定性仿真综述

定性仿真产生之后，在理论上出现了百家争鸣的局面，研究者们根据自己的见解提出了各自的建模和仿真理论。目前，基本可分为三个理论派别，即模糊仿真方法、基于归纳学习的方法和朴素物理学方法。

模糊数学方法可以解决模型信息与测量数据的不确定性，所以在定性理论中一般用来作为一种描述手段。最初，系统的定性值是采用区间模糊数的行为来描述的，英国的Qiang Shen进一步将其发展到用凸模糊数来描述定性值[4]，在数据表示上前进了一大步。此后，又有人在其基础上引入了概率论，来度量生成的多个行为的可信度。当前的模糊定性理论，在模糊数表示方面都存在一大弱点，那就是系统真实值与模糊量空间的映射问题，即如何确定描述系统的模糊量。

归纳推理法是定性仿真的一个新方向，它起源于通用系统理论，主要利用其中的通用系统问题求解（General System Problem Solve）技术。输入尽可能多的行为，通过归纳学习的方式，构造系统的定性模型，进行仿真研究。归纳推理法最突出的优势在于它完全不需要对象系统的结构信息，不需要预先提供任何模型。但是，这种方法需要采集大量的数据并处理和维护；而且，由于现实条件的限制，不能保证归纳的完备性。

朴素物理方法在理论和应用上发展得最为成熟，它兴起于一些人工智能专家对朴素物理系统的定性推理研究。根据建立系统定性模型的方法，又可分为很多派别，比较有影响的有：Seely Brown和John de Kleer提出的基于摿鲾的概念的理论，K. D. Forbus 的定性过程理论，B.J.Kuipers基于约束的用定性微分方程描述的定性仿真理论等。

2 定性仿真的应用

现在，定性仿真技术与物理、化工、生态、生物、社会等学科相互渗透、结合，在系统监测、故障诊断、系统行为分析、解释以及预测等方面发挥着越来越大的作用。 国外文献报导较多而且应用取得成效比较明显的应用领域主要有：工程和工业过程；电子电路分析和故障诊断；医药和医疗诊断；社会经济领域。 下面有选择地按照应用领域介绍其中比较典型的项目。

2.1 工程和工业过程

这里工程指传统的工程领域及一些工程设备，如蒸馏塔、高压锅炉、汽轮机等人造设备；工业过程指一些连续系统，如机械制造、发酵、化工过程和电站等 。这方面的应用项目比较多见。

ARTIST是欧洲的ESPRIT 计划中的一个项目[5]，项目领导者是苏格兰的Heriot-Watt大学的Leitch.R，完成于1993年7月。此项目建立了定性动态模型，应用于过程监测与故障诊断。Leitch等人建立了一个基于定性微分方程(QDE)和模糊量空间的定性仿真器： Fusim, 现已应用在输配电网络和化工厂蒸馏塔的过程监控、分析、诊断上。

ESPRIT计划中另一应用定性推理的重要项目是：TIGER工程-汽轮机的监测、诊断系统[6]。现已应用在 Exxon化工厂的大型工业汽轮机以及Dassault航空中心的宇宙飞船辅助动力单元。系统应用定性仿真来预测汽轮机启动及负载改变时的可能行为。

2.2 电子电路分析和故障诊断

定性仿真的一个很重要的应用领域便是电子电路分析和故障诊断。定性推理的先驱人物de Kleer早在1976年便开发了使用定性知识研究电子线路的系统 LOCAL，即根据电路部件已测知的正常行为和错误行为，分析实际行为和预测行为的不一致之处，然后指出电路的故障点。这种思想后来发展成了基于模型的故障诊断理论(model-based diagnosis therory)。时至今日，由于定性推理和仿真技术的不断进步，该应用领域的发展前景更为广阔。

这类项目中，最为典型的是Dague.P等人开发的模拟电路故障诊断工具-DEDALE[7]。Dague对该系统进行了一系列实验，声称：DEDALE系统能诊断出电路故障的75％，另外的25％故障没有构成对电路性能的显著影响，并且可以通过其他手段检测出。Electronique Serge Dassault 继续这个领域的研究工作，已推出一个名为“DIAGMASTER”的商业化产品。

人工智能中的专家系统，尤其是医疗专家系统，为人工智能的振兴起了推波助澜的作用。而定性仿真在医疗专家系统的应用方面也很活跃。

Bratko.I将定性推理应用在心电图的识别上[8]， 目的在于根据心电图辨识心律，判断病症。定性模型用来产生心脏工作状况，规则归纳系统用于产生诊断规则库。他给出了心电图诠释系统-KARDIO，澳大利亚的Telectronics公司已将此系统的部分成果应用于他们的心脏病诊治系统Intelligent Pacemaker中。

Kuipers和Kassier给出了QSIM理论的定性推理和模型简化方法[9]，并给出了在医学专家系统中的具体应用过程。该系统可以对肾脏的水份、盐份平衡过程进行仿真，作为肾炎综合诊治系统的辅助分析工具。

