英康因果图工业故障智能诊断系统DCDA

   “英康因果图工业故障诊断系统DCDA”是基于动态因果树/图理论，针对联系过程工业系统故障诊断领域开发的专业软件。该理论是在清华大学950MW全尺寸核电站模型的故障诊断专家系统研制过程中，通过对信度网及其他不确定知识表达模型的深入研究后首次提出来的一种新的不确定性推理模型，并在近年来得到了长足的发展。该方法基于传统的信度网和故障树分析技术，较好地继承了两者的优点，特别适合于复杂工业系统的故障诊断领域的应用。

§因果图理论简介

    随着计算机技术的飞速发展，人工智能（AI）也从理论阶段逐步走向实际应用的舞台。然而，在实际应用中还面临着许多早期的AI理论难以解决的问题。问题之一便是推理所基于的知识的不确定性，我们将这类问题称为不确定性知识表达和推理，目前正成为国际上研究的热点。不确定的知识表达可分为两大类：一类是基于概率的方法，包括信度网（Blief Network）、马尔可夫网（Markov Network）以及在PROSPECTOR中使用的方法等。一类是非概率的方法，包括MYCIN的确定性因子（Certainty Factor）、模糊逻辑（Fuzzy Logic）以及Dempster-Shafer的证据理论等。其中，Pearl的信度网因其理论上的严格性和一致性，以及具有有效的局部计算机制和直观的图形化知识表达方式已成为不确定性知识表达的主流方法。信度网又名贝叶斯网络，是一个有向无环的图形结构。至今为止，信度网已成功应用于许多领域，如：微软的主打产品Windows和Office系列已经在很多方面融入了信度网，同时微软的一些其它产品如：Pregnancy and Child Care Center也是基于信度网智能内核开发研制的，工业上的故障诊断（如美国通用电气公司的Auxiliary Turbine Diagnosis）、航天故障诊断（如美国航空航天局和Rockwell公司联合研制的Diagnosis of space shuttle propulsion systems）、军事目标识别、作战意图估计、无人自动驾驶、医学上的病理诊断、商业上的经融市场分析、信息智能检索、基于概率因果关系的数据挖掘、软件产业上的智能帮助系统等。

    虽然信度网目前得到了广泛的研究和应用，但在实际应用中仍存在着一定的局限性。张勤教授于1993－1995年提出的动态因果树/图理论（以下简称因果图），是在清华大学950MW全尺寸核电站模型的故障诊断专家系统研制过程中，通过对信度网及其他不确定知识表达模型的深入研究后首次提出来的一种新的不确定性推理模型，并在近年来得到了进一步的发展）。因果网可以处理比较复杂的因果循环问题；在处理多连通问题时计算量较小，复杂程度较低；能够表达比较复杂的工业过程的各类专家知识。该方法基于传统的信度网和故障树分析技术，较好地继承了两者的优点，部分克服了信度网的不足，特别适合于复杂工业系统的故障诊断领域的应用。

§因果图知识表达方式

因果图可以形式化表示为：

    C＝，且 S＝

其中符号含义如下：

    C－因果图模型

    S－因果图结构

    X－中间事件，或中间事件变量，用来表示任何有原因的事件。在图形上以至少含有一条输入边，可以不含或含有1至多条输出边的圆圈节点表示

    B－基本事件,或基本事件变量，用来表示任何没有原因或不追究其原因的事件，并且它至少为一个中间事件的原因。显然由于任何一个基本事件都不可能是另一基本事件的原因，基本事件之间相互独立。在图形上以不含有任何输入边但至少含有一条输出边的方框节点表示。为方便起见，以下在必要的时候将基本事件和中间事件统称为节点事件

    G－逻辑门，它把输入变量通过逻辑运算组合成输出变量，输入变量到输出变量的映射间既可以是简单的与、或关系，也可以是复杂的逻辑表达式。图形上以至少含有两条输入边和一条及以上输出边的门节点表示

     P－连接事件，或连接事件变量，它表示父节点事件（原因）导致子节点事件（结果）发生的事件，当父节点事件发生并且该连接事件发生时，子节点事件必定发生。从数值上其概率表示父节点与子节点间的因果强度，但作为一个事件，它与父节点事件相互独立。可见连接事件之间相互独立，而且连接事件与基本事件之间也相互独立。图形上表示为从基本事件、中间事件或逻辑门出发，始终指向中间事件的一条有向弧，指向同一个中间事件的所有连接事件是“或”关系

