一種用于火力發電機組水汽化學故障的診斷系統及方法與流程

本發明涉及火力發電機組的故障診斷領域，尤其是涉及一種用于火力發電機組水汽化學故障的診斷系統及方法。

背景技術：

在火力發電廠的熱力系統中，水和蒸汽作為工作介質完成能量的傳遞與轉換。水在鍋爐中吸收燃料燃燒產生的化學能，成為具有一定熱能的蒸汽；蒸汽在汽輪機中絕熱膨脹做功，將熱能轉化為機械能；汽輪機的高速轉動帶動發電機運行，進一步將機械能轉化為電能；做過功的低溫低壓蒸汽在凝汽器中冷凝為水，與補給水一起重新進入鍋爐。水汽在熱力系統中的往復循環因此而形成。對于火電廠水汽循環系統而言，水汽品質是直接關系到整個機組的安全穩定運行的重中之重。無論采用怎樣的水處理技術，水中雜質都是不可能完全被除凈的，如果水汽雜質含量在允許范圍內，則不會影響設備的運行，若其超過允許范圍，則會造成設備腐蝕或結垢，引起機組熱損失，降低效率，甚至造成事故。火力發電廠熱力設備因水汽質量不良而誘發的各類事故所造成的經濟損失巨大，燃料消耗也很驚人。據統計資料表明，我國工業鍋爐因結垢、腐蝕造成的經濟損失達3000萬元/年，多消耗燃煤1000萬噸/年。某發電廠在6年的時間內，由于鍋爐結垢腐蝕直接損失達250萬元，少發電2億千瓦時，折合產值達1300萬元。另據統計資料表明火電廠熱力設備因水汽質量不良而引起的各類事故，占火電廠總事故數量的三分之一以上。

然而，這些事故的發生并不是無法預判和避免的，水汽內的雜質對熱力設備的危害是一個漸變和積累的過程，水汽品質的惡化會在表征各種化學指標的監測值上體現出異常。實現在線化學儀表監測，并采用診斷技術對水汽質量故障做出正確的判斷和及時的處理，不僅能使許多事故得以避免，熱力系統的安全得到更好的保障，同時還可產生巨大的經濟效益。如以一臺200mw的機組鍋爐為例，采用診斷技術避免一次運行中爆管事故，至少能避免500萬千瓦時的電量損失，即可增加2000萬的產值。如果平均每年每臺機組少發生一次24小時的停電，則每年可減少近1.5億千瓦時的電量損失，減少直接經濟損失約1000萬元，同時帶來更大的間接效益——增加5億元以上的社會財富。據有關資料介紹，澳大利亞僅用于防止鍋爐腐蝕的費用即超過350萬美元/年，而用于診斷技術的費用不超過上述費用的千分之一。在線儀表在火電廠的廣泛應用和診斷技術的發展使得利用系統的水質監測進行故障診斷具備了可行性，人工智能技術在故障診斷上的應用更是將此技術提升到了一個新的水平。

水汽系統中的各種水汽狀態相互緊密地聯接在一起，各種水汽化學指標之間具有延續性、傳遞性以及同步關聯性，故任一環節水質的變化都會引起連鎖反應，這無疑增大了化學診斷的復雜度。對于單獨的人類專家而言，面對大量的水汽監測指標，僅憑一人的經驗和知識所作出的判斷往往是片面的和缺乏時效性的，不利于針對具體故障采取迅速而準確的處理措施。應用智能技術，構建一個囊括大量故障信息及處理措施的水汽化學故障診斷專家系統，能夠準確及時地指明故障原因，為運行人員提供切實的幫助與指導。

我國對火力發電機組水汽化學故障的診斷研究仍不夠深入，目前仍是憑借工作人員的經驗來進行故障診斷，這種方法十分容易導致因工作人員自身原因而造成的故障診斷錯誤，而且也不具有普適性，無法全面、完整的對火力發電機組水汽化學故障給出令人信服的診斷結果。

