[发明专利]一种面向冶金矿山领域的案例推理系统构造方法

说明书

技术领域

本发明涉及自动控制技术领域，特别是指一种面向冶金矿山领域的案例推理系统构造方法。

背景技术

矿山企业生产由于其考虑因素众多，且因素间存在复杂的耦合关系，其动态调度问题尤其困难。矿山生产工艺复杂、生产设备多、物流纵横交错。不仅要考虑矿石到达的时间偏差，设备故障，而且需要考虑矿石的性质如何，浮选药剂调整等动态扰动事件。所以，动态调度是矿山企业智慧化的关键环节。

解决动态调度问题需要丰富的经验知识，建立专家库、规则库或案例库不但可以减轻工作量，同时可以避免因技术人员知识水平低或经验不足而使浮精品位大幅波动，甚至出现质量问题。基于案例的推理技术提供了一种在缺乏系统模型但却有丰富经验的场合下对问题进行求解的方法。同时，案例推理技术随着保存的案例增多，案例库日益完善，推理的有效性和精确性会日益提升。

专家系统(Expert System，ES)是人工智能(Artifcial Intelligence，AI)领域中最成功的研究领域之一。专家系统一般是基于显示表达的知识模型来求解问题的，不论是浅层知识还是深层知识，都得抽取和实现一个显示表达的领域知识模型。开发一个专家系统通常采用的技术是基于规则的推理，规则推理系统的建立通过从可获取的数据中提取通用性的规则，并将其运用到当前问题的情形中，仅是对人类抽象思维的简单模拟。在那些拥有丰富知识的领域，基于规则推理(Rule-Based Reasoning，RBR)的系统已经成为一门相对成熟的技术。然而，在RBR系统的开发过程中人们遇到了以下这些问题：

RBR系统存在知识获取瓶颈(knowledge elicitation bottleneck)问题；

RBR系统的实现是个困难的过程，需要特殊的技巧并且通常要消耗大量的人力和数年的时间；RBR系统通常运行较慢；

RBR系统在大规模的信息处理上显得脆弱；

RBR系统的维护困难。

为了克服RBR系统的弱点，受人类认知过程的启示，人们在处理问题时如果有经验而无理论同样能解决问题，于是专家们提出来一种新的求解问题的推理方法---基于案例的推理(Case-Based Reasoning，CBR)。

CBR简称案例推理，也称事例推理、援例推理和范例推理，作为人工智能由表层的机器模仿向深层的机器思维发展中的一种形式已得到认知科学和人工智能研究者越来越多的重视。CBR采用了极为不同的方法，运用特定的案例数据作为当前问题解的参照。专家在决策中用到了大量的形象思维。问题的解决，不是单纯的依靠规则能够解决的，还需要专家的经验。与传统的基于模型的方法相比，CBR不需要显示表达的领域模型，适于解决不良结构问题。CBR通过调整以往相关问题的成功解答来解决新问题。

目前各类具体领域的研究都将自身专业知识置于案例推理技术的框架下并综合数学、统计学等知识，形成解决该领域内存在问题的应对机制。尽管有认知科学和人工智能等一些相关理论的支持，但至今CBR技术仍没有形成一套严密体系，对其工作过程中各个步骤采用什么方法，没有一个统一的成熟技术和理论指导。只能是在众多理论研究中进行试验选择，以达到针对本领域研究问题的最佳方法。

发明内容

本发明要解决的技术问题是提供一种面向冶金矿山领域的案例推理系统构造方法，以解决现有技术所存在的没有提供面向冶金矿山领域的案例推理方法的问题。

为解决上述技术问题，本发明实施例提供一种面向冶金矿山领域的案例推理系统构造方法，包括：

生成案例库，其中，案例库中的每个案例是对应用领域内一个问题的结构化描述；每个案例包括：问题的描述特征和问题的解；

获取监测数据，若所述监测数据中某特征值的变化范围超出预设的范围阈值，则根据案例的结构将所述监测数据转化为新问题；

计算所述新问题与所述案例库中每个案例之间的相似度，若所述案例库没有与所述新问题完全匹配的案例，则从所述案例库中选取相似度超过第一预设阈值的案例作为案例重用的备选案例；

根据得到的案例重用的备选案例，计算所述新问题的解；

按照预设的评价标准对计算得到的所述新问题的解进行评价；

若计算得到的所述新问题的解满足评价标准，则将所述新问题和所述新问题的解组成一个新案例，判断所述新案例与所述案例库中案例的最高相似度是否大于第二预设阈值，若大于第二预设阈值，则将所述新案例存储到所述案例库中。

进一步地，所述生成案例库包括：