精不确推理方法研究电气工程及自动化工学大学毕设论文.docx
- 文档编号:25051569
- 上传时间:2023-06-04
- 格式:DOCX
- 页数:95
- 大小:334.26KB
精不确推理方法研究电气工程及自动化工学大学毕设论文.docx
《精不确推理方法研究电气工程及自动化工学大学毕设论文.docx》由会员分享,可在线阅读,更多相关《精不确推理方法研究电气工程及自动化工学大学毕设论文.docx(95页珍藏版)》请在冰豆网上搜索。
精不确推理方法研究电气工程及自动化工学大学毕设论文
工学硕士学位论文
不精确推理方法研究
xxx
xxxx工业大学
20xx年7月
国内图书分类号:
TP306+.3国际图书分类号:
621.3
工学硕士学位论文
不精确推理方法研究
硕士研究生:
xxx
导师:
xxx教授
申请学位:
工学硕士
学科、专业:
仪器科学与技术
所在单位:
电气工程及自动化答辩日期:
20xx年7月6日授予学位单位:
xxx工业大学
ClassifiedIndex:
TP306+.3U.D.C.:
621.3
DissertationfortheMasterDegreeinEngineering
RESEARCHONUNCERTAINTYREASONINGALGORITHMS
Candidate:
WeidiJia
Supervisor:
Prof.ShengheSun
AcademicDegreeAppliedfor:
MasterofEngineering
Speciality:
InstrumentationScienceandTechnology
Unit:
DepartmentofElectricalEngineering
DateofOralExamination:
July,6th,2007
University:
HarbinInstituteofTechnology
摘要
随着现代化生产的不断发展和科学技术的进步,现代设备的功能越来越完善,结构也越来越复杂。
如果设备出现故障,维修人员又不能快速准确的对故障加以定位和处理,就会发生严重的甚至灾难性的事故,造成巨大的经济损失。
为了减小各种故障发生时带来的负面效应,不但要求监测和维修人员具有较高的技术素质,同时也要求现代诊断设备的精密化和智能化的程度较高,因此基于人工智能推理机的研究变得越来越重要。
近年来,不精确推理作为人工智能推理机的核心研究内容得到了不断发展和创新。
本文详细地阐述了不精确推理的基本概念,重点介绍了概率推理,证据推理以及模糊推理三种不精确推理方法,分析了其基本原理,并利用MATLAB对典型不精确推理方法的基本特性进行了仿真实验分析。
实现了经典不精确推理方法的基本算法设计,以及算法特性的验证分析,得出了每一种方法的适用条件和使用时应该注意的问题,为不精确推理的应用设计提供了基础理论和实验依据。
另外,本文结合文献中提出的实现方法和已完成的实验,利用VC++的动态链接库对基本不精确推理方法进行了通用性扩展和算法封装,探讨了经典方法的实际应用问题。
在基本方法分析和应用分析的基础上,综合运用ASP和JSP语言,以模糊推理和模糊匹配原理为基础,在DreamWeaverMX2004的开发环境中设计并编写了导弹故障诊断系统的推理机程序。
经过调试及局域网环境测试,系统能够对数据库中的相关内容进行模糊识别,并且能够模糊推理出正确的结果。
关键词不精确推理;推理机;故障诊断;模糊匹配
Abstract
Withthedevelopmentofmodernproductionandimprovementofscienceandtechnique,thefunctionofmoderndeviceshasbeenmoreandmorecomplicated.Iffailureshappened,itwouldleadtoseriousdamageandeveneconomiclosswithoutfindinganddisposingfailuresrapidlyandexactly.Toreducethenegativeeffectofsuchfailures,itnotonlyrequirespeoplewithhightechnique,butalsorequiresmoreexactandintelligentmoderndiagnosisdevices.Sotheresearchesofreasoningmachinebasedonartificialintelligencebecomemoreandmoreimportant.Recentyears,theresearchofuncertaintyreasoningasthecoreofartificialintelligencereasoningmachinehasbeencontinuousdevelopedandinnovated.
