产生式系统的问题求解本质是一个使动态事实库转移到满足推理中止条件的过程。通常一条产生式规则的前提部分可以是能和事实库进行匹配的任何模式，若一条规则的前提部分被匹配，则该规则被称为可用的，否则为不可用的。一条规则的使用结果是产生一个结论或一个行动，并把这个事实或行动加进动态事实库中，从而使动态事实库发生转移。推进可分为正向和逆向，本系统采用正向推理，来控制知识推理的运行，还使用模糊集合论、可能性理论进行联合推理。

　　首先对数据进行检测，初步分离到三个子系统中，自动地解析出数据所包含的意义及其事件发生的可能性程度，再根据数据解析出来的意义，自动启动推理规则，查明原因，找出故障源。因数据是连续的，一个检测点不正常，并不能马上判断出是否将有故障发生，还要查看前几个周期的数据，看是否有异常，得出生产运行的趋势，然后提供决策。为使操作员容易从抽象的数据中得出某些有意义的结论，我们对历史数据进行保留，并提供图象形式，使其尽快做出反应，采取必要的措施，把故障在线地排除掉，以保证生产的正常运行。把上面的推理过程可概括如下：

　　（1）取出规则的前提条件中的模糊概念与事实匹配。（2）激活匹配的规则，计算相应的匹配度。（3）若有多条规则被激活，冲突消解策略为最大匹配原则。（4）计算结论的可信度。基于对数据的实时处理要求，系统应具有一定的智能，即自学能力，在系统运行了一段时间后，根据对以往数据的推理结果，直接对现行数据做出正确与否的判断，并对故障数据给出决策方案。对有故障前兆的数据才做进一步的推理，给出一个控制方案，使其能以最优状态运行。

(完)