     A－参数，包括基本事件的先验概率、连接事件的连接强度等

     R－基于S和A的推理机

    上述定义中，事件表示某一客观现象发生的事实，其取值只能是“发生”或“不发生”，事件变量表示某一客观现象处于某种状态的事实，其 值可以是离散的也可以是连续的，但其所有取值之间必须满足互斥且完备的条件。其中连接事件变量的状态空间是由父节点事件的状态和子节点事件状态的笛卡儿乘积构成。如图1所示为一个典型因果图示例。

    模型在推理前要求因果结构及所有参数已知。在图中没有标记的连接事件，表示当源事件发生的时候，目的事件一定发生，即该事件发生的概率为1。

    在故障诊断应用中，通常可以将基本事件看成是故障，将中间事件看成是现象和参数，比如温度计、压力表的读数等。在构造因果图时，构造故障同现象和参数之间的因果关系；在推理时，则根据现象和参数确定故障发生的概率。

    由上所述，因果图在表达上没有要求拓扑结构必须为有向无环图，而允许出现有向环（如图1所示的回路X3－P34－X4－P43－X3），因此能够表达反馈等问题。因果图在给定事件之间的因果关系时，一方面采用了连接事件的的概念，连接事件仅与其相连的父节点事件和子节点事件相关，其数量只随原因的增加而线性增加，每增加一个原因只需增加一个连接事件；另一方面连接概率表示的是因果强度而不是条件概率，能与专家知识相吻合；再一方面引入了逻辑门的概念，可以图形化表示原因之间的逻辑关系，因此能较为方便地给定事件之间的因果关系。

§因果图设计平台
 
   “英康因果图工业故障诊断系统DCDA”是由设计平台和运行平台两部分组成。设计平台主要用于搭建表述专家知识的因果网络系统，该平台采用图形化搭建方式，为用户提供了一种表述复杂工业系统知识的有效工具。因果图设计平台的具体界面如下：

设计平台

    ·设计平台左边列表框中包括正设计的因果图模型中所有的故障源节点和故障现象节点以及它们的状态信息，通过此列表框可以快速定位相应的节点并调出它们的属性窗口。

    ·设计平台右边的部分表示了各故障源节点以及各中间事件之间的因果关系。其中方块代表故障源节点，实心圆代表故障现象节点，带箭头的有向弧表示因果关系，另外还有逻辑门，可以通过双击这些符号调出相应的属性窗口来编辑它们的属性。

§因果图运行平台

    因果图运行平台主要根据已经搭建完成的专家知识因果网络来对实时输入的数据进行分析和挖掘，从而发现其中的问题，并针对问题找出导致该问题的可能原因。运行平台具体界面如下：

运行平台

    ·运行平台左边列表框中包括当前进行推理的因果图模型中所有的故障现象节点，通过此列表框可以快速定位相应的节点并在左下方的图表中显示该故障现象的历史信号数据曲线图。

    ·运行平台右边的背景图为所设计模型相应的工况图，其上的小方块指示相应的事件以及它们在工况图中对应的位置。其中带Ｍ的小方块表示该节点事件为故障现象节点，带Ｂ的小方块表示该节点为故障源节点。当出现故障时，相应的故障或异常信号所在的位置会出现高亮闪烁，便于提醒您，以便快速定位。

    ·右下方的表格用于显示当前可能的故障信息，包括故障的名称、详细描述、故障排序概率、故障状态概率。

    ·“打开工程”按钮用于选择将运行推理的因果图模型。

    ·“故障列表”按钮用于以图形方式显示可能的故障及对它们各自出现的概率进行一种直观的比较。

• ·黑匣子监控系统[图]
• ·EZ-Lock易锁_文件加密保护系统[图]
• ·东育恒远远程教学资源解决方案[组图]
• ·DCI黑匣子网络安全监控系统[图]
• ·F1JEE ,J2EE业务基础软件和工作流平台[图]

• ·博商零售业网上商店系统解决方案
• ·蓝波物资管理系统——船舶行业软件产品
• ·总体规划下渤船重工管加工分厂的数字化工作
• ·中国舰船研究设计中心PDM系统实施与应用[图]
• ·博商零售业网上商店系统解决方案