Thisthesisexpoundsthebasicconceptsofuncertaintyreasoningandchieflyillustratesthemainpoint—theresearchofuncertaintyreasoningalgorithms,includingprobabilityreasoning,evidencereasoningandfuzzyreasoning.It
analyzestheseuncertaintyreasoningmethodsandsimulatetheircharacteristicsonMATLAB.Theseclassicaluncertaintyreasoningalgorithmshasbeenvalidatedandsimulated,andthesimulationresultsshowtherestrictionsandproperconditionswhenusingthesealgorithmstodesignuncertaintyreasoningmachines,whichprovidesbasictheoriesandexperimentalevidencesforuncertaintyreasoning.Accordingtotheliteratureandexperimentsofuncertaintyreasoningmethods,thethesistakesuseofVisualC++toprogramthealgorithmswithDLLandextendstheaccessinreasoningsystemanddiscussestheextendedapplication.
Then,areasoningmachineofmissilefaultdiagnosissystemhasbeendesignedandprogrammedintheDreamWeaverMX2004developmentwithASPandJSPprogramminglanguage,basedonthefuzzyreasoningandfuzzymatchingprinciple.ThesystemcanidentifytherelatedknowledgeinthedatabasewithfuzzytheoryandreasoningthecorrectresultsinLAN.
KeywordsUncertaintyreasoning;Reasoningmachine;Faultdiagnosis;Fuzzymatching
摘要I
AbstractII
第1章绪论1
1.1不精确推理的基本概念1
1.1.1概率推理2
1.1.2证据推理3
1.1.3模糊推理4
1.1.4四种理论模型的比较分析4
1.2国内外研究现状7
1.3课题的背景、目的和意义9
1.4主要研究内容10
1.5本文的结构11
第2章基于概率推理的不精确推理方法研究12
2.1概率推理概述12
2.1.1确定性理论12
2.1.2主观贝叶斯理论14
2.2基于概率推理的不精确推理方法研究18
2.2.1一般不精确推理算法模型18
2.2.2确定性理论推理算法研究19
2.2.3主观贝叶斯理论推理算法研究21
2.3仿真实验与分析22
2.3.1确定性理论仿真试验及分析22
2.3.2主观贝叶斯理论仿真实验及分析26
2.4本章小结28
第3章基于证据推理的不精确推理方法研究29
3.1证据推理概述29
3.2基于证据推理的不精确推理方法研究33
3.3仿真实验与分析36
3.4本章小结39
第4章基于模糊推理的不精确推理方法研究41
4.1模糊推理概述41
4.2基于诊断知识的模糊描述41
4.3模糊可信度的计算44
4.4字符串的模糊匹配原理46
4.5本章小结48
第5章不精确推理方法应用分析50
5.1不精确推理方法的模型分析50
5.2不精确推理的数据预处理51
5.3不精确推理的算法封装53
5.3.1动态链接库概述54
5.3.2动态链接库的实现方法54
5.3.3不精确推理封装算法的实现55
5.4模糊推理的应用分析58
5.4.1模糊推理机的总体设计方案58
5.4.2模糊推理机的实现60
5.5不精确推理机在故障诊断中的应用展望62
5.5.1不精确推理机进行故障诊断的优势62
