吕 婷,杨 涛

(1.安徽电子信息职业技术学院信息与智能系，安徽 蚌埠 233000;2.西南科技大学信息工程学院特殊环境机器人技术四川省重点试验室，四川 绵阳 621010)

0 引言

作为立体仓库的核心设备，堆垛机直接影响整个物流系统的正常运作。随着工业技术的不断发展，堆垛机设备日趋复杂化、自动化，传统的诊断技术呈现处理时间长、成本高、响应速度慢等弊端[1]。专家系统作为一个智能的计算机程序系统，可通过利用存储在计算机内部的专业知识，解决需要专家才能处理的复杂问题。将智能专家系统运用在堆垛机设备，当设备出现故障时，系统作出快速、有效的处理，是堆垛机远程故障诊断的必然趋势。

目前，诊断专家系统仍以单一的诊断技术为主，广泛使用基于规则的推理模式。基于规则的诊断专家系统具有知识变更容易、推理简单等特点，但仍存在知识获取困难等问题[2]。目前，将决策树[3]、故障树[4-5]、二叉树[6]等技术融合到基于规则的专家系统中，但仍没能有效地解决知识不完备、时变环境下应变能力不足等问题。贝叶斯网络(Bayesian network,BN)以概率为基础，具有容错性强、可进行双向推理等特点，目前已成功运用于诊断专家系统[7-8]。但是BN网络的构造和节点参数的学习等一直是瓶颈问题。如何将BN与其他诊断技术相融合，开发混合诊断专家系统来弥补单一的系统所存在的不足，是专家系统研究和开发的一个趋势。

本文以单立柱堆垛机为研究对象，设计和开发了基于集成故障树分析(fault tree analysis,FTA)和BN的混合诊断专家系统。……