腐蚀科学领域内专家系统的应用

摘 要：把现有腐蚀领域内专家系统分为基于规则的、基于案例的、基于神经网络的和基于网络的，并阐述了各个类型专家系统的优势和不足。然后从知识、推理策略和人机交互平台三个方面总结了现有腐蚀类专家系统的特点，从总体上指出其存在的不足。最后对未来腐蚀领域内专家系统的发展进行了展望，并分别对腐蚀类专家系统远期目标和近期目标进行了预期。

关 键 词：腐蚀；专家系统；分类；展望

中图分类号：TQ 050.9 文献标识码： A 文章编号： 1671-0460（2016）01-0060-03

Application of Expert Systems in Corrosion Science

BAI Hong-peng1，REN Shuai1，CHEN Xv1，WANG Hai-yan1，WANG Bo2

（1. College of Petroleum Engineering， Liaoning Shihua University， Liaoning Fushun 113001，China；

2. China Datang Group New Energy Limited by Share Ltd. Tugurige Power Plant， Inner Mongolia Bayan Nur 015000，China）

Abstract： The corrosion expert systems include rule-based， case-based， NNs-based and web-based types， then the advantages and disadvantages of each type of expert systems were described. The characteristics of the corrosion expert system were summarized from three aspects of knowledge， reasoning strategy and human-computer interaction platform； the shortcomings of the corrosion expert system were pointed out as well. Finally， the development trend of expert systems in corrosion science was prospected.

Key words： Corrosion； Expert system； Type； Prospect

人工智能的研究在近50多年取得了很大的发展，由于计算机技术的不断进步，使得人工智能的应用取得了多项标志性的进展[1]。专家系统作为人工智能重要的一部分，显示出了强大的生命力。1965年，斯坦福大学利用生产式系统结构设计出第一个专家系统DENDRAL，到20世纪80年代早期，专家系统在展现了其商业用途之后，在全世界得到迅速发展。到今天，专家系统已经在很多领域得到广泛应用。

腐蚀使用寿命预测，以及材料的耐腐蚀评价，这些都需要利用腐蚀领域内专家的专业知识解决。然而，腐蚀存在于很多行业，腐蚀专家则相对较少。专家系统的出现为解决这一难题提供了可能。专家系统在腐蚀科学领域的应用始于20世纪70年代中期，1985年，L. Lanclus等开发了ESCORT系统，该系统能够给出一般腐蚀控制措施及材料选择的建议[2]。国内腐蚀方面专家系统研究起步较晚，且大多数集中于腐蚀数据库的建立，很少涉及腐蚀专家系统的开发。

根据张煜东，吴乐南等在文献[3]中提出的专家系统分类原则，把现有腐蚀领域内专家系统分为基于规则的、基于案例的、基于神经网络的和基于Web的这4类。利用这种分类规则，本文对国内腐蚀方面专家系统的发展进行了综述，归纳了现有腐蚀专家系统的类型。通过对现有腐蚀专家系统的总结，预测未来腐蚀专家系统的发展方向。

1 专家系统简介

正专家系统（ES）的定义有很多种，在这里笔者引用文献[4]中的定义：使用人类专家推理的计算机模型来处理现实世界中需要专家作出解释的复杂问题，并得出与专家相同的结论。也就是说，专家系统是一种模拟专家决策能力的计算机系统。这样的计算机系统主要包括知识库和推理机。其中，知识库用于收集专家的知识，推理机则利用专家知识按照一定的推理机制解决现成的问题。专家系统工作简化流程如图1所示。

