英语原文共 19 页，剩余内容已隐藏，支付完成后下载完整资料
机械制造工程中的专家系统
（D. T. Pham and P. T. N. Pham）
英国伯明翰大学机械工程系
本文包含两个部分，在第一部分中，该技术的基本知识工程领域进展突出专家系统及其内部组织的性质。审查的重点是这些智能程序中的两个关键要素，即知识库和推理机制。不难理解，知识库就是由一堆事实和规则构建起来的，作为一个包含这些类信息的对象或概念和具体事实，或是表示这些对象或概念节点的网络，通过他们之间的内在关系互相连接起来。
在第二部分，近年来专家系统在机械和制造工程中被广泛应用。专家系统在应用领域被广泛关注，主要问题集中在一下三个方面，衍生问题（如设备及工艺选择、机器状态监测、故障诊断等）；形成问题（机器元件与机械系统的综合与分析）兼具前两种问题（工艺设计，生产调度，系统配置）。
1.简介
智能知识库系统（IKBS），基于知识库的专家系统，或简单专家系统，都是人工智能（AI）的衍生品，包含发展计划的计算机科学的一部分，具有智能行为。它们代表了一个背离最初目的的开创性的人工智能研究人员建立通用的智能工具，解决各种问题。专家系统是专为特定的用途，它是这种专业化使他们能够处理现实和困难的任务，而不是虚有其表。早期专家系统确实取得了显着的成功，在解决实际问题时具有重大科学和社会经济的影响，主要是在化学，地质，数学和医学。这引起了人们广泛的兴趣，专家系统被广泛应用于工厂和其他特定领域。相对较新的低成本的微型和微型计算机的可用性促进了快速扩张的专家系统开发活动，在这些领域，并催化诞生出了一个新的跨学科领域的知识工程。
本文首先回顾了知识工程技术的基本知识，介绍了专家系统的结构、结构和关键要素的设计与运行。前面已经为读者介绍了本文的主题。紧跟这个主题，下面介绍了一些专家系统中在机械制造工程中的应用。可以看到，工程领域的专家系统解决了广泛的实际任务，从日常的选择和诊断到创造性的合成和设计。
2.专家系统的构建
一个专家系统通常包含以下几个方面：
- 包含一个问题域知识的知识库（事实、信息、判断规则）。
- 用于操作存储的知识，以产生解决问题的方法的推理机制（也称推理机，控制结构或推论机制）
- 用户界面（或解释模块）用于与用户在自然语言中的通信。
- 知识获取模块，以辅助知识库的开发。
图1说明了这些组件是如何组合起来形成专家系统的。请注意，知识库和推理机制构成了系统的核心或核心，因而是它的重要组成部分。他们将在稍后的章节中更详细地介绍。不同程度的复杂的用户界面通常存在于大多数系统，而知识获取设施可能不总是可用。还需要指出的是，知识库和推理机制显示为相互作用，但同时又是单独的实体。专家系统的本身性质不同是造成解决问题结果不同的根本原因所在。这具有双重意义。首先，它意味着一个新的任务的理论知识基础可以被替换为现有的知识库的只是理论，产生了不同的系统作用的结果。其次，它有利于多个使用相同的知识理论的活动在专家系统的协同下工作，如搜索解决方案，提供解释，获取新知识。这是因为，伴随着问题解决的区别对待，知识库知道自己应该知道什么而不是应该怎么做。这反过来又使问题域的知识表示在一个纯粹的形式，不包括所有的引用，如何或在哪里将被使用。
块
模
取
获
识
知
面
界
户
用
知识库
推理引擎
图1 专家系统的结构组成
3.知识库
毫无疑问，专家系统的力量在于它拥有的知识信息。如前所述，这方面的知识体现在系统的知识库中。后者可以被比作一个常规的数据库存储信息的一个特定的主题。然而，知识不仅仅是一个纯粹的数据收集，也就是“知识”这个术语的“结构”和“理解”的概念。知识所起到的最直接的作用就是如何构建和理解一个专家系统。在这一节中，将回顾知识所代表的主要技术。知识所代表的是现有的已知的问题域的理解，这是构建知识库主要工作。本章将详细讨论。
知识表述
知识的表述方法有很多。最受欢迎的三个是规则，框架和语义网。基于规则的表示是一种表面表示，而使用帧和语义网的计划是深表示。
基于规则的表示。在一个以规则为基础的系统，知识表示的事实相关的问题领域和操纵的事实的规则。许多系统还包括关于何时或如何应用规则的信息（即，元知识或知识的知识）。
