基于可信度的不确定性推理的研究与应用.pdfVIP

基于可信度的不确定性推理的研究与应用 杨阿琴 武汉理工大学计算机科学与技术学院，武汉（430063 ） E-mail ：yangaqin82@163.com 摘 要：本文将基于可信度的不确定性推理其运用到民航机务维修差错预警专家系统中进行 研究中，并在 Jess 推理引擎的基础上，研究了具体的知识表示与不确定性推理，从而使系 统达到有效预测和控制可能发生的维修差错，提高飞行安全。 关键词：专家系统；Jess；不确定性推理 1．引言 随着基于规则推理技术的发展，专家系统中运用于推理的知识不再只是确定的，而大多 数具有不完善性，不确定性及模糊性等，因此，在研究基于规则推理的过程中，引入不确定 性研究是必然的。不确定性的研究是建立在非经典逻辑基础上，但目前不确定性研究尚未建 立一套完整的理论体系。目前研究不确定推理的理论很多，其中包括经典概率、贝叶斯概率 (Bayesian probability)、确定性理论(Theory of Comfirmation)、证据理论等概率理论和模糊理 论等。本文针对基于可信度的不确定性推理在民航机务维修差错预警专家系统中的应用进行 研究。 2. 基于Jess 的知识表示及扩展 [2] 通过对搜集的大量民航机务维修差错资料 ，并进行分析，得出维修差错和诱因之间不 存在一一对应的确定关系，一个诱因可能导致多个维修差错，同一个维修差错可能由多个不 同的诱因引发的，同时，调研中发现，诱因和维修差错之间也并不是必然的因果关系，存在 某种程度的不确定性，也就是维修差错诱因规则存在规则强度。因此，在民航机务维修差错 预警专家系统中采用了基于规则的不确定性推理模型，采用可信度方法进行研究。采用Jess 作为规则推理引擎，Jess 不支持可信度因子在不确定性推理中的传递，因此在民航机务维修 差错预警专家系统中扩展了Jess ，使其支持不确定性推理的功能。 2.1 规则推理引擎Jess Jess (Java Expert System Shell)是一个扩展CLIPS 的基于Java 平台的规则引擎。核心Jess 语言与CLIPS 依然兼容，许多Jess 脚本也是有效的CLIPS 脚本。除继承了CLIPS 的优点外， 还具有许多自己独特的特征，如支持正向和逆向推理，也称演绎法 (Forward-Chaining ，正 向链)和归纳法(Backward-Chaining，反向链) ，可以在系统运行环境下直接调用Java 的类库 [1] 等 。 2.2 诱因、机务维修差错及可信度表示 通过新定义两个JavaBeans 类的形式表示可能引起机务维修差错的维修状态(即诱因)及 其机务维修差错，即诱因事实和机务维修差错事实分别封装成类（CausationBean 类和 ConclusionBean 类），并加入可信度因子做作为类成员。同时，可信度的计算操作不以成员 方法的形式完成，而是在规则后件的操作部分执行。 2.3 维修差错诱因规则 在Jess 中，使用defrule 构造型来定义规则，一个规则由规则左部(LHS)，＝和规则右 - 1 - 部(RHS)三部分组成。规则左部由零个或多个条件元素组成，规则右部由零个或多个函数调 用组成。一个条件元素可以是一个模式(pattern)也可以是由一组and，or或 not等条件元 素的组合。如果规则右部模式(pattern)涉及到的事实类型需要自定义模板，需先定义模板再 使用。模板定义使用deftemplate 结构或defclass 函数，而definstance 函数生成模板一个 实例(事实) 。 以Jess 中规则表达方式(先使用自然语言加以描述然后用Jess 表达维修差错诱因规则。 规则R1(环境和设备方面引起的机务维修差错) 自然语言描述： IF 光线差(可信度cf 可由用户给定) T