基于E_DAG的本体不一致性诊断算法研究

本体不一致性问题是语义网络研究中的关键技术之一。基于DAG图的局部诊断方法在传统的模型诊断基础上,采用经典逻辑进行描述,这种方法在构造性知识描述领域中得到大量应用。无辜诊断方法对局部诊断方法进行了改进,可进一步提高局部诊断方法的求解效率。在此基础上,对DAG图表示进行了扩展,提出了一种基于E_DAG的本体不一致性处理的表示方法及其相应实现算法,并通过动物本体实例说明了此方法的工作原理。     

一种基于贝叶斯网络的模型诊断方法

提出一种结合贝叶斯网络进行基于模型诊断的方法.在基于模型诊断的基础上,建立了元件状态模型,并将诊断模型转换为贝叶斯网络,利用团树算法求解征兆产生时系统状态的后验概率,再通过计算边缘分布获得元件故障概率.最后给出一个数字故障电路的实例,在Matlab上进行推理,得到了精确的概率值,验证了该方法的有效性.     

一种基于集合符号的自动推理扩展方法

在多值逻辑Tableau推理的基础上,提出了一种基于集合符号的自动推理扩展方法.将符号集合作为真值,减少了Tableau的推理分枝,并可以将适合经典逻辑的推理方法和策略应用于其中,使得非经典逻辑推理经典化.使用SWI-PROLOG语言设计实现了基于集合符号的自动推理系统,在系统中使用集合符号方法,只需要在规则库中增加推理规则,即可生成规则程序,系统本身不需要任何的修改,因此一些适合于经典逻辑的推理方法和技巧就可以很容易地应用到多值逻辑、模态逻辑、直觉逻辑等非经典逻辑,也可以进一步推广到无穷值逻辑和含模糊量词(如T-算子和S-算子)的逻辑中,对于无穷值逻辑和模糊逻辑的Tableau方法研究具有一定的借鉴作用.对TPTP中的900个逻辑问题进行了证明,实验结果表明,系统在时间和空间上效率都是较高的.     

基于模型诊断的改进贝叶斯方法

基于模型诊断是针对系统或设备的行为和结构建立模型,从而进行诊断的.但是基于模型诊断的方法存在不确定性问题,诊断的结果可能为一组故障部件.为解决不确定性问题,很多学者在基于模型诊断中使用了概率的方法,利用待诊断设备组成部件的故障概率信息来寻找最可能的诊断.通过对模型诊断中存在的不确定性问题的深入研究,在基于模型诊断中提出了概率的贝叶斯解释,从而利用后验概率形式量化了元件故障的可能性的衡量标准,并且改进了计算元件后验概率的方法,分析了改进后算法的复杂性和完备性,证明了改进后的方法降低了时间和空间的复杂性.实验结果表明,改进后算法的执行效率较原有的算法有明显的提高,且有些问题可以提高两个数量级.     

基于贝叶斯网络的复杂装备D-S诊断

利用D-S证据理论进行故障诊断时,首先需要确定出故障识别框架和基本置信分配.但在导弹武器等复杂装备中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取故障识别框架和基本置信分配的困难.文中提出了利用贝叶斯网络理论来解决难题的方法,使D-S证据理论能在复杂装备故障诊断中得到应用.文中首先给出了诊断贝叶斯网络的适应度函数,并利用改进的粒子群优化算法求解了诊断贝叶斯网络.然后分析了诊断贝叶斯网络中故障原因与故障征兆间的关联关系,给出了征兆集合、异因征兆集合概念.提出了求解故障识别框架和基本置信分配的方法.最后,通过实例的D-S诊断,验证了所提方法的正确性.     

无参考值情况下自诊断传感器设计方法研究

对于工业现场中传感器进行故障诊断时难以获取参考值的问题, 本文提出了一种基于贝叶斯推理的无参考值情况下自诊断传感器设计方法. 首先, 运用传递熵方法对传感器之间存在的冗余关系进行量化评价, 并借助β–二项分布建立传感器的故障统计模型; 其次, 利用贝叶斯推理对有参考和无参考时的传感器测量系统设计故障自诊断算法, 对于无参考值情况下的传感器测量系统, 通过引入观测值, 进行自学习获取传感器的健康状况; 最后, 以镍闪速炉中的温度测量系统为例, 验证了文中方法的可行性与有效性.     