2.4社会经济领域

定性推理由于其处理不完全知识及模糊数据的突出能力，一直在社会科学、人文科学、商业流通等领域的研究上占有重要位置。

Daniels.HAM，Feelders.AJ给出了一个商业行为分析定性仿真模型[10]。作为例子，他们对某个公司的销售量、商品价格、资金状况进行建模，分析其商业行为的变化，如为什么广告量的减少会带来销售量的下降，什么原因导致公司资产减少，是否存在经营危机等。对于银行贷款之前的商业调查，该模型具有广阔的应用前景，荷兰的AMRO银行正在此基础上进行深入的研究工作。

美国的Farley.A，Lin.KB使用QSIM算法，研究市场预测的定性仿真模型，即当市场需求、供给、价格等诸因素变动时，预测可能引起的市场变化[11]。

3 定性仿真的发展方向

定性仿真目前仍然是新兴的研究领域，很多基础性的理论工作尚待完善和突破，因此该领域的发展前景十分广阔。对于定性仿真理论，概括来说，有以下几个发展方向：

（1）采用定量与定性结合的仿真方法

由于定性模型中包含系统的不完全知识，定性仿真会产生一些虚假和二义的多余行为，当实际系统很复杂时，定性仿真产生相当数量的多余行为，如何有效地减少定性仿真产生的行为数，成为当今定性推理研究的主题。很多研究者纷纷采用定量与定性结合的仿真方法。在定性仿真中加入相当的定量知识，将定量与定性有机地结合起来，将大大减少系统的预测行为数，增强定性仿真的生命力。

（2）采用模型分解方法

定性仿真走向应用时，往往涉及到规模较大的系统，即使省略某些细节，模型仍是非常复杂的。所以，定性理论中，必须有处理这种复杂性的手段。

模型分解方法将系统模型分为若干部分，称为部件(component)，系统的联系紧密的变量将集中在一个部件中，并为部件建立状态，系统的描述将以这种状态为单位，若需要不同部分的变量的事件对应性，可以通过不同部分之间的连接来产生。并且，仿真算法上也作了相应的变动，以局部的部件描述为基础的仿真取代了以全局状态为基础的定性仿真算法。大大提高了模型建立工作的效率和准确性，并降低了仿真的时间和空间运行代价。

（3）采用并行定性仿真方法

当前定性仿真在减少冗余或虚假行为的研究上取得了很大进展，但同时也带来了一些始料未及的副作用：定性与定量知识的结合，使知识的表示和推理机制复杂化，数据量明显增加；由于信息不完备，系统的搜索空间增大，使得定性仿真在一定的情况下比定量仿真的速度更慢；再者随着定性仿真逐渐走向应用，参数数量的增长使问题的规模成指数增长，仿真的速度也明显下降。并行定性仿真能较大幅度地提高定性仿真的效率，因此成为一个新兴的发展方向。

鉴于定性仿真技术的诸多优点及巨大的实用价值，许多学者纷纷投入到该领域的研究中，各国政府部门及研究机构在研究经费等方面大力扶助，我们有理由相信在不远的将来定性仿真研究会取得更大的进展。

de Kleer J,Brown J S.A Qualitative Physics Based On Confluence.Artif Intell ,1983,59:7-15.

Forbus K D.Qualitative Process Theory.Artilf Intell,1984,24:85-168.

Kuipers B J.Qualitative Simulation.Artilf Intel,1986,29:289-338.

Shen,Q.and Leitch,R.Fuzzy Qualitative Simulation.IEEE Trans. on Systems,Man,and Cybernetics 23(4),1993,

pp.1038-1061.

5 Leitch R,Freitag H,Struss P,Tornielle G.ARTIST: A Methodological Approach to Specifying Model

Based Diagnostic Systems.Intellegent Automation Laboratory,Heriot-Watt University,Edin-burgh & Advanced

Reasoning Methods. Siemens AG,Munich,Germany & Artificial Intelligence Section.

CISE S.p.a.,Segrat,Milano,Italy (Milan Applications Conference, October,1991).

Milne R.On-Line Diagnostic Expert System For Gas Turbines.Intelligent Applications Ltd,Scotland,4th

International Profitbal Condition Monitoring Conference Stratford-upon-Avon,UK,1992.

Dague Ph,Raiman O,Deves Ph.Trouble-shooting: When Modeling is the Trouble.IBM Scientific Center ,Paris ,

France & Electronique Serge Dassault,France,1987.

8 Bratko I,Mozetic I,Lavrac N.KARDIO:A Study in Deep and Qualitative Knowledge for Expert Systems.MIT

Press,1989.

9 Kuiper B J.Qualitative Reasoning--Modeling & Simulation with Incomplete Knowledge.MIT Press,1994.

10 Daniels HAM,Feelders AJ.Model-Based Diagnosis of Business Peformance.Tilburg University,Institute for

Language Technology and AI,Netherlands,1990.

11 Farley A,Lin KP.Qualitative Reasoning in Microeconomics: An Example.Computer Science Dept, University of

Oregon,USA.& Economics Department, Protland State University,Oregon,USA,1991.

THE SUMMARY OF THE QUALITATIVE SIMULATION

FANG Gang

(Hefei Worker University 230011)

Abstract In this article,we first introduce the objective of the qualitative simulation ,its different theory fields.Second, we give some cases of its application.At the end, we discuss the development of the qualitative simulation.

Key words qualitative simulation, qualitative model