事实是断言在陈述中明确分类对象或指定它们之间的关系，如“奥斯丁蒙特是轿车”，“Saloon是一辆汽车，一辆汽车要求有发动机和发动机产生机械力。
规则是模块化的“块”的形式的知识，如果先前随之而来的“或”先发生情况然后行动“意义”，如果在先前的情况描述的情况规则是真的，那么产生随之而来的部分指定的动作，因此名“IFTHEN规则”，“情况行动规则”或“生产规则”。规则的例子：
- 如果“燃油消耗高”那么“检查点火正时”；
- 如果“点火灯亮了”并且“发动机转动但不能起火”那么“检查油位”；
- 如果“所观察到的图案通过附加一个示波器的充电电路的汽车是波动拱”并且“汽车的交流曲线完全是两条线”那么“说明该车的电压调节器坏了”。
规则c说明两点。第一，规则的后一部分不必指定一个动作。相反，它可以是一个断言，假设或结论，这将被添加到知识库，如果前一部分是满意的。其次，确定因素可以使用在一个规则（或一个事实），以表示对它的信任程度。这些使得专家系统能够处理不确定或者不完全可靠的信息。
有人提到，一个系统还可以拥有元知识来指导自己的推理。以规则为基础的系统，这是表示为元规则。元规则的一个例子：
如果“这两辆车车况看起来很糟糕”并且“这辆车3年多了”那么“调用那些用于诊断发动机系统的燃油系统的诊断规则”。
在不同类型的知识必须要被处理，这时规则（包括元规则）就可以分为专门的独立集，每一个对应于一种类型的知识。这些所谓的知识来源的所有操作在一个共同的中央数据库，“黑板”，和交流他们的结果到另一个通过这个“黑板”。
以规则为基础的代表性的透明度，使之成为许多专家系统开发项目的选择代表性方案，特别是在该领域的专业知识是建立在过去协会的经验观察的情况下。然而，基于规则的表示往往是肤浅的，换句话说，无法描述一个问题充分的基本原则。
基于框架和基于语义网的表示。相反，表示计划，使用帧或语义网允许深入了解潜在的概念和因果关系，并促进更深层次的推理，如抽象和类比的实施。一个框架（或其近等值，概念，模式和单位）是一个记录，如数据结构，形式，用于编码信息的一个千篇一律的情况，一类的对象，一个一般的概念或一个特定的实例，所有这些都是。例如，一个框架可能代表一个特定的typeofcar（轿车），另一方面，一系列汽车（轿车，coup6s，财产），另一个更一般的类车辆（汽车、卡车、火车等）（见图2）
与每一个帧相关联的是一组属性，其描述或值，都包含在同一个插槽中。例如，福特的若干车系可能分为不同的“颜色”、“车主”、“价格”和“版本”。（见图3）除了属性值，槽也可以存储其他信息，如对自然和这些值的范围约束和程序（计算机代码的任意块）的值更改时执行。框架通常被组织成一个层次结构，如图2中已经看到的，与那些在上层代表更通用的类（例如，车辆）和那些在较低的水平，这些类的专业（例如，一个金色的福特Sierra）。框架为基础的系统的强度来自这个层次结构，使帧继承的属性从其他帧位于上面的层次结构。
火车
汽车
卡车
交通工具
图2 车辆等级的一部分的框架表示
框架：福特
父类： SALOONS
子类：
成员：物理对象类
成员槽：颜色
分类：物理属性
最小基数：1
价值：未知
成员槽：车主
分类：人
最小基数：1
价值：未知
成员槽：价格
分类：整型数字
最小基数：1
最大基数：1
评论：英镑报价
图3 分类例举
使用语义网的知识表示计划是类似于那些基于帧的知识。语义网是由弧连接的节点网络。节点代表一般概念（或类型），特定对象（或符号），一般事件（或原型事件），或特定事件。弧描述节点之间的关系。有一个简单的表达一辆汽车的语义网如图4所示。在那里，弧代表“is-a”和“部分”的关系，建立财产继承层次结构的一种网络在基于框架的系统。
知识获取
通过被告知事实数据，事物联系，章节，专家系统可以获取自己所需要的知识。知识获取的第一种形式是最常见的一种。在最基本的层面，规则和事实必须通过在人工智能语言如LISP，一种编程语言符号的处理列表或PROLOG，在一阶谓词逻辑建立了一个编程系统的专家系统设计人员编写。最近几年，允许被输入到信息开发工具已经变得可用知识库更自然，类似英语的句子。这些开发工具包括专家系统外壳这是没有的知识基础，并结合不同知识表示形式主义和推理机制，知识工程环境或混合工具专家系统。除了促进知识获取过程中，一些先进的工具，还可以检查可能的不一致的知识冗余。
