基于定性模型和定量知识集成的智能故障诊断方法研究

首先从诊断对象的知识表示和处理诊断知识的能力两个方面对基于定性模型的故障诊断方法进行了分析,然后在此基础上提出了基于深浅知识集成的分层诊断策略,并基于符号有向图和模糊理论提出了一种定性模型和定量知识集成的智能故障诊断方法。仿真故障数据验证结果表明,该方法不仅具有较快的诊断速度,而且能有效地提高诊断的准确度。     

故障诊断专家系统推理机研究

要根据故障诊断领域知识的特点，设计了一种通用故障诊断专家系统推理机模型。阐述了该模型中采用的启发式代价树有界深度优先、反向推理策略及实现步骤。在汽车故障诊断专家系统中的应用结果表明效果良好，达到诊断要求。     

汽车发动机故障诊断专家系统

阐述了汽车发动机故障诊断专家系统的构造原理.总结了汽车发动机故障诊断专家的经验知识,依据不确定诊断推理原理,建立了诊断故障树,采用产生式规则,选取了深度优先的搜索策略,实现了汽车发动机的故障诊断.     

形象思维故障诊断方法

在系统分析人类专家诊断推理策略的基础上,提出了形象思维故障诊断新概念,建立了形象思维故障诊断模型,并分析了形象思维诊断方法。这将有助于为更加准确地运用人类专家的知识来描述故障特征,构造更加贴近人类专家思维方式的诊断专家系统打下基础。     

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.     

诊断专家系统中设计和诊断知识的结合

本文根据电子设备故障诊断中诊断人员所采用的诊断策略,对应用设计和诊断知识建造诊断专家系统的必要性和方法进行了初步的探讨,并以模拟电路为例讨论了系统实现中的有关问题.     

变精度粗集模型在故障诊断专家系统中的应用

将变精度粗集模型应用于故障诊断专家系统的知识获取和知识库的更新;利用变精度知识约简和正则条件熵进行故障特征选择,实现最简诊断知识的获取,以建立专家系统知识库;利用属性的相对依赖性实现知识库的维护与更新.滚动轴承故障诊断的实验结果表明,该方法有效地克服了传统规则式故障诊断专家系统的不足,实现了故障诊断功能.     

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.     

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。     

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.     

基于故障树分析法的FMS层次诊断模型

从基于知识的诊断角度出发，针对ＦＭＳ的结构特点和故障传播形式，提出了一种基于故障树分析法的ＦＭＳ层次诊断模型．详细介绍了模型的设计思想、模型的建立过程以及诊断推理控制策略     

汽车故障知识图谱构建及应用研究

知识图谱技术对汽车高效的故障诊断具有重要的意义,现有汽车故障知识图谱构建存在着实体识别模型效果不佳、无法解决嵌套实体等问题。针对上述问题,通过采用全词掩码的预训练语义模型、加入对抗训练和改进嵌套实体识别模型的方式提高实体识别模型效果,提出了一种改进的嵌套实体识别模型。实验结果表明,所提模型在F1指标、P指标、R指标上相比基线模型分别提高了3.56%、4.08%、3.05%,相比其他模型也有不同程度的提高,验证了所提模型对汽车维修领域实体识别具有显著效果。同时,基于构建的汽车故障知识图谱,实现了汽车故障知识智能问答原型系统,展示了知识图谱技术在汽车故障诊断与维护领域的应用前景。     

复杂装备故障诊断任务路径规划

针对复杂装备故障诊断任务路径规划问题进行研究,提出了一种基于图论的故障诊断任务建模方法。将装备的结构关系用邻接矩阵表示,并利用可达矩阵分析查找耦合任务集,使故障诊断任务模型得以简化;分析了故障诊断任务模型中有、无先验知识的任务路径规划2种情况,对经典的深度优先搜索算法和贪心搜索算法进行了改进,并将其应用于地空导弹武器装备分系统中进行任务路径规划,举例结果验证了方法的可行性和有效性,提高了故障诊断效率。     

一类混杂系统多重故障的半定性诊断方法

为解决混杂系统中多重故障诊断等分支研究相对薄弱的问题,以一个三容水箱系统为背景,提出了一类混杂系统多重故障的半定性故障诊断方法.该方法使用混杂自动机对系统进行建模,利用混杂串级神经网络跟踪子系统的状态变化,并考虑了故障改变模式顺序的问题.对元件的多重故障进行了仿真研究,结果表明,该方法能够很好地对系统中的多重故障进行诊断,为混杂系统的多重故障诊断提供了新的实用途径,模糊理论在基于半定性方法的多重故障诊断中具有广阔的应用前景.     

基于故障树分析法的挖掘机故障诊断知识库设计

在建立挖掘机故障诊断模型并分析故障诊断流程的基础上,阐述了故障诊断知识库设计中数据库技术的应用、知识的表示、知识库的结构与组织等关键技术,以挖掘机液压系统故障诊断为实例介绍了故障诊断知识库设计的方法与步骤。     

基于本体的汽轮机多源异构知识建模与融合

针对目前汽轮发电机组设备维修与故障诊断的知识分散在不同电厂内,普遍存在多源异构、共享困难以及形成信息孤岛等问题,结合全局本体与局部本体建模的方法,分析了汽轮发电机组的结构特性,借助Protégé_4.3建立了汽轮发电机组的全局本体模型与局部本体模型,设计了全局本体与局部本体的映射关系算法,实现了汽轮发电机组多源异构的知识融合与多源知识的检索.采用SQI机械故障模拟实验台对汽轮发电机组产生的故障进行模拟.通过模拟转子质量偏心和转子不平衡,结果表明两者有98%的相似度,即两个不同概念的故障有相同的故障源,说明基于本体的汽轮发电机组多源异构知识模型与融合方法是有效、可行的.     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

Fuzzy fault diagnosis system of MCFC

A kind of fault diagnosis system of molten carbonate fuel cell (MCFC) stack is proposed in this paper. It is composed of a fuzzy neural network (FNN) and a fault diagnosis element. FNN is able to deal with the information of the expert knowledge and the experiment data efficiently. It also has the ability to approximate any smooth system. FNN is used to identify the fault diagnosis model of MCFC stack. The fuzzy fault decision element can diagnose the state of the MCFC generating system, normal or fault, and can decide the type of the fault based on the outputs of FNN model and the MCFC system. Some simulation experiment results are demonstrated in this paper.