一个智能集成的故障诊断系统

针对故障智能诊断中单一专家系统方法和单一神经网络方法中存在的不足 ,本文开发了一个集专家系统、神经网络以及人的“心智”为一体的较为通用的故障诊断系统 ,并将其成功地应用于一个“智能集成的可控硅整流稳压电源故障诊断系突”中 .     

基于仿真的防空导弹综合故障诊断专家系统设计

研究了某新型地空导弹的故障智能诊断问题,针对故障诊断知识获取的"瓶颈",提出了一种利用计算机仿真技术与人工智能技术相结合的方案,来组建针对某型导弹故障智能诊断专家系统,利用武器系统的功能模型,通过设置系统可能出现的故障,进行故障仿真,并获取故障数据信息。然后对数据进行分析变换,提取故障诊断所需知识。系统中采用了多种推理方法结合的集成推理策略,可以有效提高故障诊断的可靠性。系统在模拟诊断实验中,诊断结果成功率达百分之百。系统为新型武器装备的故障智能诊断研究,提出了一个新的发展方向。     

基于多智能体和神经网络的网络故障诊断及二维可视化

提出一种基于多智能体和神经网络的网络故障可视化诊断系统。每个被诊断的网络具有一个网络故障征兆收集智能体，负责收集并且预处理该网络的故障征兆信息，该信息被传送到位于诊断中心的网络故障诊断智能体，用作诊断及可视化。该系统的优点是网络故障诊断智能体可以以可视化的方式诊断网络的故障，并且动态监控网络的运行状态。试验结果证明所述系统的有效性和鲁棒性。     

基于概率神经网络的故障诊断方法及应用

针对智能大厦空调系统中发生的各种传感器故障问题 ,提出了一种基于概率神经网络 (PNN)的传感器故障诊断改进方法。该方法采用贝叶斯分类决策理论建立系统的数学模型 ,以高斯函数作为激励函数 ,具有非线性处理和抗干扰能力强等特点 ,可获得对空调系统中各种传感器硬故障和软故障的有效识别和诊断。给出了该方法的理论分析 ,故障特征量的选取 ,神经网络设置和训练的具体步骤。通过仿真和空调系统模型试验证明了该方法在网络训练速度 ,抗干扰能力及各种传感器故障识别准确率等方面的有效性。     

液体推进剂导弹全动力系统动态故障仿真(二)

为了分析其故障特性和获取各种动态故障模式,采用性能优良的Runge-Kutta-Fehlberg(R-K-F)方法求解动态故障模型方程,仿真液体推进剂导弹(液体导弹)动力系统全系统动态故障。对已发生过或可能出现的故障形式,进行了过渡过程动态故障模拟计算和特性分析,获得了动力系统全系统动态故障模式库。计算结果表明,所建模型正确合理,数值模拟计算方法满足要求。该研究开辟了导弹动力系统动态过程故障分析、检测和诊断方法的新途径。     

基于Web的导弹远程诊断系统

介绍了一种基于Web的导弹远程诊断信息处理系统。利用知识库、Web等新技术构建了一个专供导弹用户使用的导弹诊断互联网 ,导弹用户对导弹执行标准的测试程序并将测试结果发送到信息中心 ,通过服务器 ,采用严格的加密方式 ,发送到该专用互联网上 ,诊断网站进行分析诊断以后 ,把解决方案和监控状态反馈给用户 ,这样就实现了对导弹的实时监控及故障的自动诊断 ,提高了导弹系统的可靠性     

基于BP-ART混合神经网络的电路故障诊断新方法

建立了基于误差反向传播(back propagation, BP)神经网络和自适应共振理论(adaptive resonate theory, ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

液体推进剂导弹全动力系统动态故障仿真(二)

为了分析其故障特性和获取各种动态故障模式，采用性能优良的Runge-Kutta-Fehlberg(R-K-F)方法求解动态故障模型方程，仿真液体推进剂导弹(液体导弹)动力系统全系统动态故障。对已发生过或可能出现的故障形式，进行了过渡过程动态故障模拟计算和特性分析，获得了动力系统全系统动态故障模式库。计算结果表明，所建模型正确合理，数值模拟计算方法满足要求。该研究开辟了导弹动力系统动态过程故障分析、检测和诊断方法的新途径。     

