复杂系统基于混合知识模型的智能故障诊断技术

系统阐述了复杂系统故障诊断知识的概念、类别和相互关系,研究发展了定性和定量、浅层和深层、模糊和动态等多种诊断知识的获取方式和集成组织模型,建立了因果、结构和模型等不同层次和类别诊断知识的面向对象表示方法,提出了综合多层次和多类别诊断知识的智能故障诊断理论和策略.该策略能有效提高故障诊断的准确性以及诊断推理的效率.     

知识获取的多层证据网络模型

本文从诊断问题求解知识的一种组织形式——证据网络出发,讨论了将领域知识转换成证据网络的各种策略,并由此提出了知识获取的多层证据网络模型。根据该模型我们开发了交互式知识获取系统KAS-CEI,并将该系统用于汽车发动机故障诊断专家系统(AEFDES)知识库的建造。     

不确定因果理论的基于模型诊断

给出当待诊断系统的模型为不确定因果理论时 ,基于模型诊断和模型中心诊断等概念 ,论证基于模型中心诊断与 U -S本原蕴涵 /蕴涵式的直接关系 ,并且根据知识不确定程度对候选诊断进行排序 .指出对经典因果理论基于一致性中心诊断和中心溯因诊断的刻划仅仅是文中刻划的对应诊断的两个特殊情形     

基于贝叶斯网络的农村电力网故障诊断研究

鉴于贝叶斯网络灵活的因果推理和诊断推理,运用贝叶斯网络方法研究了因保护装置和断路器误动或拒动、通信装置的故障等原因造成的不完备警报信号模式下的农村电网故障诊断新方法.该方法应用Noisy-Or、NoiSy-And节点模型和类似BP神经网络的误差反向传播算法建立了输电线路故障诊断模型,并应用公式推理得出每个元件的故障信任度,根据故障信任度确定元件有无故障.     

基于贝叶斯网络的列控车载设备故障诊断

针对目前高速铁路列控车载设备故障诊断过度依赖于专家经验且诊断正确率不高等问题,提出了以专家知识为基础,以贝叶斯网络为核心的故障诊断方法.首先,以CTCS3-300T型列车运行控制系统的车载设备为研究对象,建立基于专家知识的贝叶斯网络.其次,根据故障记录数据集使用K2算法进行结构学习并对学习后的贝叶斯网络结构做适当简约处理.利用极大似然估计算法进行参数学习,得到故障诊断的最优贝叶斯网络.最后,通过诊断推理,得到该故障诊断模型的诊断正确率为88.20％,验证了该贝叶斯网络模型的可行性和有效性.     

基于广义归纳逻辑因果模型的知识发现与算法实现

以语言场、广义细胞自动机和广义归纳逻辑因果模型为理论依据，分析了广义因果联系类知识的发现机理，给出了因果联系类知识发现的实现算法。该算法为解决具有随机不确定和模糊不确定性特征的因果联系类知识的发现提供了行之有效的方法。通过算法的运行实例，验证和说明了算法的正确性和有效性。     

一种基于最大最小独立性的因果发现算法

线性非高斯无环模型(LiNGAM)具有在没有任何先验知识的情况下能够仅仅从观察数据中完整地识别因果网络的优势,这使得它得到了越来越多研究者的关注.然而,现有求解LiNGAM模型的算法中一部分存在对初始值敏感,容易陷入局部最优解的问题,一部分存在对于外生变量识别率低的缺陷.为此,提出了一种基于最大最小独立性的因果发现算法.通过引入自适应的独立性判定参数,根据此参数来找出与其余所有变量回归得到的残差都独立的变量,即为外生变量.该算法不仅避免了传统算法对独立性值差异敏感而导致识别率低的问题,而且也避免了不同数据集对固定独立性参数敏感而导致无法识别的缺陷.将该算法应用于虚拟网络和真实网络中,实验结果都表明,各种维度下该算法都优于现有的其他算法.     

一种动态网络分析的新方法

提出了网络复频域分析的双边Laplace变换法,在证明恒值激励源的双边Laplace变换象函数的基础上,给出了动态元件的双边s域模型,阐明了网络换路前后拓扑结构不变的处理方法及响应求解过程.实例表明该方法不必求解动态网络的初始状态亦可直接得到网络在全时域范围响应的特点.文中方法从网络建模角度对非因果系统转换为因果系统提供了一种新思路.     