技術實現要素：

本發明的目的是針對上述問題提供一種用于火力發電機組水汽化學故障的診斷系統及方法。

本發明的目的可以通過以下技術方案來實現：

一種用于火力發電機組水汽化學故障的診斷系統，所述系統包括：

人機接口，用于接收外界用戶的輸入參數并向外界用戶進行信息反饋；

水汽化學故障知識庫，與人機接口連接，用于存儲火力發電機組水汽化學故障的診斷依據；

綜合數據庫，與人機接口連接，用于存儲用戶的身份信息并對人機接口接入的用戶進行身份驗證；

推理機，分別與綜合數據庫和水汽化學故障知識庫連接，用于接收通過綜合數據庫身份驗證的用戶輸入的信息，結合水汽化學故障知識庫對信息進行推理診斷，并將診斷結果反饋至水汽化學故障知識庫；

解釋機，分別與人機接口、綜合數據庫和知識庫連接，用于對水汽化學故障知識庫反饋的診斷結果進行統一化整理，并反饋至人機接口。

所述水汽化學故障知識庫包括：

模糊診斷知識庫，用于存儲火力發電機組水汽化學故障的模糊診斷依據；

可信度推理診斷知識庫，用于存儲火力發電機組水汽化學故障的可信度推理診斷依據。

所述模糊診斷知識庫包括模糊參數等級劃分標準表、模糊診斷規則表和模糊診斷結論表。

所述可信度推理診斷知識庫包括診斷項目表、參數控制標準表、故障癥狀表、診斷結論表和每個參數的獨自診斷規則表。

所述診斷結果包括故障類型、故障原因和故障原因的可信度。

一種用于如上所述診斷系統的用于火力發電機組水汽化學故障的診斷方法，所述方法包括下列步驟：

1)對火力發電機組進行水汽化學故障的模糊診斷，得到火力發電機組當前存在的水汽化學故障類型；

2)根據步驟1)中得到的水汽化學故障類型，對火力發電機組進行水汽化學故障的可信度推理診斷，得到與該水汽化學故障類型對應的故障原因和故障原因的可信度。

所述步驟1)具體為：

11)根據人機接口輸入的信息，確定模糊診斷中模糊變量的具體數值；

12)根據水汽化學故障知識庫中存儲的每個模糊變量對應的模糊關系矩陣，結合步驟11)中得到的模糊變量的具體數值，進行模糊診斷推理；

13)根據模糊診斷推理的結果，得到當前的故障類型以及該故障類型的嚴重程度。

所述步驟2)具體為：

21)根據步驟1)中確定的故障類型，讀取人機接口輸入的信息中與該故障類型相關的化學信息參數；

22)將步驟21)中得到的化學信息參數代入至水汽化學故障知識庫中存儲的可信度推理診斷規則，進行可信度推理診斷，得到與該水汽化學故障類型對應的故障原因和故障原因的可信度；

23)將故障原因按照可信度進行排序，將可信度最高的故障原因作為診斷結果進行反饋。

與現有技術相比，本發明具有以下有益效果：

(1)通過建立用于火力發電機組水汽化學故障的診斷系統，對水汽化學故障進行系統化的診斷，便于工作人員的操作，同時通過建立水汽化學故障知識庫代替傳統的工作人員的經驗，診斷方法更為全面和客觀，因而使得故障診斷的結果更加準確。

(2)通過人機接口進行用戶和診斷系統的交互，同時利用綜合數據庫對用戶的身份進行了驗證，避免了非工作人員對該診斷系統的錯誤利用，和火力發電機組重要信息的泄露。

(3)通過解釋機，對診斷的結果進行統一化整理，使得診斷的故障類型和故障原因實現一一對應，同時將故障原因的可信度按照從大到小依次排序，便于用戶的查看。

(4)水汽化學故障知識庫包括模糊診斷知識庫和可信度推理診斷知識庫，涵蓋內容全面，保證了模糊診斷和可信度推理診斷的順利實現。

(5)該用于火力發電機組化學故障的診斷方法，通過模糊診斷確定水汽化學故障類型，再通過可信度推理診斷得到該故障類型的故障原因和該故障原因的可信度，通過兩種診斷方式保證了診斷的準確性。