有几个感应程序，帮助由人类专家提供给它的案例专家系统提取规则。实施例被选择为包含一些底层图案和规则，这都是图案的明确的概括。例如，该实施例可能是数字的序列，1,2，3，5，7，11，13和该序列涉及有序集合正素数的一个正确地诱导规则可能规定。虽然使用引起的知识系统可以执行比以往一般收购毫升那些使用知识更好，他们有被不太透明的，换句话说，不太能解释其行为的缺点。
最后，其中自主获取新知识和应用指导规则将信息添加到一个最小的初始知识库，增加他们的知识库基础，这是非常重要的。这或许是因为，而上面所讨论的前两种形式获取知识是一阶逻辑的活动，发现往往是一个二阶逻辑工艺和实用的计算技术处理后一种逻辑仍在发展。
图4 代表汽车概念的简单网图
4.推理机制
尽管，如前面提到的，知识库是在专家系统中最重要的组成部分，除非它具有良好的推理机制，使之能够应用所存储的知识，否则后者不会是有用的。
应用不同的推理机制是可能的，这取决于所采用的知识表达的类型。在一个基于规则的系统中，推理机制，也称为规则解释器，它的任务是检查事实并执行包含在根据知识库的规则设置逻辑推理和控制程序。一些通常遇到的推理过程（或推理规则）是：配售模式设置（配售模式），拍摄模式，解析度（见图5）。推理规则知识库的应用，使目标（或结论），以证明或否定，或创造新的事实和规则。例如，使用假言推理的规则，就可以推断出新的事实“一个福特Sierra具有发动机的事实”一个福特Sierra是一辆和规则如果X是一辆车，则X有一个 发动机。参照否定后件规则的结论是一个福特Sierra是一个coup6“可以从以下事实来反驳一个福特Sierra有四个门和规则如果X是一个coup6，该X有两个门”。最后，决议规则允许新规则“如果X是轿车，则x具有发动机”是从规则获得如果X是轿车，则X是汽车”和“如果X是一辆汽车，然后X有一个发动机”。
推理由推理规则的运动，可根据不同的方式运行不同的控制程序。一种策略是先从一组事实或提供数据，并寻找规则的知识库中的如果部分，使其中的数据相匹配。当这样的规则被发现，其中的一个是基于一个适当的冲突解决准则和执行选择。这就产生了解决下一个解决此类问题的方案，或者说是经验积累。推理操作停止的时候没有更多的新规则可以实用，这种推理为“正向推理”或“数据驱动的推理”。如图6所示。
图6 三个基本的推理规则
图7 正向推理的一个例子
另一种方法是，开始与待证实的目标，并尝试建立通过检查与所期望的目标为“那么”部分的规则，以证明它所需的事实。如果这样的事实不具备的知识基础，它们被设置为子目标。该过程继续进行，直到所有需要的事实发现，在这种情况下，最初的目标是证明，或到达时的情况的子目标之一不能被满足，在这种情况下，最初的目标是否定。推理这种方法被称为“反向链接”或“目标定向推理”。反向链接的一个例子在图7中给出。请注意，反向链接，推理战略重点是：事实无关的预期目标，如“一个福特Sierra拥有四个车门”将不被创建。当的规则的数量大并且向链接可能导致“组合爆炸”。在实践中，前向和反向链有时被集成和迭代收敛过程一起使用的一些中间点加入推理的这些相对线以产生问题的解决方案。这与战略紧密对应，由系统工程师采纳，同时使用“自上而下”和“自下而上的”方法在设计复杂的系统。术语“自上而下”和“自下而上”指的是寻找一个解决问题的方向：自顶向下的搜索从目标状态开始并继续启动状态和自下而上的搜索发生在相反的方向上。自顶向下的搜索是在反向链接和自下而上的搜索，从而实现在前进链接。
不管搜索方向，从任何给定的目标状态或起动状态，通常有导致不同的解决方案几种可供选择的不同路径。这些路径构成的目标状态为根的“搜索树”的分支机构或有问题启动状态。
图7 反向链接的一个例子
搜索树可以探索“深度优先”或“广度优先”。深度优先搜索从根深入，考虑到路径序列。搜索随后进行到树的下一个分支，它探讨更加深入。用广度优先搜索，生成在根所有可能的替代方案，则在下一级别的替
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[146826]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
