刘钊

摘 要：随着科学技术的发展，短波发射机的辅助功能也越来越完善，自动化程度越来越高，从同一型号设备的相互关联发展到不同设备之间的紧密联系，在运行过程中形成一个整体。人工智能技术近年发展迅速，基于人工智能的故障诊断系统已成时下应用的热点。本文在简要介绍故障诊断和人工智能的基础上，分析人工智能在故障诊断领域中的应用及在短波发射机上应用提出整体的架构及方案。

关键词：信息化；故障诊断；人工智能

中图分类号：TN948 文献标识码：A 文章编号：1671-2064（2018）13-0016-01

1 引言

短波发射机工作在高温、高频的环境中，并且具有工作时间长，不间断等特点。因此会出现许多难以避免的问题，有时设备会出现各种各样的异常状态，以致降低或失去预定的功能，造成严重的劣播或停播事故。若是能够有一个在发生故障时迅速判断出发生故障的原因及提示故障发生的准确位置的辅助工具，就可以有效减少停播率，使故障损失减低到最低水平。使发射机实现安全，稳定、长时间运行。

专家诊断系统的提出就应运而生，它是在一个指定的领域内帮助人们解决疑难问题的程序系统。具有丰富的处理问题的经验和这个领域内的相关的专业知识。善于自我学习，会模拟专家的脑回路和决策过程、和推理方法。现在我们就需要运用现代计算机科技和近代新兴的人工智能技术，代替广播发射这个领域里的专家，解决日常工作中遇到的复杂问题。它拥有自学能力，随着服务于广播发射领域时间的增多，判断处理问题的类型也随之增加，手动或自动增填解决问题的方法，丰富自己的知识库。从而使解决此类问题的经验越发丰富，实现高效、安全、便捷。

2 人工智能在故障诊断领域的应用

故障诊断技术大体经历了三个阶段，第一阶段是初级阶段，仅对诊断结果作简单的处理，其诊断水平受到评估人技术能力和工作经验限制。第二阶段是以传感器技术和动态测试技术为手段、以信号处理和建模處理为基础的常规诊断技术。第三阶段是智能诊断技术阶段。诊断系统的智能就是因为它可以有效地获取、传递、处理、再生和利用诊断信息，从而具有对给定环境下的诊断对象进行成功状态识别和状态预测的能力。

现阶段的诊断系统是人工智能的一个重要组成部分，也是人工智能发展阶段的产物，它缜密、智能、运行速度快、精准、权威。随着诊断系统的理论不断完善，技术不断提高，它被广泛应用服务于各行各业的众多领域。简单的来说诊断系统就类似于一个医术高明医生，准确地判断出病因，并能开出良方解决问题，且能够不断的充实自己的大脑，使知识库不断的扩容。现在很多领域都已经开发出了适合自己使用的诊断系统，在一些高级领域里诊断系统功能全面，实用性高，已经逐步完善成熟。他们在判断问题的时候甚至超过人类专家，所以我们借助这些优势的诊断系统，设计研发了适合自己的一套诊断系统，希望其在短波广播发射机领域也能产生巨大的收获。

3 发射机故障诊断系统

故障诊断系统的重要组成部分是对知识库和推理机的详细设计，知识库内储存大量的专业知识，并正确表达，可以提高识别效率；而推理机要有精确的推理方法来提高故障诊断的精准度。

3.1 知识的表示方法

知识表示是知识的符号化和形式化的过程，是用机器表示知识的可行性、有效性的一般方法，是经过削减、塑造、解释和转换的信息，简单的来说，知识是经过加工的信息。是这个领域所涉及的各个有关方面的一种符号表示，把知识编码成某种数据结构的过程。本次设计的系统中采用了基于产生式系统的规则表示法，意思就是说把一组产生式放在一起，让它们互相配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决。这种表示方法是现在已经是人工智能中应用最多最成熟的一种知识表示方法。

产生式规则就是因果关系，基本形式就是“IF X THEN Y”。其中X是产生式是否可用的条件，Y是一组结果或应该执行的操作。当然X、Y都可以有多个条件或者结果构成。例如若X由多个条件组成且同时满足，就也应该执行Y操作。

3.2 知识库的设计

知识库设计为发射机表、参数表、前件表、后件表和规则表。

发射机表中存放的是每台发射机的编号、名字和频道号。

参数表中列出了所有发射机编号、参数编号、参数名称，标准值、正常状态下的显示值和需要采集电压范围。

当知识库完善后，推理机根据已有的知识，分析情况并给出结论，由程序来处理推理过程。

3.3 推理

发射机在正常工作状态下，有些表值正常状态下是浮动的一个值，有一定的变化范围，并不是一个精确的数字。模糊推理系统以模糊理论为依据，实现复杂的非线性映射关系，通过模糊化模块将输入的精确值进行模糊化处理，转化成一个模糊的集合区间。模糊的语言的表示大小、长短、高低等程度的词汇。例如，水温的正常值是40℃，但是在25℃至55℃区间内，我们并不能判断这个正常值不正常，所以就要用到模糊化。将温度划分为五档“低”“较低”“中”“较高”“高”，如果水温的值在设定的范围内，对应的模糊区间，运用该类型的表输出模糊量词。

3.4 知识获取

诊断系统要不断的完善，更新就要不断的学习，就得对知识库进行增删、修改、扩充和更新。此次设计的诊断系统有人工录入和自学式录入两种更新知识库的方式。

人工录入也是狭义的知识获取，人工移植的办法将信息录入知识库，它又分为两种：静态录入和动态录入。静态录入是指系统在使用前对知识库进行的存储、编排和管理，是系统获取的先知知识。动态录入是指系统在运行过程中，通过人机交互，补充先前知识库的不足，弥补漏洞，更新知识库。

自学式录入在学习过程中，由人作为监督者，给出评价判断标准来扩充知识库。

3.5 解释器

解释器其实就是一种翻译程序，当读入一条语句的时候执行语句赋予的命令，从规则库中调用相应的解释语句，反映给值班人员。

这些整理出来的故障原因、故障现象及处理方法将在日常工作中使故障诊断系统的知识库逐步完善，若干次同样的故障在同一故障点只能有一种现象，这样就排除一些干扰判断故障原因的无用现象，给出的处理意见更加细化和准确。甚至在故障发生前一些表值的变化就能发出报警，使故障判断更加及时准确，更快的解决发射机存在的问题。

4 结语

从今后的发展看，故障诊断是具有独特的优点，将人工智能的理论和方法应用于故障诊断，发展智能化的故障诊断技术，是故障诊断的一个新的途径，成为故障诊断的一个重要研究方向。基于人工智能的故障诊断系统在未来的发展趋势为可概括为集成化、高精度化、智能化和网络化。故障诊断系统的应用提高了该类型发射机运行的稳定程度、监测的自动化水平，减少人为造成的差错和人力资源的浪费，动态了解发射机的运行情况，对发射机全面自动化而言，现在仅仅是一个发展的开始，将来在更多的方面建立使用人工智能技术，使之全面应用服务于发射台站。