(6)將故障原因按照可信度大小排序，并將可信度最大的故障原因反饋給用戶，這種方式保證了診斷結果的準確性達到最高。

附圖說明

圖1為用于火力發電機組水汽化學故障的診斷系統的結構示意圖；

圖2為用于火力發電機組水汽化學故障的診斷方法的流程圖；

其中，1為人機接口，2為水汽化學故障知識庫，3為推理機，4為綜合數據庫，5為解釋機。

具體實施方式

下面結合附圖和具體實施例對本發明進行詳細說明。本實施例以本發明技術方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍不限于下述的實施例。

本發明提出的一種用于火力發電機組水汽化學故障的診斷系統和方法，系統結構如圖1所示，包括：人機接口1，用于接收外界用戶的輸入參數并向外界用戶進行信息反饋；水汽化學故障知識庫2，與人機接口1連接，用于存儲火力發電機組水汽化學故障的診斷依據；綜合數據庫4，與人機接口1連接，用于存儲用戶的身份信息并對人機接口1接入的用戶進行身份驗證；推理機3，分別與綜合數據庫4和水汽化學故障知識庫2連接，用于接收通過綜合數據庫4身份驗證的用戶輸入的信息，結合水汽化學故障知識庫2對信息進行推理診斷，并將診斷結果反饋至水汽化學故障知識庫2；解釋機5，分別與人機接口1、綜合數據庫4和知識庫連接，用于對水汽化學故障知識庫2反饋的診斷結果進行統一化整理，并反饋至人機接口1。

其中，水汽化學故障知識庫2包括：模糊診斷知識庫，用于存儲火力發電機組水汽化學故障的模糊診斷依據；可信度推理診斷知識庫，用于存儲火力發電機組水汽化學故障的可信度推理診斷依據。模糊診斷知識庫包括模糊參數等級劃分標準表、模糊診斷規則表和模糊診斷結論表。可信度推理診斷知識庫包括診斷項目表、參數控制標準表、故障癥狀表、診斷結論表和每個參數的獨自診斷規則表。診斷結果包括故障類型、故障原因和故障原因的可信度。

如圖2所示，該方法包括下列步驟：

1)對火力發電機組進行水汽化學故障的模糊診斷，得到火力發電機組當前存在的水汽化學故障類型：

11)根據人機接口1輸入的信息，確定模糊診斷中模糊變量的具體數值；

12)根據水汽化學故障知識庫2中存儲的每個模糊變量對應的模糊關系矩陣，結合步驟11)中得到的模糊變量的具體數值，進行模糊診斷推理；

13)根據模糊診斷推理的結果，得到當前的故障類型以及該故障類型的嚴重程度；

2)根據步驟1)中得到的水汽化學故障類型，對火力發電機組進行水汽化學故障的可信度推理診斷，得到與該水汽化學故障類型對應的故障原因和故障原因的可信度：

21)根據步驟1)中確定的故障類型，讀取人機接口1輸入的信息中與該故障類型相關的化學信息參數；

22)將步驟21)中得到的化學信息參數代入至水汽化學故障知識庫2中存儲的可信度推理診斷規則，進行可信度推理診斷，得到與該水汽化學故障類型對應的故障原因和故障原因的可信度；

23)將故障原因按照可信度進行排序，將可信度最高的故障原因作為診斷結果進行反饋。

根據上述步驟，來具體說明該系統和方法：

關于推理診斷

在故障診斷的推理過程中，并非所有的概念和知識都是嚴格精確的，大量知識是不精確和不確定的，在本發明所研究的水汽過程化學故障診斷的范疇內，除了各化學參數的監測值能夠被精確地獲取外，與各參數相關的許多表述、概念也都是不精確的，甚至各故障癥狀、規則以及推理過程和結論都具有一定的不確定性，為了使診斷能夠順利地進行下去，有必要使用某種算法來對不確定知識及其之間的關系進行處理。本實施例采取模糊邏輯和可信度相結合的推理算法。

