基于模型的故障诊断中的模糊建模和推理

分析了基于模型的故障诊断方法的原理和特点以及其他故障诊断方法（基于规则、基于人工神经网、基于案例）的局限性．针对基于模型的故障诊断,提出了运用人工神经网和遗传算法的模糊建模方法,简化了建模复杂性．给出了基于模糊模型的故障诊断推理方法,从而能有效地处理复杂系统的故障诊断     

用分层ATMS实现缺省逻辑

Ｒｅｌｉｅｒ的缺省逻辑存在着局限性．它无法表示缺省规则之间的优先级，无法处理缺省规则中析取，并且不满足累积性．虽然Ｂｒｅｗｋａ提出带优先级的缺省逻辑和累积缺省逻辑，但不能完全克服上述局限性．本文介绍了分层ＡＴＭＳ，然后指出用分层ＡＴＭＳ实现的缺省逻辑能克服现有缺省逻辑中的局限性．     

用于故障诊断的集成型智能系统

故障诊断是人工智能的一个重要研究内容．分析了现有故障诊断方法（基于规则、基于模型、基于人工神经网、基于案例）的各自特点和局限性．提出了集成现有故障诊断方法（规则、模型、人工神经网、案例）的故障诊断系统及其系统结构．从知识获取和表示、推理和诊断、机器学习方面,说明该新系统能结合现有故障诊断方法的互补性并克服存在的局限性,并且能提高故障诊断的智能性及效率．     

齿轮故障诊断专家系统的研究与实现

基于齿轮故障诊断方法及大量实验数据，结合齿轮故障的判据，研究并建立了适应于齿轮故障诊断特点的齿轮故障诊断专家系统．本论文根据齿轮故障产生的机理及诊断方法，采用了框架及产生式知识表示形式，设计了齿轮故障诊断的专家知识库．通过规则集与规则集之间采用有知识搜索、规则集内部采用前向推理、规则前提和结论之间采用哈希算法的有机结合来实现推理机制。从而实现齿轮的故障诊断．利用该系统对齿轮试验数据进行分析、处理进而推理、诊断获得了满意的效果．     

一种在非单调和不完全领域知识下的EBL方法

基于解释的学习（ＥＢＬ）克服了基于相似性的学习中的一些局限性，但是由于领域知识的不完全性和非单调法，在ＥＢＬ过程中会出现等多重解释问题，运用分层ＡＴＭＳ（基于解释的真值维护系统）来实现ＥＢＬ方法，由于分民支ＡＴＭＳ能处理非单调推理和多重假设集，因而它能根据不同原因解决了ＥＢＬ中的多重解释问题。     

基于粗糙集理论和贝叶斯网络的断路器故障诊断方法

为了快速准确地诊断出断路器的故障原因,笔者提出了一种断路器的故障诊断方法。该方法以粗糙集理论为基础,建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则。基于最小故障诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推断。经真空断路器故障的实例分析表明,该方法是可行有效的。     

基于模型与实例的混合推理用于故障诊断

分析了基于模型和基于实例的诊断推理方法，提出了基于模型与实例的混合推理策略，并将其应用于ＣＮＣ加工中心的故障诊断．同时，还讨论了实例的表达与存储、索引与匹配等问题     

MBD中通过混合键合图对混合系统建模

基于模型诊断即Model—based Diagnosis（MBD）对整个人工智能领域的研究起着重要推动作用，是为了克服传统故障诊断方法的缺点而兴起的一项新型的智能诊断推理技术，其应用也越来越广泛。而混合系统是当前应用较多的动态系统之一，其故障诊断问题是当前研究领域的热门。本文介绍应用MBD技术对混合系统进行诊断的建模方法，介绍混合键和图基本原理，通过混合键和图对混合动态系统建模。为进一步进行MBD故障检测和追踪直至故障隔离和鉴别提供基础模型。     

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。     

故障诊断理论及其在机电系统中的应用

介绍了故障诊断理论的提出过程和内容;简要地阐述了基于解析模型的故障诊断方法、基于知识的故障诊断方法和基于数据驱动的故障诊断方法;详细介绍了基于观测器的故障诊断方法的步骤,并举例说明了该方法在机电系统中的运用,给出了Matlab的仿真结果。最后,通过对仿真结果的分析,得出了基于观测器的故障诊断方法能够较好地完成系统监控的任务,但对复杂系统的故障定位精确度不够的结论。     

基于知识的冲压产品与工艺集成建模方法

结合当前智能设计技术的发展，研究了面向工艺设计的冲压特征建模方法，建立了单特征定义与冲压工艺性评价模型、工艺规则的集成机制；分析了工步排样中的知识集成策略，给出了集成工步排样总体事例模型和工序间关系分析模型的设计方法；总结了集成知识模型的几何处理技术，提出了基于CAD平台进行几何处理的基本原理。应用结果表明，集成知识模型能有效提高冲压工艺设计能力。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

上海城市快速路交通监控系统架构及模型

基于对快速路交通状况的分析，提出建立先进交通监控系统的必要性．构建了由外场设备、通信系统及监控中心构成的系统总体架构．建立了交通检测数据优化模型、交通状态自动辨识模型和实时行程时间预测模型，并应用于快速路交通监控系统建设和运行．     

一种识别最小冲突集的实用方法

应用Ｒｅｉｔｅｒ提出的基于第一原理的诊断方法解决连续系统多故障诊断问题的难点是有效地识别最小冲突集合组。文章针对工业过程控制系统的特点,提出一种实用算法。首先根据系统的结构和传感器分布等不变知识,离线识别最小冲突集候选;然后根据测量数据,使用约束悬挂和约束传播技术,在线确定最小冲突集合组。算法是完备的,且大大节省时间资源,便于实时故障诊断     

基于模型诊断的贝叶斯解释及应用

在基于模型诊断的基础上，建立了贝叶斯模型．该模型首先假设系统的所有状态都是可能发生的，并对系统中的各个元件设定一个先验概率．当系统的观测与预期不符合时，利用最小冲突集的概念得到系统可能的状态．之后根据各个系统状态的对应概率计算出元件发生故障的后验概率，该后验概率本质上是一个边缘概率分布，它在数值上表示了元件发生故障的可能性，确定了故障查找顺序．用一个数字故障电路的实例验证了该方法的有效性，井对其存在的问题进行了讨论．