Pozyskiwanie wiedzy dla potrzeb diagnozowania okrętowego silnika spalinowego

W artykule przedstawiono koncepcję systemu diagnostycznego okrętowego silnika tłokowego opartą na modelu systemu ekspertowego. Zrealizowano pozyskiwanie wiedzy diagnostycznej, opracowano bazę wiedzy oraz zaproponowano ogólną strukturę systemu. Wiedza dla ekspertowego systemu diagnozowania silnika okrętowego została pozyskana od ekspertów (specjalistów w dziedzinie eksploatacji) oraz z diagnostycznych baz danych. Do pozyskiwania wiedzy od ekspertów zastosowano wywiad kwestionariuszowy. Grupę ekspertów stanowili doświadczeni oficerowie mechanicy floty handlowej. Podjęto próbę pozyskania podstawowej wiedzy z dziedziny eksploatacji silników obejmującą relacje diagnostyczne, umożliwiające ocenę stanu technicznego. Pozyskiwanie wiedzy z baz danych przeprowadzono z wykorzystaniem indukcyjnych metod uczenia maszynowego. Dane uczące dla algorytmów indukcji zostały zgromadzone w wyniku realizacji eksperymentu czynnego na silniku Sulzer 3Al 25/30. Porównano wyniki klasyfikacji stanów silnika uzyskane za pomocą algorytmów LEM2 oraz MODLEM. Oceny jakości działania poszczególnych klasyfikatorów dokonano techniką 10-fold cross validation. Badane algorytmy automatycznej indukcji, mogą być wykorzystywane do pozyskiwania wiedzy z baz danych, dla potrzeb diagnostycznego systemu ekspertowego.In the paper conception of marine diesel engine diagnostic system based on expert system model was presented. The first stage of research relevant to knowledge acquisition for this system was done, knowledge data set was built and general structures of the expert system was proposed. Basic sources of knowledge, which can be used for construction of knowledge data set, are also identified. The basic knowledge related to the diesel diagnostic was undertaken from experts and diagnostic data base. The paper questionnaire was used to the knowledge acquisition from experts. The basic knowledge related to the marine diesel exploitation was undertaken. Those expert knowledge covers the weakness point of engine, the kind of faults and diagnostic relation between faults and their symptoms. The group of experts was contained the experienced merchant navy officers. The rule induction algorithms were used to knowledge acquisition from database. During the experiment efficiency of LEM induction algorithms was compared to new MODLEM algorithms. Training and test data were acquired from experiment on marine engine Sulzer 3AL 25/30. 10-fold cross validation method was used to estimation classification efficiency for different rule induction algorithms. Tested automatic induction algorithms can be used for knowledge acquisition from diagnostic data base for marine diesel engine diagnostic system