5.5.2不精确推理机在故障诊断中的应用63
5.6本章小结63
结论64
参考文献65
攻读学位期间发表的学术论文69
xxx工业大学硕士学位论文原创性声明70
xxx工业大学硕士学位论文使用授权书70
xxx工业大学硕士学位涉密论文管理70
致谢71
第1章绪论
1.1不精确推理的基本概念
从认识论的角度来看,人类认识客观世界的认识论,实质上是一种对客观存在的反映,客观世界的不确定性决定了人类认识的不确定性。
以图1-1左侧图为例,有人看到的是一个少女,而有些人看到的则是一个老妇人。
这是因为视觉对图像的不同部位注意程度有差异,注意整体还是注意局部,使得人们对相同的事物看到不同的结果。
只注意到头发和衣领间的局部,可把它看成少女的侧面;而如果将少女的下巴部位看成是鼻子,少女的项链部位看成是嘴,就变成了一幅老妇人的画像。
这就是视觉的不确定性。
视觉还会有错觉。
对于图1-1右侧的图,人们会认为小圆内部的圆比大圆内部的圆要大,而实际上它们一样大。
背景的干扰使得人们产生了错觉。
眼睛还会因为光照、角度、色彩、运动等诸多因素的影响而产生幻觉[1]。
可以看出,不确定性是客观存在,这种客观存在使它受到科学家们的广泛关注和重视。
图1-1视觉感知的不确定性和错觉
在许多专业领域中,如经济分析、医疗诊断、人口预测、气象预报、矿产勘探、故障检测、军事指挥等,系统在进行分析预测时,可利用的证据和知识往往是不确定的,传统的逻辑难以对这些不确定性知识进行推理并做出判断,参考同样情况下的人类的思维却能有效的处理这类知识。
因而出现了利用不确定性的知识解决问题的不精确推理的理论。
所谓不精确推理就是在“公理”(如领域专家给出的规则强度和用户给出的原始证据的不确定性)的基础上,定义一组函数,求出“定理”(非原始数据的命题)的不确定性的度量。
也就是说,根据原始证据的不确定性和知识的不确定性,求出结论的不确定性。
在研制和开发专家系统的实际过程中,领域专家的知识和我们要处理的信息往往是不确定的、不精确的、不完全知道的,甚至是模糊的、不完备的、彼此不一致的和时变的[2]。
因此,为了要把这些不确定的知识表示在专家系统中,并且能用这些形式化了的不确定的知识进行判断、推理和决策,除了要研究不确定和不精确知识的表示方法外,还要探讨不精确的推理方法。
在客观世界中,有很多事实是不确定的,而事实与结论之间也不是必然的因果关系,它们是一个模糊集合[3]。
可以说,专家系统设计中不精确推理的使用,几乎是难于避免的,成为一个涉及到专家系统设计成败的重要问题。
因此,不确定推理模型是专家系统的一个核心研究内容。
现在,人们提出的不精确推理模型可以说是不计其数,其中有代表性的方法主要有以下三种方法:
概率推理、证据理论和模糊理论[4][5][6][7][8]。
下面将讨论这三种方法并分析它们各自的特点以及它们之间的相互关系。
1.1.1概率推理
人们根据不确定性信息作出推理和决策需要对各种结论的概率作出估计,这类推理称为概率推理。
概率推理[9]主要包括确定性理论和主观贝叶斯理论,这一领域的探讨对揭示人们对概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。
1.1.1.1确定性理论确定性理论(ConfirmationTheory)是由肖特里菲
(E.H.Shortliffe)等人提出的一种不精确推理模型,并于1976年首次在血液病诊断专家系统MYCIN中得到了成功应用[10]。
在确定性理论中,确定性是用可信度来表示的,因此又称为可信度方法(即Confirmation模型)。
它是不精确推理中使用最早、最简单且又十分有效的一种推理方法。
目前,有许多成功的专家系统都是基于这一方法建立起来的。
Heckerman针对MYCIN的不确定推理模型,给出了顺序组合运算和平行组合运算应满足的公理。
Driankov针对置信区间表示的不确定性度量,给出了“与”、“或”、“非”组合以及顺序组合、平行组合等五个运算应满足的公理。
王申康教授也针对MYCIN的不确定推理模型,给出了传播运算应满足的一些描述性的条件。
所有以上这些工作都是针对某种特殊情况进行抽象的[11]。
确定性理论通过对给定规则下的数据计算,给出确定性因子的结果,即确定性理论的推理结果。
该方法比较简单、直观,易于掌握和使用。
