空调设备故障诊断专家系统的设计

本文简述了用Ｐｒｏｌｏｇ语言设计的空调设备故障专家系统，该专家系统的主体由预测模块和推理模块组成，其预测模块可作为这类专家系统的模糊统计决策的外壳，推理模块可作为调用具体型号空调设备故障诊断知识库的工具。     

基于粗糙集神经网络的液压伺服系统故障诊断模型的研究

文章提出了一种基于动态流量的液压伺服系统故障诊断的新方法,即基于粗糙集神经网络专家系统的故障诊断方法,在分析了现有故障诊断方法及其局限性的基础上,重点阐述该方法的体系结构设计,详细讨论了知识获取模块和神经知识库等关键技术。最后给出了粗集神经网络推理机的工作过程。     

基于Delphi的TBM故障诊断专家系统

针对TBM建立了一个故障诊断专家系统，给出了系统结构设计，功能划分及其具体实现方案，并具详细论述了系统安全管理模块的实现方法。     

火电厂实时故障诊断专家系统的开发

探讨了运用专家系统工具CLIPS和高级编程语言VC＋＋，实现火电厂实时故障诊断专家系统的方法。用CLIPS编制专家系统的知识库，用VC＋＋实现专家系统的数据采集以及人机交互界面，并通过调用CLIPS动态链接库，实现火电厂的实时故障诊断。     

FMS实时故障诊断专家系统的研究

将专家系统技术应用在ＦＭＳ故障诊断中，建立了一个具有在线故障数据采集和故障自动诊断功能的ＦＭＳ实时故障诊断专家系统，同时介绍了专家系统的总结结构，知识表示和自动推理机制。     

网络化制造模式下设备故障诊断专家系统的研究

结合网络化制造模式下企业生产特点，深入分析了网络化制造模式下设备故障诊断专家系统的分布性和异构性，为满足对设备故障诊断专家系统的新要求，提出了一个快速有效建立网络化制造模式下设备故障诊断专家系统的实现模式及方法，即基于Internet的MAS（Multi-Agent System)设备故障诊断专家系统的实现模式及方法。     

基于Jess的构件化机床故障诊断专家系统的设计与实现

本文针对专家系统开发方面存在的不足,利用专家系统工具Jess(Java expert system shell)进行核心推理模块的开发,并使用Java语言进行专家系统整体网络框架的构建和系统构件化的实现,成功地开发出了具有可扩展性、替换性的数控机床故障诊断专家系统.     

FMS实时故障诊断专家系统的研究

将专家系统技术应用在ＦＭＳ故障诊断中，建立了一个具有在线故障数据采集和故障自动诊断功能的ＦＭＳ实时故障诊断专家系统，同时介绍了专家系统的总体结构、知识表示和自动推理机制     

基于数据库技术的坦克故障诊断专家系统

分析了构建坦克故障诊断专家系统的重要性和必要性，阐述了数据库技术在专家系统中的应用，提出了本专家系统的设计、结构、工作过程及其实现，论述了基于数据库的知识库构建、推理机设计以及数据挖掘技术的应用，对坦克故障诊断专家系统的建立和发展具有指导意义。     

矿井主通风机故障诊断专家系统设计与应用

针对我国各大矿区广泛应用的对旋轴流式通风机,结合故障诊断学科的基本原理,在对矿井主通风机各类故障案例进行大量统计分析及模糊推理的基础上,设计了一套基于模糊推理的故障诊断专家系统.对故障诊断专家系统各模块的功能及应用进行了详细阐述,并成功进行了工业性试验,取得了良好的应用效果,有利于保障矿井安全生产.     

基于粗糙集理论的变压器故障诊断专家系统研究

在传统的变压器故障诊断专家系统的基础上 ,引入粗糙集理论以解决专家系统较难获取完备知识的瓶颈问题。该系统从历史故障数据所形成的决策表出发 ,运用粗糙集理论进行约简 ,构建专家系统知识库模型。通过计算规则隶属粗糙度 ,来表示诊断规则的置信程度。利用推理机和故障事例库 ,实现对知识库的动态维护。     

粗网络专家系统在往复式空压机故障诊断中的应用

基于智能互补融合观点，针对往复式空压机故障信息系统的不准确性和不完整性，设计了用于空压机故障分类的粗网络专家系统，对空压机系统故障做出准确的诊断。通过对某型空压机振动故障实际故障诊断，证明了该系统的有效性，为往复式空压机故障诊断提供了一条新思路。     