以凝汽器泄漏的診斷為例來說明模糊推理算法的應用：

凝汽器泄漏是火力發電廠最主要最常發生的故障之一，輕微的凝汽器泄漏如果能夠被及時發現并得以妥善處理，不會對生產產生重大深遠的影響，然而若泄漏未被及時發現，那么水汽品質將急劇劣化，嚴重時不僅有可能導致緊急停機造成巨額經濟損失，進入水汽系統的諸多雜質更是有可能加速熱力系統的腐蝕、結垢和積鹽，對機組正常運行造成深遠影響，對安全生產埋伏下長期隱患。因此，對凝汽器泄漏的監督是火電廠化學監督中極為重要的一部分。

在與凝汽器泄漏相關的諸多檢測項目中，絕大部分我們都能夠通過在線儀表或實驗室測試獲得較為精確的值，同時，凝汽器泄漏對這些項目的影響也是整體性的，一旦凝汽器發生泄漏，大部分檢測項目會迅速地表現出不正常狀態，故以模糊推理思想為基礎，利用這些項目的精確值對凝汽器泄漏的程度進行綜合性的診斷和評判，是一個便捷、直觀且準確的方法。

與凝結水泄漏直接相關的指標包括凝結水氫電導率、凝結水na⁺濃度、凝結水硬度、凝結水sio2含量、爐水cl^－濃度等五項，其它檢測項目如給水氫電導率、凝結水及給水的溶解氧濃度以及銅、鐵含量、爐水的ph值等，雖然也會由于凝汽器泄漏而受到非常大的影響，但都不能直接反映出凝汽器泄漏的情況，而且很有可能受到諸多其它因素的干擾。故本文在利用模糊推理進行凝汽器泄漏程度的判斷時，只選取凝結水氫電導率、凝結水na⁺濃度、凝結水硬度、凝結水sio2含量、爐水cl^－濃度這五個監測參數。

首先，根據上述內容構建判斷凝汽器泄漏程度的模糊規則。

對于模糊結論，既然是判斷凝汽器泄漏程度，我們即可將凝汽器泄漏程度的結論論域v設置為{無，輕微，明顯，嚴重}。推理結果必是基于此論域的一個模糊子集，其中包含了結論對于不同凝汽器泄漏程度的隸屬度。

本實施例選取凝結水氫電導率、凝結水na⁺濃度、凝結水硬度、凝結水sio2含量、爐水cl^－濃度進行模糊推理，即此五項為規則前件中的模糊變量，其各自的論域即為各項目的可能取值，我們要先將這五個參數的論域劃分為數個等級，以便于各不同取值依據其等級標準構建模糊子集。《火力發電廠水汽化學監督導則》已經對凝結水電導率和凝結水硬度作出了相應的三級處理標準規定，此二者的等級劃分可以此為依據。三級處理值的含義如下：一級處理值：有因雜質造成腐蝕、結垢、積鹽的可能性，應在72小時內恢復至標準值；二級處理值：肯定有因雜質造成腐蝕、結垢、積鹽的可能性，應在24小時內恢復至標準值；三級處理值：正在進行快速結垢、積鹽、腐蝕，如水質不好轉，應在4小時內停機。

故凝結水氫電導率和凝結水硬度劃分等級標準如下：

表1凝結水氫電導率等級劃分標準

表2凝結水硬度等級劃分標準

另有一部分研究資料表明：當凝結水及爐水中的雜質含量達到規定允許值的1～2倍時，可確定凝汽器發生已泄漏；當雜質含量達到規定允許值的2～4倍時，可定為明顯泄漏；當雜質含量達到規定允許值的4倍以上時，可定為嚴重泄漏。筆者所查閱的大量相關文獻所持觀點也與此相吻合，經綜合參考多方資料后，另三個項目的等級劃分標準可確定如下：