但是,对于其它复杂的系统来说,如果不精确推理链过长或推理顺序经常改变时,该算法
可能会引起传递误差的增加,导致推理结果不准确。
因此,该方法适用于不精确推理链较短且推理顺序不易改变的情况。
1.1.1.2主观贝叶斯理论主观贝叶斯方法是由杜达(R.O.Duda)等人于1976年提出的一种不精确推理模型,并成功地运用于地矿勘探专家系统PROSPECTOR中[10]。
它使用概率分布来处理不确定性问题。
主观贝叶斯理论是基于贝叶斯规则的计算方法,具有公理基础和易于理解的数学性质。
它提供了两个规则强度,恰当地处理了证据存在和不存在两种情况对假设的影响,该方法应用分段线性插值方法较好地处理了主观概率的数学不一致性。
不过,在一个大型专家系统中,要求所有假设的概率都是独立的是不可能的[12]。
此外,在系统中增加或删除一个假设时,为了保证系统的相关性和一致性,还必须重新计算所有概率,计算量也会大大增加。
贝叶斯网络又称为信度网络[13][14](beliefnetworks),是Bayes方法的扩展,也是目前不确定知识表达和推理领域最有效的理论模型之一[12][15]。
从1988年由Pearl提出后[16],已经成为近十几年来研究的热点。
贝叶斯网络是一种基于网络结构的有向图解描述[17],是人工智能、概率理论、图论、决策分析相结合的产物,适用于表达和分析不确定性和概率性的事物,应用于有条件地依赖多种控制因素的决策[18],可以从不完全、不精确或不确定的知识或信息中做出推理。
20世纪90年代,有效的推理和学习算法大大推动了贝叶斯网络[19]的发展和应用,首先在专家系统得到了广泛的应用。
随着可以商业应用的贝叶斯网络分析软件的产生,贝叶斯网络得到了推广,在很多领域取得了广泛的应用,成为概率知识表达的最强有力的工具之一[20],同时也成为研究的热点问题之一。
1.1.2证据推理
证据理论是由Dempster首先提出,并由Shafer进一步发展起来的一种处理不确定性的理论,因此又称为Dempster-Shafer理论[21]。
可用来处理由不知道而引起的不精确性,而且不必事先给出知识的先验概率。
证据理论满足比概率论弱的公理,能够区分“不确定”与“不知道”的差异,并能处理由“不知道”引起的不确定性,当概率值为已知时,证据理论就变成了概率论。
所以证据理论有时也被称为广义概率论。
该理论提出的初期并没有引起人们的重视,直到80年代Barnett、Friedman等人将这个方法应用于专家系统,才认识到它具有利用证据的积累可以缩小假
设置信区间的重要优点,从此受到人们的重视。
证据理论是在主观贝叶斯理论的基础上进行了推广。
对于复杂的系统,一
般情况下规则都是合成的,证据理论可以完成这类不精确推理,处理不知道和不确定之间的关系,依靠证据的积累缩小置信区间。
不过由于证据理论在数值上缺乏稳定性,一个很小的变化会导致很大的误差,并且要求系统的数据要互相独立。
1.1.3模糊推理
Zadeh在1965年首先提出了模糊集合理论,1978年又将他的模糊集合理论应用到近似推理方面,形成了可能性理论[22](PossibilityTheory)。
可能性理论的基本思想是要确定诸如可能性、可能性分布、可能性分布函数、条件可能性分布函数、边缘可能性分布函数等测度以及它们之间的关系。
同时,还要确定各种模糊命题的转换规则和不确定命题的推理规则等。
模糊推理的理论基础是可能性理论以及在此基础上发展起来的模糊逻辑,它的算法形式灵活,根据不同的问题形式可进行有针对性的处理,模糊推理算法广泛应用于词汇识别等应用领域。
1.1.4四种理论模型的比较分析
(1)不精确推理模型分别从不同的观点来处理不确定性。
其中,在确定性理论中,不确定性是证实(或支持)的程度;在主观Bayes方法中,不确定性看作是概率;在证据理论中,不确定性看作是可信度,而在模糊集理论中,不确定性看作是集合的隶属度[7]。
在主观Bayes方法、证据理论和模糊集理论中,实体的不确定性由区间[0,1]中的一个数值来确定,而在确定性理论中,范围则是[-1,1]。
主观Bayes方法和确定性理论都只用了一个数值来表示不确定性,即主观Bayes方法采用主观概率(先验可能性),确定性理论采用可信度。
在一般情况下,用一个数值来表示知识的不确定性,反映不出对知识的不知道信息,而证据理论是采用两个数值来描述知识的不确定性,所以就不存在上述缺点。