基于多模块合成的故障诊断智能系统推理机的研制

针对连续性生产线的特点，指出其故障诊断专家系统推理机不宜选用单一模块的形式。结合某钢铁厂的棒材生产流水线故障诊断专家系统研制，在分析连续性生产线的故障特点的基础上，介绍了多模块合成推理机的构造。推理机由基于神经网络的实时诊断模块、基于模糊理论的自动诊断模块和基于规则的人机交互诊断模块有机结合而构成。     

神经网络和专家系统在汽车发动机故障诊断中的应用研究

运用神经网络与专家系统两种人工智能技术,通过对汽车发动机废气中CO,HC,CO2和02含量的分析进行故障推理和诊断.神经网络与专家系统主要采用串行连接,用神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化诊断.     

基于粗糙集的风机故障诊断专家系统知识获取

针对专家系统中知识获取的“瓶颈”问题、应用粗糙集理论建立风机故障诊断专家系统框架．并利用粗糙集的约简方法消去知识库中冗余的属性，实现了知识库的精简，有效地保持和完善了知识库的结构和性能．提高了知识获取的效率。此方法应用在风机故障诊断专家系统中．收到了良好的效果。     

船舶气象仪故障诊断系统的研制

研制了一种船舶气象仪故障诊断系统,该故障诊断系统硬件采用模块化设计,其主要模块均设计为基于AVR单片机的低功耗嵌入式系统,软件设计有专家系统故障诊断模型。试验结果表明,该故障诊断系统能够对现有各型号船舶气象仪的故障快速识别和准确定位,提高了船舶气象仪的维修保障能力。     

一种基于动态流量软测量技术的液压伺服系统故障诊断方法

为了提高液压伺服系统故障诊断的确诊率，提出了一种基于动态流量软测量技术的液压伺服系统故障诊断方法，重点阐述该方法的体系结构和软件设计，并讨论了测试数据管理和粗集神经网络专家系统等主要关键技术。采用虚拟仪器平台完成了系统的构建，实现了基于流量的故障诊断及结果的Web发布。     

基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取方法研究

针对航空发动机滑油光谱诊断专家系统的知识获取问题,本文建立了基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取模型。首先建立反映光谱元素浓度及元浓度梯度与发动机磨损故障之间关系的典型故障样本集;然后运用粗糙集理论的离散、约简及规则提取等算法,从大量的故障样本中自动获取知识规则,并将知识规则存储于专家系统知识库中;最后,建立推理机,运用一定的推理策略实现发动机磨损故障诊断。本文利用航空发动机实测的油样光谱数据对所建立的粗糙集知识获取方法,进行了实例验证。     

基于Web的工程机械故障诊断专家系统设计与实现

通过对设备工程机械各系统的工作原理、系统故障现象进行分析,确定诊断系统由故障巡检和故障诊断专家系统组成,系统知识库采用树状知识组织形式来描述,知识表达采用生产式规则和面向对象的知识表示法相结合的方式.在故障诊断的方法中引入了故障树分析,同时将领域专家的经验知识转化为诊断系统的知识,构建采用正向推理机制的诊断系统.     

A study on fault diagnosis and maintenance of CNC-WEDM based on binary relational analysis and expert system

The paper presents a binary relational analysis and expert system base module for maintenance and fault diagnosis of CNC wire EDM. The module proposes a framework of integrated maintenance and fault diagnosis system. The study explores the binary coded matrix system, which plays an important role in prediction and diagnosis of wire electrical discharge machining (WEDM) faults on the spot by expert guidance. In this study, 15 inputs were considered to observe eight probable causes with the help of the forward and backward propagation algorithms. Inputs and output matrices were considered in the form of a square matrix. To explain the fault diagnosis and to realize the importance of maintenance through advice, the detection of faults is investigated through forward and back propagation of matrix transformation on the spot. It is an integrated backup that can be individually focused when input and output parameter do not match. It is a time saving, knowledge acquisition, easy to maintain, and capable of self-learning system. To verify the developed framework, 120 data sets were generated for proper analyzing of acquired output through graphical representation. The paper also presents some of the important features of maintenance schedule and probable causes of wire breakage with remedial actions in tabular form. The developed system can help the operators, trainees, and manufacturing engineers in achieving trouble free machining through quick detection of faults and proper maintenance of machines in actual practice.