表3凝結水na⁺濃度等級劃分標準

表4凝結水sio2含量等級劃分標準

表5爐水cl^－濃度等級劃分標準

至此，各個模糊變量的模糊子集在獲得精確值的情況下可方便地得出，其模糊命題也可構建起來。如此規則前件和結論都可確定，即可獲得如下綜合性多維模糊規則：

在規則確定之后，模糊子集可以通過隸屬函數求得，那么接下來就要確定模糊關系矩陣。通過建立每個模糊變量論域中的元素與結論論域中的每個元素的隸屬度，再由這些隸屬度構建成矩陣形式，即可得到每個模糊變量的模糊矩陣。

隸屬度列表如下：

表6凝結水氫電導率對于凝汽器泄漏程度的隸屬度

表7凝結水硬度對于凝汽器泄漏程度的隸屬度

表8凝結水na⁺濃度對于凝汽器泄漏程度的隸屬度

表9凝結水sio2含量對于凝汽器泄漏程度的隸屬度

表10爐水cl^－濃度對于凝汽器泄漏程度的隸屬度

故可得模糊矩陣如下：

至此，對凝汽器泄漏程度進行模糊推理所需要素均已完備，在進行推理時，系統可僅通過一個參數的值，進行一維的模糊推理診斷，也可以同時由2～5個參數的檢測值，進行多維推理，兩者都可獲得準確結論，當然，所提供的模糊變量越多，準確性越高。

現獲得監測值如下：凝結水硬度h＝6.2(μmol/l)，凝結水csio2＝25.8(μg/l)，爐水ccl－＝1.8(mg/l)，試對凝汽器泄漏程度進行模糊推理診斷。

(1)首先確定模糊子集a2’，a4’和a5’：

因為h(μmol/l)＝6.2處于5.0與20.0之間，故其對于“略高”和“高”均有隸屬關系，可據降半梯形分布函數求得μ略高(6.2)：

μ略高(6.2)＝(20.0-6.2)/(20.0-5.0)＝0.92

同時可得μ高(6.2)：

μ高(6.2)＝1-μ略高(6.2)＝0.08

從而得到模糊子集a2’＝(0,0.92,0.08)。

同理可得另兩個模糊子集：

a4’＝(0,0.81,0.19)；

a5’＝(0,0.67,0.33)

(2)利用tsukamoto法進行多維模糊推理

利用a2’，a4’和a5’進行模糊變換求得b2’，b4’和b5’：

對三者求交集，即得：

b’＝b2’∩b4’∩b5’＝(0,0.38,0.41,0.08)

可見，結論對于凝汽器泄漏程度為“輕微”、“明顯”和“嚴重”的隸屬度分別為0.38，0.41和0.08，對“明顯”隸屬度最高，對“輕微”次之，對“嚴重”最低。診斷結論不僅反映出最有可能發生的情況，同時還提供了其他情況的可能性以作為參考。

模糊推理算法以這種方式應用到凝汽器泄漏診斷之中，能夠快速準確地獲得結論，取得較佳效果。面對水汽過程中更多參數的故障診斷，本實施例將以模糊邏輯和可信度不確定推理相結合的算法來進行，下面即對此內容進行論述。

人們在對某一特定事物進行認識時，通常可根據自身經驗對這一事物的真偽程度進行判斷。根據經驗而產生的對某一事物為真的相信程度即稱為可信度(cf，certaintyfactor)。基于可信度的不確定推理是e.h.shortliffe等人于20世紀70年代在確定性理論(theoryofcomfirmation)的基礎上提出的一種不確定推理模型，這種方法比較直觀，不確定性測度的計算也比較簡單，因而在許多專家系統中得到有效的應用，獲得成功的醫療診斷專家系統mycin就是依據這一模型建立起來的。