在主观Bayes方法中,先验概率由专家给出,当在没有任何证据的情况下,专家可能非常不愿意给出,特别在涉及一些不常出现但却是非常重要的事件时更会如此。
确定性理论从这方面可以在一定程度上适应这种实际情况。
(2)不精确推理模型是按什么方式以获得不确定值以及如何处理这些不确定
值的方法都是不相同的。
不确定性在推理网络中传播时,对每一个证据S要求一个不确定值[7],这些值按一定的方式进行处理以获得假设d的不确定值。
在Bayes方法中,不确定值(即先验概率)可由统计分析得到(如频率分析),给出一个足够大的样本空间,对一个证据,所有的观察者都能得出基本上一样的不确定性值[23]。
因此,这些不确定值可以认为是客观的。
主观的方法也可用来获得概率,例如,可以采用专家的估计。
其它三种模型都没有定义的很好的客观方法来获得不确定值,它们都是由主观方法来确定的。
每个证据的不确定值可以事先获得并存储在系统中,或者在需要时提供给系统。
在Bayes演算中,不确定值(即先验概率)一般是由系统事先获得并存储的,在其它三种演算方法中,不确定值是与证据一起提供的:
在证据理论中,与每个证据一起提供一个基本概率分配函数(BPA),在模糊集理论中,每个证据都带有一个隶属度,在确定性理论中对每个证据提供一个确定性因子CF。
(3)不精确推理模型区分不知道和不确定的方法也是各不相同的。
在主观Bayes方法中,表达“不知道”是困难的,因为每个实体都必须赋给一个概率。
一个可能的方法是给所有事件赋给一个相等的概率来表达“不知道”,但这种方法也有困难;另一种可能的方法是使用无论什么知识对得到“合理”赋值都是有效的,例如假定事件d1有先验概率P(d1)=0.6,d2有先验概率P(d2)=0.4,此时在观察S下的条件概率P(d1|S)和P(d2|S)都是不知道,则赋值P(d1|S)=0.6,P(d2|S)=0.4,这看上去是合理的,但这又无法区分这是任意赋的值,还是实际上的条件概率值。
在证据理论中,用给大子集赋给信任值的方法来表示不知道,即给出更多的知识,信任值分派给更小的子集,甚至是单元素集合,另外,信任区间的大小也可以反映不知道的程度。
在确定性理论中,确定性因子为零可用来表示不知道,但这不能与证实相等的情况相区别。
(4)不精确推理模型采用的推理方法不完全相同。
确定性理论,主观Bayes方法和证据理论采用的都是基于概率理论的似然推理方法,而模糊集理论采用的是近似推理即模糊推理的方法。
(5)不精确推理模型的计算复杂度也不完全相同。
主观Bayes方法具有指数信息复杂度,证据理论具有信息和时间两方面的指数复杂度,而确定性理论和模糊集理论在信息和时间两方面都仅具有线性复杂度。
(6)确定性理论、主观Bayes方法及证据理论这三种不精确推理的理论基础是概率论。
概率沦是研究和处理随机现象的好方法[23]。
概率方法可以表示信任程度,但无法表示已知程度,要求先验概率,并有独立性条件。
与概率论相比,模糊集理论对模糊事件、模糊量词显得得心应手,是研究和处理模糊现象的好方法。
它用模糊逻辑作为表示不确定知识的模式,对不确定性的处理并不企图给出确定的、完全的解决方法,但它能够解决基于概率的方法中的一些不能有效处理或不能正确处理的问题。
通过前面的分析比较可得出不精确推理模型的各自特点以及它们的相同和不同之处。
为了对这些不精确推理模型有一个全面而简明的了解,可将这四种不精确推理模型的性能比较结果列于表1-1。
表1-1四种理论模型的性能比较分析
确定性理论
主观贝叶斯理论
证据理论
可能性理论
提出者
E.H.Shortliffe
R.O.Duda
A.Dempster
Zadeh
产生时间
1975
1976
1981
1978
引起不确定的原因
随机现象
随机现象
随机和不确切现象
模糊现象
适于处理的不确定类型
概率
概率
概率和模糊
模糊
处理不确定的方法
用可信度刻划的数值计算
用先验可能性的数值计算
用确定性CER的数值计算
用隶属函数的数值计算
不确定性的给定方法
主观
主、客观
主观
主观
推理方法
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 不确 推理 方法 研究 电气工程 自动化 工学 大学 论文
![提示](https://static.bdocx.com/images/bang_tan.gif)