2 腐蚀科学领域内现有专家系统分类

现有的腐蚀类专家系统主要用于腐蚀失效诊断、腐蚀预测和腐蚀评价，根据其推理策略不同将其分为下面不同种类。

图1 专家系统简化流程图

Fig.1 The simplified flowchart of expert system

2.1 基于规则的专家系统

基于规则的专家系统是目前运用最多的类型，也是起步较早的专家系统推理方法。这类专家系统又分为两类，一类以IF…THEN…规则进行开发，另一类以马尔可夫算法、Rete算法等生成规则后进行设计。已有的腐蚀类专家系统有大量是基于IF…THEN…规则的，如最早的ESCORT系统，饶思贤[5]等开发的机械装备腐蚀失效模式诊断系统，叶皓[6]等开发的力作用下的腐蚀失效专家系统等等。这些系统的开发主要借助于专家提出的规则，但由于影响腐蚀的因素很多，因此需要拟定大量规则来实现这类专家系统的开发。另一类是基于算法生成规则的专家系统，如王海涛[7]等提出的腐蚀损伤评价专家系统，其用决策树算法来控制规则。这类基于算法生成规则的专家系统提供了很好的控制策略，可以指导规则的优先顺序，避免了由于规则太多，而导致系的统响应速度缓慢。

2.2 基于案例的专家系统

基于案例的专家系统主要运用案例推理（CBR）来实现。案例推理虽然是人工智能领域新崛起的一个分支，但是其发展速度很快，受到了很多学者和专家的青睐。案例推理利用案例库中存储的相似案例的解决方法来求解当前问题[8]。它尤其适用于没有精确数学模型，仅靠专家的经验解决问题的领域[9]，诸如腐蚀领域。一个典型的案例推理周期包括四个过程：检索、重用、修改和保留[10]，其流程图如图2所示。其中检索过程就是匹配相似案例的过程，因此检索过程的准确与否决定了整个系统性能的好坏，目前最常用的检索机制有最近邻法[11]、k-近邻法[12]、基于模糊逻辑法[13]等。宋光雄[14]等开发的腐蚀失效模式和原因识别诊断系统运用了案例推理技术。该系统给出三种计算案例库中的案例特征集合与输入案例失效特征集合的相似度计算公式，最后用一个综合公式计算出综合相似度。这种基于相似度的计算方法综合考虑了输入案例与案例库中案例三个不同方面的相似度，能准确反应相似度。案例推理的检索过程需要与案例库中案例逐一匹配，所以随着案例库的不断丰富，必然会导致信息冗余和检索时间增加等问题。

图2 案例推理流程图

Fig.2 The flowchart of case-based reasoning

2.3 基于神经网络的专家系统

神经网络是通过把许多相互高度连接的处理元素或神经元结合起来，并能够以模拟人类大脑的模型通过学习例子来处理问题[15]。将神经网络理论引入到专家系统的研究中，可以解决专家系统本身存在的一些问题。如利用神经网络系统的学习功能可以使专家系统具备自学能力，这样专家系统就可以在运行过程中不断自我完善。其结构如图3。

图3 基于神经网络专家系统结构图

Fig.3 The structure of NNs-based expert system

在腐蚀科学领域内，基于神经网络的专家系统应用颇多，起初相关研究人员利用神经网络理论分析了各种腐蚀，如李晓刚等[16]利用神经网络分析了环烷酸的腐蚀行为，武俊伟等[17]利用神经网络分析了CO2腐蚀，金鹰等[18]利用神经网络分析了氢腐蚀，等等。这些研究为后来建立基于神经网络的专家系统提供了理论支持。如李晓刚等[19]研制的石油化工腐蚀适应性评估专家系统，栾艳冰等[20]构建的碳钢和低合金钢大气腐蚀知识库，等等。上述专家系统均可以实现知识自动获取，并且均有一定的自学能力。但对知识和输出结果等要求数字化，这就导致需要文字知识解释的部分则不能实现。

2.4 基于网络的专家系统

专家系统的发展不仅是自身理论的完善，而且与其他学科的发展密不可分。随着计算机网络技术的发展，专家系统的开发不再局限于单机模式，而是将人机交互平台定位在Internet层次，为专业知识的传播和共享提供了新途径。