在不確定推理模型中，可信度cf(h,e)作為不確定性測度，表示結論h在證據e下主觀信任度的一種修改量，其計算公式如下：

cf(h,e)＝1,p(h)＝1；

cf(h,e)＝(p(h∣e)-p(h))/(1-p(h)),p(h∣e)>p(h)；

cf(h,e)＝0,p(h∣e)＝p(h)；

cf(h,e)＝(p(h∣e)-p(h))/p(h),p(h∣e)<p(h)；

cf(h,e)＝-1,p(h)＝0

其中，p(h)為結論成立的先驗概率；p(h∣e)為在證據e出現的條件下，結論h成立的條件概率。

由上述cf(h,e)的計算公式可比較直觀地看出可信度cf(h,e)的以下意義：

(1)若cf(h,e)＞0，則p(h∣e)＞p(h)。說明證據e的出現增加了結論h為真的概率，即增加了h為真的可信度。cf(h,e)的值越大，增加h為真的可信度就越大。若cf(h,e)＝1，則可推出p(h∣e)＝1，即證據e的出現使h為真。

(2)若cf(h,e)＜0，則p(h∣e)＜p(h)。說明證據e的出現減少了結論h為真的概率，即增加了h為假的可信度。cf(h,e)的值越小，增加h為假的可信度就越大。若cf(h,e)＝-1，則可推出p(h∣e)＝0，即證據e的出現使h為假。

(3)若cf(h,e)＝0，則p(h∣e)＝p(h)，表示h與e獨立，即證據e的出現對h沒有影響。

當已知p(h∣e)和p(h)時，通過上述計算公式即可求出cf(h,e)。但是，在實際應用中，獲得p(h∣e)和p(h)的值是比較困難的，反而cf(h,e)的值可比較容易地通過領域專家直接給出，在這種情況下，cf(h,e)的值即反映了領域專家對不確定知識增加或減少信任的程度。

cf模型給出用可信度表示不確定性知識時進行推理的基本方法，為基于可信度的不確定推理奠定了基礎，在人工智能的發展史中占有重要地位。為了使可信度方法能夠求解更多的問題，人們在cf模型的基礎上又提出了一些更具一般性的處理方法，下面即對本課題所采用的帶有閾值限度及加權因子的不確定性推理進行介紹。

證據的不確定性表示

在介紹帶有閾值限度的不確定性推理之前，首先要闡明cf(e)作為證據的不確定性測度的含義。證據的不確定性測度仍然用可信度表示，即證據e的不確定性表示為cf(e)，其取值范圍為[0,1]，即：

0≤cf(e)≤1

cf(e)的值越大，表示其可信度越高。在本課題中，對于初始證據，其值由各化學參數的監測值通過模糊邏輯計算得出；對于以前面推理所得結論作為當前推理證據的情況，其值由推理計算得到。

帶有閾限的規則表示

在帶有閾值限度的不確定性推理中，產生式規則用下述形式表示：

ifethenh(cf(h,e),λ)

其中：

e為規則的前提條件，h為結論。e既可以是一個簡單證據，也可以是多個簡單證據的合取與析取。

cf(h,e)是規則的可信度，也稱為規則強度，它指出相應規則為真的可信程度，其取值范圍為(0,1]，即：

0＜cf(h,e)≤1

cf(h,e)的值越大，表示相應規則的可信度越高。

λ為規則的閥值，它是對相應知識的可應用性所規定的一個限度，只有規則的相應證據e的可信度cf(e)達到或超過這個限度，即cf(e)≥λ時，相應的規則才有可能被應用。λ的取值范圍為(0,1]，即：

0＜λ≤1

在cf模型中，若有兩條順序規則ife1thene2和ife2thene3的可信度為cf(e2,e1)和cf(e3,e2)，則證據e1的出現使結論e3成立的可信度cf(e3,e1)為：

cf(e3,e1)＝cf(e3,e2)·max[0,cf(e2,e1)]

