводов антенн и солнечных батарей космических аппаратов в ходе наземных испытаний и в процессе эксплуатации на космических аппаратах.