用户可以通过浏览器随时随地访问专家系统，这提高了专家系统在实际运用中的便捷性。其结构如图4所示。现有腐蚀科学领域内基于Web的专家系统有宋光雄[14]等开发的腐蚀失效模式和原因识别诊断系统，饶思贤[21]等开发的晶间腐蚀和氢致开裂的失效模式诊断系统，等等。上述两个专家系统均采用ASP进行人机交互界面的开发。网络技术与专家系统的融合，扩大了知识获取的范围，节省了专家和用户的时间，而且通过网络可以收集用户使用系统的反馈信息，从而设计出更好的系统。然而，网络技术也为专家系统带来一些挑战，如网络安全和网速限制[22]。

图4 基于网络的专家系统结构

Fig.4 The structure of web-based expert system

2.5 现有腐蚀科学领域专家系统总结

知识对于专家系统的开发十分重要，腐蚀知识可以分为两类，一类是数字类知识，一类是文字类知识。知识形式的不同导致运用的推理策略也不同：数字类的知识如影响石化设备腐蚀的工艺参数（温度、压力等）和腐蚀性物质参数（Cl―，H2S等物质含量），像这样数字类的知识多采用神经网络作为推理策略；文字类知识如失效案例和失效原因分析等，这些知识则采用规则推理和案例推理。所以，腐蚀领域内的专家系统需根据知识类型的不同选择合理的推理策略进行开发。然而，现有的推理策略对于腐蚀知识都有一定的局限性，不能很好适应腐蚀知识，这不仅是由于推理策略的缺乏，也与腐蚀知识本身有关系。基于网络的人机交互平台是目前最先进的交互平台，但现有基于网络的腐蚀类专家系统并没有把网络技术的巨大潜力发挥出来。

3 未来腐蚀科学领域内专家系统发展

因为腐蚀知识不会随着时间的推移发生重大改变，所以腐蚀类专家系统的发展就是专家系统自身理论的不断完善。专家系统就是用计算机模拟专家解决问题，因此首先需要研究专家是如何思考，如何解决问题，这些研究属于认知科学范畴。认知科学作为影响专家系统的一个重要理论基础，决定着未来专家系统的发展；研究新的适合腐蚀类专家系统的推理策略，可以弥补已有腐蚀类专家系统的不足；探寻更先进的人机接口。这些都是未来腐蚀领域内专家系统研究的方向，但是这些目标短期不可能实现，需要相关学者和专家的不懈努力。就目前的腐蚀类专家系统，笔者认为可以通过Internet联系系统相关专家，甚至可以预约专家进行视频会议。这不仅可以让用户更加理解系统，还可以让专家认识到系统的不足。

4 结 语

随着人工智能技术的不断发展和成熟，专家系统也必将发挥出更大的潜力。人工智能将会对人类活动的各个方面产生重大影响，专家系统作为人工智能重要的一部分，将会为更多的领域提供决策帮助，这其中就包括腐蚀科学领域。通过不断更新和完善腐蚀科学领域内的专家系统，使其不仅实现在理论上的突破，而且可以在工程应用中体现出重大价值。

参考文献：

[1] 贲可荣. 人工智能[M]. 清华大学出版社， 2006.

[2] 成二辉， 樊玉光， 周三平. 腐蚀与防护专家系统简介[J]. 腐蚀与防护， 2008， 29（3）.

[3] 张煜东， 吴乐南， 王水花. 专家系统发展综述[J]. 计算机工程与应用， 2010， 46（19）：43-47

[4] Liao S. Expert system methodologies and applications—a decade review from 1995 to 2004[J]. Expert Systems with Applications， 2005， 28（1）：93–103.

[5] 饶思贤， 王元， 万章， 等. 基于失效规则的机械装备腐蚀失效模式诊断[J].中国机械工程， 2011， 22（15）：1806-1809.

[6] 叶皓， 熊金平， 赵景茂， 等. 力作用下的腐蚀失效专家系统的设计与实现[J].腐蚀科学与防护技术， 2003， 15（6）：365-368.

[7] 王海涛， 关辉， 韩恩厚， 等. 腐蚀损伤评价专家系统的研制及开发[J].中国腐蚀与防护学报， 2004， 24（2）：105-107.

推荐访问:专家系统 腐蚀 域内 科学