故對于帶有閾限規則的結論h而言，其可信度cf(h)的計算方法為：

cf(h)＝cf(h,e)·cf(e)

因為在相應的規則可被啟用的情況下，無需考慮順序規則計算方法中要從0與cf(e)之中提取最大值的因素，此時結論h的可信度等于規則強度與證據可信度的乘積。

例如：有如下規則：

if蒸汽sio2含量高then汽包內部汽水分離系統存在缺陷，效率較低,(0.8,0.7)

同時在綜合數據庫4有癥狀：蒸汽sio2含量高，且其可信度cf(e)＝0.75。

則cf(e)＝0.75＞λ＝0.7，故結論的可信度cf(h)為：

cf(h)＝0.8×0.75＝0.6

加權的不確定推理

當某條規則的前件含有多個證據時，每個證據對結論的支持程度顯然是不相同的，或者說各個證據對結論具有不同的重要程度。為對含有不同重要性證據的不確定推理進行計算，可在規則中為每個證據引入加權因子，使不同的證據具有不同的“權值”。

加權的規則表示

在加權的不確定行推理中，規則用以下形式表示：

ife1(w1)∧e2(w2)∧e3(w3)∧…∧en(wn)thenh(cf(h,e),λ)

其中：

wi稱為證據ei的加權因子，權值的取值范圍一般規定為[0,1]，且應滿足歸一化條件，即：

0≤wi≤1；i＝1,2,3,…,n

如果證據ei對結論h成立的重要性較高，則應使ei具有較大的權值；如果證據ei具有較大的獨立性，而其它證據對它有依賴關系，則應使ei具有較大的權值。證據權值的確定應通過領域專家給出。

例如：設置如下一條關于磷酸鹽隱藏的加權規則：

三種基本不確定性測度的計算及沖突消解

證據組合的不確定計算

對于證據組合：

e＝e1(w1)∧e2(w2)∧e3(w3)∧…∧en(wn)

若n個證據的權值滿足歸一化條件，則n個證據的合取組合e的可信度cf(e)為：

例如：對于所舉示例，若綜合數據庫4中存在以下證據：

爐水磷酸根含量較低可信度cf(e1)＝1.0；

鍋爐處于升負荷階段可信度cf(e2)＝1.0；

可見，綜合數據庫4中所提供的證據比規則前件所要求的證據少一項，即“爐水ph值不斷升高”，若使用無加權的不確定推理，則此規則不可被啟用。但是，應用加權的不確定推理，只要綜合數據庫4中所提供證據的合取組合的可信度cf(e)≥λ，規則即可被啟用。

故規則可被啟用，并推出結論“爐管內發生磷酸鹽隱藏現象”，且此時結論的可信度cf(h)為：

cf(h)＝0.8×0.7＝0.56

由此例可以看出，對規則引入加權因子，可在某些重要程度相對較弱的證據未被提供的情況下，同樣對僅有的不完整證據進行推理，這是加權的不確定推理的一項重要優勢。

并行規則的不確定計算

設有多條加權規則(e1，e2，…，en)有相同的結論，即：

若n條規則都滿足：

cf(ei)≥λi,i＝1,2,3,…,n

且都被使用，則首先分別對每條規則求出結論可信度cfi(h)，即：

cfi(h)＝cf(h,ei)·cf(ei)

然后再利用加權求和法求出結論h的可信度cf(h)：

順序規則的不確定計算

若順序使用兩條規則：

r1:ife1thene2(cf(e2,e1),λ1)；

r2:ife2thenh(cf(h,e2),λ2)

若cf(e1)≥λ1，且規則r1被啟用，則e2的可信度cf(e2)為：

cf(e2)＝cf(e2,e1)·cf(e1)

若cf(e2)≥λ2，且規則r2被啟用，則h的可信度cf(h)為：

cf(h)＝cf(h,e2)·cf(e2)＝cf(h,e2)·cf(e2,e1)·cf(e1)

