從數(shù)控機床故障診斷的內容看，故障診斷專家系統(tǒng)具體可以用于以下三個方面：

(1) 故障監(jiān)測。

(2) 故障分析。

(3) 決策處理。

一個完整的故障診斷專家系統(tǒng)應是圖6—3所示結構。該圖中各功能模塊的作用如下：

(1) 數(shù)據(jù)庫。用于存放監(jiān)測系統(tǒng)狀態(tài)的、便于測量的也是必要的測量數(shù)據(jù)；用于實時監(jiān)測系統(tǒng)工作正常與否。對于離線分析，數(shù)據(jù)庫可根據(jù)推理需要，人為輸入。

(2) 知識庫?？梢远x為便于使用和管理的形式組織起來的用于問題求解的知識的集合。通常知識庫具有兩方面的知識內容：一方面是針對具體的系統(tǒng)而言，包括系統(tǒng)的結構，系統(tǒng)經常出現(xiàn)故障現(xiàn)象，每個故障現(xiàn)象都是由哪些原因引起的，各種原因引起該故障現(xiàn)象可能性大小的經驗數(shù)據(jù)，判斷每一故障是否發(fā)生的一些充分及必要條件等；另一方面是針對系統(tǒng)中一般的設備儀器故障診斷的專家經驗，內容與前面相仿?；谶@兩方面內容，知識庫還包含有系統(tǒng)規(guī)則，這些規(guī)則大多是關于具體系統(tǒng)或通用設備有關因果關系的邏輯法則。所以真實反映對象系統(tǒng)的知識庫的建立是專家系統(tǒng)進行快速有效的故障診斷的前提。知識庫是專家系統(tǒng)的核心內容，知識庫內容，如故障現(xiàn)象對應關系規(guī)則的建立，有些在理論上是嚴格的，有些則取決于該領域專家的經驗。

圖 6-3 故障診斷專家系統(tǒng)的基本結構

?

(3) 知識庫的管理。建立和維護知識庫，并能根據(jù)運行的中間結果及知識獲取程序結果及時修改和增刪知識庫，對知識庫進行一致性檢驗。

(4) 人機接口系統(tǒng)?？蓪⑾到y(tǒng)運行過程中系統(tǒng)出現(xiàn)故障后觀察到的現(xiàn)象或系統(tǒng)進行調整

或變化后的信息輸入到知識庫獲取模塊，或將新的經驗輸入，以實時調整知識庫。還可通過人機接口啟動解釋系統(tǒng)工作。

(5) 推理機制。在數(shù)據(jù)庫和知識庫的基礎上，綜合運用各種規(guī)則，進行一系列推理來盡快尋找故障源。

(6) 解釋系統(tǒng)?？梢越忉尭鞣N診斷結果的推理實現(xiàn)過程，并能解釋索取各種信息的必要性等。解釋系統(tǒng)是專家系統(tǒng)區(qū)別于系統(tǒng)方法的顯著特征，它能把程序設計者的思想及專家的推理思想顯示給用戶。

(7) 控制部分。使用各部分功能塊協(xié)調工作，在時序上進行安排和控制。

對于在線實時診斷系統(tǒng)，數(shù)據(jù)庫的內容是實時檢測到的目前系統(tǒng)的工作數(shù)據(jù)。對于離線診斷，則數(shù)據(jù)庫的內容可以是保存的故障發(fā)生時檢測到的數(shù)據(jù)，也可以是人為檢測的一些特征數(shù)據(jù)。人機接口系統(tǒng)可為知識庫提供系統(tǒng)實時運行時，或發(fā)生故障時觀察到的一些事實現(xiàn)象。專家系統(tǒng)診斷程序在知識庫和數(shù)據(jù)庫的基礎上，通過推理機制，綜合利用各種規(guī)則，必要時還可調用各種應用程序，并在運行時向用戶索取必要的信息，可盡快地直接找到最后故障，或最有可能的故障，再由人確定最后故障。

三、 人工神經元網絡及其在數(shù)控機床故障診斷中的應用

1、人工神經元網絡原理

人工神經元網絡或簡稱神經網絡，是人們在對人腦思維研究的基礎上，用數(shù)學方法將其簡化、抽象并模擬，能反映人腦基本功能特性的一種并行分布處理連接網絡模型。神經元網絡處理信息的思想方法同傳統(tǒng)的馮·諾曼計算機所用的思維方法是完全不同的。它的存儲方式不同。一個信息不是放在一個地方，而是分布在不同的位置。網絡的某一地方也不只存儲一個信息，它的信息是分布存儲的。這種存儲方式決定了神經元網絡進行信息處理的方法不同于馮·諾曼計算機完全根據(jù)邏輯規(guī)則運算的處理方法。神經元網絡中的每一個神經元都是一個信息處理單元，它可根據(jù)接收到的信息獨立運算，然后把結果傳輸出去，這是一個并行處理。神經元作運算的規(guī)則通常是根據(jù)物理學、神經生物學、心理學的定理或規(guī)則。

神經元網絡的這種信息存儲和處理方式還有這樣的優(yōu)點，即網絡能通過不完整的或模糊的信息，便能夠聯(lián)想起一個完整、清晰的圖像來。這樣，即使網絡某一部分受到破壞，仍能恢復原來信息。也就是說網絡具有聯(lián)想記憶功能。

神經元之間的連接強度通常稱為權，這種權可以事先定出，也可以不斷地改變。它可以為適應周圍環(huán)境而不斷變化，這種過程稱為神經元的學習過程。這種學習可以是有教師的學習，也可以是無教師的學習。神經元網絡的這種自學習方法與傳統(tǒng)的以符號處理為基礎的人工智能的、要求人告訴機器每步行動的方法是完全不同的。

設計一個人工神經元網絡，只要給出神經元網絡的拓補結構，即神經元之間的連接方式及網絡的神經元個數(shù)，神經元的權值可以給定或者給出學習規(guī)則由神經元網絡自己確定，再給出神經元的運算規(guī)則。這樣便建成一個神經網絡，它可以用來進行信息處理。

用神經元網絡建立專家系統(tǒng)，不須要組織大量的產生式規(guī)則，機器可以自組織、自學習。這對用傳統(tǒng)的方法建立專家系統(tǒng)最感困難的知識獲取問題，是一種新的有效解決途徑。

下面對人工神經元網絡的結構及其工作原理作一簡單介紹。

神經元是人工神經元網絡的基本處理單元，它一般是一個多輸入/單輸出非線性器件。其結構模型如圖6—4所示，圖中 為輸入矢量，y為輸出； 表示輸入到輸出的連接權值，θ為閾值；s為外部輸入。一般輸入與輸出之間的關系可表示為

式中為一激發(fā)函數(shù)，它通常取下列三種形式：

（1）??? 閾值型。即f為一階躍函數(shù)，如圖6—5(a)所示。其表達式為：
這也是最早提出的二值離散型神經元模型。
圖6-4? 神經元結構模型

將神經元網絡和專家系統(tǒng)結合起來，發(fā)揮兩者各自的優(yōu)點，更有助于數(shù)控機床的故障診斷工作的開展。