基于本体的汽轮发电机组故障诊断知识建模

针对目前汽轮发电机组故障诊断领域知识术语复杂、系统异构、知识表示不完备以及共享和重复使用困难等问题,依据故障诊断需求,采用基于本体的知识表示方法,提出了一种适用于汽轮发电机组故障诊断领域的本体构建方法和知识表示模型.在解析了汽轮发电机组故障知识特性的前提下,定义了其本体概念、属性、关系、实例和公理,为知识表示提供了明确的形式化规格说明,并借助Protégé_4.3构建了包含汽轮发电机组的故障类型、故障特征、故障原因和维修策略等故障诊断领域本体,设计了一致性检验的算法.在此基础上,在SQI机械故障综合模拟实验台上模拟汽轮发电机组故障,通过FaCT++推理机实现本体知识推理测试.结果表明基于本体的汽轮发电机组故障诊断知识模型是可行的.     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。     

基于本体的复杂产品协同设计知识库建设及验证

采用本体化知识库开发方法与技术,构建了高速旋转机械转子轴承系统协同设计知识库,并对其功能进行了验证.利用Protégé本体开发平台,对高速旋转机械转子轴承系统多学科设计知识进行了本体论建模,并开发了采用OWL语言描述的设计知识本体库.采用Jena技术框架,通过本体库与知识库的映射,完成了该类复杂产品协同设计知识库的建设.以两跨转子轴承试验台的设计作为工程应用案例,通过实现设计知识共享、重用和异构系统的互操作,对知识库原型系统的摩擦学设计模块、仿真及试验数据协同分析模块的功能进行了验证,验证结果表明,基于本体理论构建的知识库可有效服务于复杂产品的协同设计.     

面向高校多源异构数据环境的元数据集成方法

高校信息化建设已由各类应用开发为主的数字化校园阶段发展到以系统整合为主的智慧校园阶段,当前工作难点在于多源异构数据集成的存储成本、传输成本均较高,且对网络带宽有很高的要求.考虑使用本体和元数据所蕴含的丰富语义信息可以极大降低数据集成成本,提出了一种面向高校多源异构数据环境的元数据集成方法.该方法首先构建局部本体,在局部本体基础上生成高校领域本体,同时抽取局部元数据;然后在高校领域本体的指导下对局部元数据进行集成,得到全局元数据;最后,在高校实际环境中进行了实例分析.分析结果表明所提方法切实可行,用元数据集成替代数据集成能够避免大量数据的存储和传输,有效降低数据集成的成本.     

关键基础设施网络关联脆弱性评估的本体配置

面向城市关键基础设施网络(CIN)关联脆弱性评估中的多源知识融合,提出一类知识本体配置方法,包括本体建模与本体匹配两个串行联动的部分.首先,结合历史案例与文献,溯源CIN关联脆弱性评估涉及的情景、关联、评估三方面知识要素,建立了CIN关联脆弱性评估的知识本体模型.然后,为实现多源本体智能化配对,建立基于本体检索与本体匹配评估的本体匹配算法,支持相关知识的动态有效融合.最后,通过一个用例验证本体配置方法的合理性.用例结果表明:本体配置方法能够集成CIN关联脆弱性评估的各类知识,避免多组织协同过程中的知识语义和结构冲突.     

智能交通系统本体数据集成

针对国内交通运输行业普遍存在的多源异构交通数据难以充分共享的问题,提出一种基于本体的智能交通系统ITS数据集成框架.该框架以Protégé工具开发的OWL本体作为ITS共享数据语义的标准化定义,使用D2RQ引擎实现了遗留交通数据向本体形式数据片段的映射功能,通过JENA本体中间件将多源本体数据片段集成为一个统一的数据语义视图,从而实现面向主题的ITS信息数据服务组件的数据共享与互操作.为验证框架的正确性和可行性,以国内区域高速公路网交通地理信息数据集成为例,从共享本体开发、本体数据映射文件设计和本体中间件开发等方面完成了ITS数据集成系统的实现.系统示范应用表明,该成果可用于ITS系统对多源异构交通数据的一致理解和充分共享,在我国交通运输行业的信息化建设中具有应用价值.     

基于Wup的语义相似度计算的全局本体语义

异构数据集成领域大量应用了本体研究方法来解决数据语义异构问题,其中有不少的语义相似度计算方法.因此,在WordNet环境下的语义相似度计算方法上,提出了Wup语义相似度计算模型框架用以解决两个局部本体之间的语义问题,并提出了构建全局本体的语义分析方法.     

基于Wup的语义相似度计算的全局本体语义

异构数据集成领域大量应用了本体研究方法来解决数据语义异构问题,其中有不少的语义相似度计算方法.因此,在WordNet环境下的语义相似度计算方法上,提出了Wup语义相似度计算模型框架用以解决两个局部本体之间的语义问题,并提出了构建全局本体的语义分析方法.     

基于本体的故障诊断知识管理系统研究

针对目前企业内存在的故障诊断信息分散,不易共享和重用的问题,提出基于本体的故障诊断知识管理系统模型.根据故障诊断所涉及的源知识特点,建立了结构域、测试域和故障域3个异构领域本体模型,并根据各本体之间的连接关系给出了故障树生成算法,实现知识之间的共享和重用.以4L-20/8型两级空气压缩机为研究对象,开发了基于本体的故障...     

