4、不确定性系统科学的一般理论
4.1不确定性信息的基本概念及其产生的根源
信息特征是事物要素、结构和功能的统一体现。如果把事物本身所固有的信息称为源信息,把媒体成为信道,把人类获取的关于对象事物的信息称为宿信息,则人类获取信息的过程可以概括为:源信息——信道——宿信息。
定义4.1:不能确切地、全面地反映事物本质的宿信息和未确知信息统称为不确定性信息。
4.2 不确定性信息的分类
4.2.1 随机信息
由于条件提供的不充分或偶然因素的干扰,使得几种人们已经知道的结果呈现偶然性,在某次实验中不能预知哪一个结果会发生。由随机实验获得的宿信息称为随机信息。
概率论的基础是Cantor集合,Cantor集合的特征函数是:
设A是论域U的一个子集,则称映射
为集合A的特征函数。
4.2.2 模糊信息
由于事物的复杂性,使其概念不能给出确定的描述,它向人们提供的信息称为模糊信息。如产品质量的好坏,系统性能的优劣等,都是模糊概念。
模糊数学的理论基础是Fuzzy集合,其特征函数是:
设A是论域U的一个模糊子集,则称映射
为模糊子集A的特征函数。
4.2.3 灰色信息
有时受各种条件的限制,人们只能获得事物的部分信息或信息量的大致范围,而不能知其全部信息或确切信息,这种部分已知部分未知的信息称为灰色信息。
灰色数学的理论基础是灰色集合,其特征函数是:
4.2.4 未确知信息
纯主观认识上的不确定信息称为未确知信息。她是由于受客观条件的限制,决策者所掌握的证据不足以确定事物的真实状态和数量关系,从而带来的纯主观上的不确定性。
未确知数学的理论基础是未确知集合,其特征函数是:
设 是论域U(U中的事件构成Cantor集合)的一个未确知子集,称其映射
为其特征函数。
因为Cantor集合的特征函数的值域是 ,而模糊子集的特征函数的值域是 。显然Cantor集合是模糊集合的特例。又因为未确知集合的特征函数的值域是 ,而
其中, 称为确非负且不大于1的未知数,而 包含 中的全体实数。当取值于 内的实数时,未确知集蜕化为模糊集。而且三种基本运算也是一致的,所以模糊集又是未确知集的特例。
由灰色集合的特征函数公式可知,该函数的值域是 ,但u对应于 中的一个、子区间 。当 = = ,正好对应模糊集中 的取值。当 或1时,正好是Cantor集合中的u取值。所以,Cantor集与模糊集都是灰集的特例。
灰色信息是内涵最深、外延最广的一类不确定性信息,其次是未确知信息,再次是模糊信息、随机信息。灰色信息是具有综合性的不确定性信息,它涵盖了目前人类已经认识到的所有不确定性信息。
——王道平,张义忠著《故障智能诊断系统的理论与方法》,冶金工业出版社
5、故障智能诊断系统中知识的获取方法
5.1 传统的三种知识获取方法
(1)通过知识工程师获取知识
(2)通过知识编辑器获取知识
知识编辑器是采用交互方式用于知识输入的工具软件,它是在建造专家系统时根据需要编制的,具有如下功能: ① 把知识工程师用某种语言表示的只是转换为计算机可以表示的内部形式并输入到知识库中; ② 检查输入知识的语法是否正确,发现错误应报告,以便及时进行修改; ③ 检查知识的一致性和完整性,报告产生错误的原因和部位,以便进行更正。
(3)通过学习程序获取知识
学习程序一般具有如下功能: ① 具有识别语音、文字和图像的能力,以便能够直接获得专家系统所需的原始知识; ② 具有理解、分析和归纳的能力,从而可以从各种事例中抽取知识; ③ 具有从运行实践中学习的能力,产生新的知识,纠正存在的错误,实现知识库的自我完善。
5.2 故障智能诊断系统中知识获取的一般模型
定义3.1 故障智能诊断系统中的知识获取是指系统通过历史文献、人机交互和机器学习等方式从外部环境获取知识的过程。
故障智能诊断系统中必须同时具备三种获取知识的方式:直接获取方式、交互获取方式和学习获取方式。
——王道平,张义忠著《故障智能诊断系统的理论与方法》,冶金工业出版社
6、神经网络和专家系统的结合
6.1 结合的可能性
(1)专家系统可以用来训练神经网络(神经网络的训练需要大量训练实例(输入/期望输出对))。可以利用专家系统帮助神经网络进行训练,辅助操作人员选择网络结构、节点数目、隐层节点数、调节改变参数的策略等。
(2)神经网络用作专家系统的前端处理机。利用神经网络对传感器的输出数据进行预处理,使其表示为更适合专家系统有效利用的形式。
(3)专家系统作为多个神经网络的控制器,控制信息在神经网络间的流动。例如,这种专家系统能解释系统如何工作,并引导出有助于决策的输入,把有关数据传送到相应的神经元网络做进一步的决策处理。
(4)专家系统用作神经网络的推理解释器。神经网络的推理过程实际上是数值计算,很难对其结果用推理过程进行解释。一个解决方法就是利用专家系统来分析神经网络的输入及输出信息,通过自动提取规则等手段解释其推理过程,并以直观形式展示神经网络知识库的内容。
6.2 专家系统与神经网络结合的途径和方法
专家系统与人工神经网络技术相结合的方法可大致分为混合法和功能模拟法两大类。
(1) 混合法
根据被求解问题的性质和需求,按照软件工程的原则,把系统划分为若干个模块(或系统),每个模块分别用专家系统或神经网络或其他技术实现,最后经过系统的组合而得到问题的解答。显而易见,混合系统中的主控模块用专家系统实现比较合适。
A. 并列协同法
系统中各模块并列存在,独立地执行某些预定功能。在基于混合结构的智能控制系统中,可并列使用神经网络与专家系统。神经网络用于正常方式过程控制,而专家系统用来处理异常情况的发生。
B. 串行相接法
系统中各模块串联相接,独立工作,实现特定的功能。例如,专家系统1用于帮助神经网络进行训练及复杂人机接口;神经网络用来进行决策、问题求解;专家系统2用来解释神经网络的输出结果,并驱动有关执行机构。
C. 嵌入法
在专家系统内嵌入小型神经网络,或在神经网络内嵌入小型专家系统,以改善系统的性能。
(2) 功能模拟法
此法利用神经网络模拟专家系统功能,以求所建造专家系统性能的改进与提高。
A. 连接主义产生式系统
这类系统试图利用神经网络来实现标准(传统)的符号推理系统。
B. 连接主义专家系统(Connectionist Expert System)
这类系统使用神经网络来建造专家系统。它抛弃了传统产生式系统的基本结构和工作周期(即识别——选择——动作),而是采用一种或数种神经网络算法来学习输入输出之间的关系,这些关系则隐含了专家知识。
6.3 专家系统与神经网络结合的原则
结合的部分应既是ES(或ANN)难于解决的问题,又是ANN(或ES)擅长处理的问题,据此,可以认为ES中的知识获取、知识表示、知识库维护、不精确推理等可用ANN解决;而启发式只是等可用ES处理。
——王道平,张义忠著《故障智能诊断系统的理论与方法》,冶金工业出版社