基于D-S的IBBA下的故障诊断研究

在导弹武器等复杂系统的D-S故障诊断中,因为影响基本置信分配值的因素增多,诊断领域专家有时只能给出基本置信分配值的某一范围或者某一模糊值.针对这种情况,提出了一种复杂系统的D-S故障诊断方法.首先根据诊断领域专家的诊断知识和经验,结合D-S证据理论的决策方法,给出一种基于不定基本置信分配的故障决策方法.然后根据D-S故障诊断的目的,在D-S证据理论的基础上,利用优化理论,提出一种不定基本置信分配下的D-S诊断方法,阐述了原理,构建了目标函数,给出了约束函数.最后,通过几组示例验证了所给出的故障决策方法和D-S诊断方法的合理性.     

急性心肌梗塞诊断的智能决策支持系统

针对目前智能医疗诊断领域的研究现状,为降低心肌梗塞疾病的误诊率,建立了专家系统与神经网络集成的用于医疗辅助诊断的智能决策支持系统.系统采用单参数动态搜索算法训练神经网络,效果明显优于传统的BP算法,极大地提高了神经网络的训练速度和分类精度.临床应用的结果表明,系统的诊断敏感性、特异性、准确性明显高于临床医生,对提高急性心肌梗塞的正确诊断率具有重要研究价值.     

Study on Missile Intelligent Fault Diagnosis System Based on Fuzzy NN Expert System

1. FUZZINESS Ic FAUlt DIAGNOSIS OF MISSILE WEAPON SYSTEMAs an illtegrated system based on high teclmology, a large-scale missile weapon system relates to mechanics,optics, electricity and many other fields. Naturallyl there exists fuzziness in the fault diagnosis for missileweapon system. For instance, in the hydraulic system of launching/guiding vehicle, fuzzy fault can be foundeverywhere and is difficult to judge. Possible symptoms include: the pressure fluctuates too much; …     

模糊推理和神经网络的集成在故障诊断中的研究

以故障诊断的理论和方法为基础 ,综合运用人工智能、模糊理论和神经网络理论 ,对复杂电子装备的故障诊断问题进行了研究。提出了模糊推理和神经网络的集成方法 ,介绍了集成的综合系统的基本结构和工作原理 ,描述了模糊故障诊断模型和改进的神经网络BP算法     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

小波变换基神经网络故障诊断系统及其应用

针对油田抽油机井故障诊断方法较落后和故障信息采集不充分的问题，提出一种小波变换基神经网络故障诊断系统。它先对输入信号进行离散小波变换，把由Mallat算法得到的多尺度下的离散细节信号作为故障特征，之后将其输入到神经网络进行故障模式分类。为了进一步提高诊断的正确率，一方面对神经网络的结构进行优化，另一方面采用学习率自适应调整的共轭梯度法训练神经网络的权值。对某油田32口故障油井进行诊断，正确率在95％以上，这表明该方法的有效性。     

基于人工神经网络的电路故障诊断专家系统

分析了电路故障的复杂性。针对传统电路专家诊断系统的不足 ,结合人工神经网络用于故障诊断的优点 ,构造了一种新型神经网络电路故障诊断专家系统。该系统采用数据表格形式表示测试诊断知识 ,使知识表达更为清晰 ,推理过程更具智能性 ,在实际运用中 ,诊断效率有很大提高。着重介绍了该系统的设计思想、组成结构和工作原理。     

基于模糊神经网络的车用发动机智能故障诊断系统

针对车用发动机故障多,且具有模糊性和复杂性的特点,提出了一种基于模糊神经网络的车用发动机故障诊断专家系统。该设计结合了神经网络、模糊逻辑以及专家系统的优点,在利用神经网络对电控汽油机进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,系统推理速度快,容错能力强。并运用MATLAB的图形用户界面(GUI)功能,设计了一种全新的人机交互界面,增加系统的易操作性,方便用户使用,更新系统简单直观。     

电路仿真与故障知识获取研究

为解决故障诊断专家系统的故障知识获取的“瓶颈”问题,利用电路仿真软件Multisim2001对某型导弹发射车的电控系统电路进行仿真。通过仿真获得导弹发射车的电控系统电路的故障参数,获取功能-故障之间的对应关系,建立了故障诊断专家系统知识库,为解决故障诊断专家系统的知识获取问题提供了一个新的思路。