基于本体的关系型数据库集成与应用

本体越来越多地被用于异构信息的集成。本体整合大体上有三个不同的方向:单本体方法、多本体方法和混合本体方法。提出一个基于混合本体的信息集成框架,此框架能够支持两种查询:基于全局本体的查询和基于局部数据源的查询,且详细地论述了两种类型查询的实现原理和过程。此外,将此框架应用于分布式的数字博物馆中,证明了方法的有效性。     

基于多数据源的知识图谱构建方法研究

针对多数据源的融合应用,构建了基于多数据源的知识图谱.首先,对不同领域内的数据源构建相应本体库,并将不同本体库通过数据融合映射到全局本体库;然后,利用实体对齐和实体链接方法进行知识获取和融合;最后,搭建知识图谱应用平台,提供查询和统计等操作.在实体对齐方面,利用传统的基于相似性传播实体对齐方法,获得良好的实体对齐效果;在实体链接方面,提出了基于约束嵌入转换的预测推理方法,实验结果表明,在预测准确率上取得较好的结果.     

基于本体的通信设备维修案例知识表示与管理

针对通信设备故障维修领域知识表示规范性差、结构性不强、案例利用率低等问题,结合设备维修案例知识多样、异构、经验性强等特点,提出了一种基于本体的三层设备故障维修案例知识管理框架。构建了由领域本体、案例表示本体、特征属性、故障逻辑和真实案例五要素组成的通信设备维修案例本体,并基于关系数据库设计了相应的OWL(ontology web language)本体存储模型及转换算法,实现了维修案例的结构化表示和精细化管理,提高了案例检索的准确率。最后以通信电源交流接触器故障案例验证了所提方法的可行性和有效性。     

基于联邦学习的多源异构网络无数据融合方法

在联合作战体系中,数据作为基础性战略资源发挥着重要的底层支撑作用,数据妥善管理和高效利用是推动作战能力整体跃迁和作战样式深度变革的重要动力。为实现不同作战系统间信息的互联互通,提出 一种基于联邦学习的多源异构网络无数据融合方法。从多源数据融合面临的安全性和异构性问题出发,利用条件生成对抗网络提取本地知识和全局分布,集成数据信息;结合局部教师模型-全局模型架构,以无数据知识蒸馏的方式对局部模型知识进行迁移,融合异构网络,细化全局模型,实现不同系统间安全、高质量的信息交互,为智能化指挥信息系统建设提供技术支撑。实验结果表明:该方法在结构化数据和图像数据上具有可行性,整体准确率可达到80%以上。     

基于局部特征尺度分解的汽轮机故障诊断研究

为了提高汽轮机故障诊断的精确性,文章运用转子振动实验台来模拟汽轮机转子的振动信号,对运行中的三种故障振动信号进行采集,然后运用局部特征尺度分解方法对汽轮机振动信号时间序列进行特征提取,组成特征向量。利用极限学习机作为故障诊断分类器,结果表明,局部特征尺度分解特征提取和极限学习机的诊断模型能够准确地对汽轮机故障进行诊断,具有很高的实际应用意义。     

基于BP神经网络的水轮机调速系统故障诊断

调速系统在发电机及电力系统中有着举足轻重的地位,能迅速地找出调速系统故障并及时地排除故障,对电力系统的安全运行具有重大意义。文中通过对葛洲坝水力发电厂二江电厂调速系统大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了水轮发电机调速系统智能诊断模型。该网络采用了三层结构、17个输入量、13个输出量的故障诊断系统,较完善地反映了调速系统的故障类型.累故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

基于多源信息融合和ADCNN的离心鼓风机故障诊断

针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。     

基于ARMA的汽轮机转子振动故障序列的预测

汽轮机转子振动系统是一个确定性复杂系统,振动序列由多种频率成分的分量复合而成,建立尽可能完整与精确的系统振动数学模型是提取故障征兆信息及故障预测的保证．文中根据Bently实验台所采集的碰摩、松动、不对中和不平衡四种典型汽轮机转子振动故障水平方向与垂直方向的数据,剔除趋势项及周期项,所余的随机平稳噪声项经平稳性检验后,建立了汽轮机转子振动故障序列自回归滑移平均(ARMA)模型．计算结果表明,所建立的8个汽轮机转子振动故障ARMA模型一个半周期的预测值的平均误差μ均小于0．55μm,确定性因子r^2均大于0．9915,具有较高的预测精度,为进一步提取故障征兆信息及故障发展趋势预测提供了条件．     

汽轮发电机组轴系动力特性综合分析

分析了汽轮发电机组在基础干扰、碰摩、油膜涡动、松动、转子不对中，气流激振等故障发生时系统的动力学特性，给出了力学模型，对汽轮发电机组轴系故障诊断，具有一定的参考价值。     

基于云模型和SWRL预测兵器试验故障的研究

将云模型理论和SWRL应用于预测兵器试验故障的研究,用MATLAB实现了正向云和逆向云发生器,用protege建立了兵器试验故障本体并确立了SWRL规则。举例将云模型预测的数据输入兵器试验故障本体用SWRL规则进行了推理,以保证预测结果的正确性与一致性。