加權規則的沖突消解

若存在兩條加權規則：

r1:ife1thenh1(cf(h1,e1),λ1)；

r2:ife2thenh2(cf(h2,e2),λ2)

且與綜合數據庫4中的證據經過匹配后可得：

cf(e1)≥λ1；cf(e2)≥λ2

則這兩條規則均可被啟用。若同時此二者發生了沖突，則消解沖突的方法為:對發生沖突的規則的組合證據可信度值進行比較，選擇組合證據可信度大的規則優先執行。若結論之間仍然發生沖突，則根據所求得的cf(h)，優先選擇可信度高的結論。

關于水汽化學故障知識庫2的構建

首先獲取診斷相關知識，另外各相關參數的控制標準也已通過查閱專業文獻獲得。在實際構建知識庫之前，先對可信度推理的所有知識按照故障癥狀、診斷結論、建議措施、故障解釋、診斷規則信息(包括各診斷規則中各故障癥狀的權值、規則閾值、規則強度)進行分類集中；對于模糊推理知識，要單獨以參數等級劃分標準、規則、結論進行集中。

知識庫由access數據庫系統進行構建實現。模糊診斷部分包括模糊參數等級劃分標準表、模糊診斷規則表、模糊診斷結論表；可信度推理診斷部分包括診斷項目表、參數控制標準表、故障癥狀表、診斷結論表，以及各參數獨自的診斷規則表；此外數據庫內還有用于權限認證的用戶密碼表。各數據表都含有一主關鍵字段以唯一地標識每條不同的記錄，某些表還含有外部關鍵字段以與其他表建立關聯，表與表之間都直接或間接地建立了對應關系，從而所有表通過這種對應關系形成一個完整的知識數據庫。知識庫中各數據表的結構如下：

模糊參數等級劃分標準表

存放相關參數的模糊子集劃分標準。

表11模糊參數等級劃分標準表的結構

模糊診斷規則表

存放模糊診斷所需的模糊關系矩陣，因為本實施例是以凝汽器泄漏的診斷為例，故此表中存儲各參數的標準與凝汽器泄漏程度之間的模糊關系矩陣。

表12模糊診斷規則表的結構

模糊診斷結論表

存放模糊診斷結論、建議措施和故障解釋。

表13模糊診斷結論表的結構

診斷項目表

存放可信度診斷的所有項目。

表14診斷項目表的結構

參數控制標準表

存放所有診斷相關參數的控制標準值。

表15參數控制標準表的結構

故障癥狀表

存放所有化學參數故障診斷可能涉及的故障癥狀以及各故障癥狀所對應的代碼。

表16故障癥狀表的結構

診斷結論表

存放所有化學參數故障診斷可能涉及的診斷結論、結論代碼、建議措施和故障解釋。

表17診斷結論表的結構

診斷規則表

存放某項化學參數故障診斷的所有規則、規則對應的每個故障癥狀的權值、對應結論的結論代碼、規則的閾值和強度。

表18診斷規則表的結構

需要說明的是，在每個診斷項目的診斷規則表中，每一行表示一條規則，每個可能的故障癥狀(“故障癥狀1”至“故障癥狀n”)都對應一個字段，用于存放每條規則對應于該故障癥狀的權值，若在某條規則的前件中包含有該故障癥狀，則該字段存放相應權值，若不包含該字段，則顯然權值為0，該字段內容即為“0”。這種構建方法使程序在推理計算中能夠對該項目的所有規則一起進行矩陣計算，從而避免對每條規則進行逐一檢索，提高了診斷效率。

用戶密碼表

存放用戶名和密碼。

表19用戶密碼表的結構

在各表結構搭建完畢后，將所獲取的知識填充到對應的數據表，以確實形成知識數據庫。

在上述知識庫搭建完畢后，利用visualbasic編寫權限認證、條目查找、知識庫條目的添加、修改和刪除的程序，實現知識庫的全面管理功能。