济南自动门的故障诊断专家子系统

济南自动门的故障诊断专家子系统在整个系统中具有关键作用，它的性能影响到整个系统的功能实现。虽然传统的诊断专家系统在很多领域中获得了广泛地应用且取得了不少成果，但是也存在很多难以克服的困难，如知识获取的瓶颈、知识台阶窄、推理能力差、不适应解决模糊问题等。然而由于神经网络具备处理复杂多模式及进行自学习、推测和联想记忆等功能，非常适合于各种系统的故障诊断。利用神经网络和专家系统的互补性来构造混合的神经网络故障诊断专家系统结构框如图2所示，其推理过程将神经网络的直觉联想推理与传统专家系统的逻辑推理、匹配推理融于一体，即根据存储器中的特征征兆值调用知识库中的深浅知识（包括：神经网络权值和神经结果知识）采用两种不同的推理方法，对自动门的故障进行识别、诊断和预测，从而提高系统的执行效率。

在济南自动门的故障诊断领域常用且很有成效的是多层前向神经网络。由于该网络在学习过程中采用BP（Back Propagation）算法，故又称BP网络。标准的BP网络仅由三层神经元组成。但济南自动门具有复杂、模块化的特点，并按照一定层次结构组成。故障也就表现出层次性，同时在一定的范围内又存在关联性。试图通过简单的三层神经网络来构造完整的故障诊断专家系统将出现一些难以克服的弊端。所以需要建立一个BP神经网络和规则相结合的故障诊断专家系统。

（1）通过分析济南自动门的结构以及发生故障的情况，划分为以下几个故障簇，如：伺服电机、液压系统、制动系统、电气系统、传动系统、数控系统、刀具库系统、工件定位系统等。

（2）利用BP神经网络进行初步诊断形成诊断交点，确定自动门故障发生的部位，然后采用知识库中的启发式规则来进一步确诊具体的故障原因，这样构造的故障诊断专家系统可大幅度缩短诊断推理时间。