多值动态不确定因果图的推理算法研究

利用领域知识求解多值动态不确定因果图的联合概率分布所涉及的领域因果图的概率分布表达式构造难度大，针对这一问题，从2类因果循环图出发，提出一种基于图分解的推理算法。该算法极大地简化了全局概率分布表达式的构造过程，有效地降低了领域因果图概率分布表达式构造的难度。提高了多值动态不确定因果图的推理效率。     

基于规则的专家系统诊断问题求解的一种模型

本文试图通过引进外推推理来克服基于规则的专家系统的不足,并为演绎推理和外推推理寻求一种一致的解释和理论基础.在讨论了规则的因果模型解释后,本文提出了诊断问题求解的最佳蕴含模型和基于该模型的循环生成-测试的推理方法.     

基于多色集合的贝叶斯诊断网络构造方法研究

为了解决贝叶斯诊断网络知识表达不一致的问题，构建了故障模式和物理组件之间的映射框架，并提出了一种基于结构分解的层级式多重故障结构模型．引入多色集合理论，对这种结构模型的底层框架进行形式化描述，使得模型便于计算机表达和操作．通过对多色集合的推理矩阵进行迭代搜索实现贝叶斯诊断网络（BDN）自动生成，并给出了具体的推理步骤．以汽轮机设备为例对提出的方法进行了有效性验证，结果表明该方法有助于BDN知识表达的规范化和构造过程自动化程度的提高．     

层次分类诊断模型

基于分类问题的普遍性,针对复杂系统的诊断问题,提出一种层次分类诊断模型,并解决了其中的关键技术问题.论述了如何建立诊断问题的分类层次和证据模式;提出了诊断知识的组织模型与表达方法;并给出了完整的推理控制算法.以这一模型为基础,建立了一个汽轮发电机组故障诊断专家系统.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

污水处理工艺系统的故障诊断专家系统

针对污水处理工艺过程所建造的故障诊断专家系统 ,讨论了对于单品种大批量连续生产类型工艺过程在故障诊断专家系统中的知识表达以及对于根据历史在线数据进行推理的诊断方法。     

电液伺服阀故障诊断专家系统的研究

针对最常见的双喷嘴档板式滑阀力反馈电液伺服阀，结合上海宝山钢铁公司生产线上使用的该类型伺服阀进行了实验研究，利用模糊神经网络与符号推理集成技术，建立了电液伺服阀故障诊断专家系统，实验证明，该专家系统对电液伺服阀常见的故障的诊断准确率达９０％以上。     

基于do算子的船舶风险干预及推理方法

针对船舶风险侧重于计算发生概率,其管控和干预效果难以评估及推理难题,提出了基于do算子的船舶风险干预及推理方法。首先利用先验知识建立因果关系网络;其次引入Leaky Noisy-Or假设和隐变量节点,建立基于结构性孪生因果网络模型;最后根据do算子干预进行反事实推理,利用引起故障的充分因和必要因来确定干预措施的有效性。实例分析表明,该方法可以有效衡量风险管控措施的有效性,判断干预的行为对危险源排序的影响,具有一定的稳定性和优越性。     

基于决策技术和粗糙集理论的诊断知识库构建研究

针对目前诊断推理中知识库构建存在知识获取困难,提出了一种基于粗糙集和决策理论的诊断知识库构建模型.该模型引入决策技术和粗糙集理论,对源数据进行预处理,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例证明在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征知识,并能有效地解决诊断知识库构建中规则获取的知识冗余或缺失问题,显著提高故障诊断的精度和效率.     

基于物理过程描述的诊断推理

本文提出了一种基于对复杂系统中各种相关过程描述的诊断知识模型.该模型具有如下几个方面的特点:a.它是一种基于复杂系统中各种相关的物理过程描述的较深程度的知识模型;b.它是基于约束传播原理,采用定性推理和定量计算两种方式,实现对各子系统的正常与异常行为的描述;c.它本身包含了复杂系统中多种因果关系知识.文中以发动机化油器为具体诊断对象,讨论了该模型的实现与应用中的有关问题.