基于模型诊断的元件替换与替换测试

元件替换是工农业和日常生活中经常使用的一种诊断方法,文中结合基于模型诊断理论,对元件的替换测试进行了研究,提出了元件替换与替换测试的概念,并以此为基础对诊断的判定与故障元件的确定进行了探索,证明了关于替换测试用于故障原因判定的几个定理。文中的研究结果可以帮助选择欲替换的元件,提高诊断效率,并可以将测试同修复结合来,使系统尽快恢复正常功能。     

分布式层次化故障诊断模型和诊断策略的研究

根据复杂装备电器控制系统具有分布式、功能分层和结构分层的特点,提出了基于层次分解的故障诊断模型,以系统的结构性为基础,对复杂的诊断问题实现由上而下进行功能分解,直到最小系统或设备.在故障诊断的层次化分解基础上,结合模糊Petri网实现故障推理过程的诊断策略,推理算法采用矩阵运算,推理过程简单,并能够描述故障传递状态.最后以航空电器装备系统中的电源供电控制系统为应用对象,研究了故障诊断模型的具体结构和诊断策略的实现过程.该模型便于实现集成化、智能化和自动化的故障诊断过程.     

基于模型的机载燃油系统故障诊断研究

针对某型号飞机的燃油系统进行故障诊断,应用基于模型的故障诊断算法,采用离散的状态变量描述系统行为和功能,基于一致性算法判定系统当前行为是否正常以及冲突搜索算法对异常进行诊断.诊断过程引入故障可能性概率的函数Rank,避免了传统穷举方法,有效提高了算法的效率.诊断结果能够很好地涵盖单故障以及多故障组合,同时也能满足系统进行实时故障诊断的要求.     

工程机械的层次模型协同诊断方法

试图以一种集定性、定量模型诊断为一体的分层协同诊断方法运用于运动工程机械的线控电液制动系统,详细介绍了故障传播图的层次化产生方法以及对应的模型诊断观测器,并使用诊断管理单元的FLIP算法和控制管理模块进行在线实时性复杂系统协同诊断,最后用一个简例来表述贯穿本诊断方法全过程.     

基于神经网络与模糊逻辑协同的智能诊断系统的研制

神经网络与模糊逻辑协同(Neuron—Fuzzy Cooperation，NTC)是两者深度融合的一种形态。本文探讨了NTC几个关键技术。并成功地开发了化工回收装置故障智能诊断系统。     

Visual Prolog语言在测试设备故障诊断专家系统中的应用

Visual Prolog语言是人工智能与专家系统领域最著名的逻辑程序设计语言,适合表达人的思维和推理规则,能够方便地实现模式匹配、回溯、事实数据库和谓词等功能;针对导弹测试设备结构复杂、故障隔离与定位困难等情况,充分利用Visual Prolog语言在专家系统知识表示及逻辑推理过程中的优点,建立了一个基于规则的导弹测试设备故障诊断专家系统;通过应用表明Visual Prolog语言十分适合构建此类专家系统,并具有良好的开发应用前景.     

刻画基于模型的中心诊断*

虽然对基于模型的诊断存在一系列不同的逻辑定义,但所幸的是存在一个统一的抽象定义,它概括了以往的不同定义.在该定义基础上提出了基于模型的中心诊断的概念.通过刻画基于模型的中心诊断过程,论证了基于模型的中心诊断与本原蕴含/蕴含式的直接关系,从而将其理论结果与ATMS(assumption-based truth maintenance system)这类算法联系起来.进一步指出,对基于一致性中心诊断的刻画仅仅是文中所给出的刻画的一个特殊情形.     

基于多Agent的故障诊断方法集成体系结构

将多种不同的故障诊断方法有效集成,进一步提高诊断系统的综合性能,是智能故障诊断技术发展的必然趋势。以复杂航空装备远程故障诊断中心为应用背景,从物理拓扑结构、逻辑模型、软件体系结构等三个方面,对基于多Agent的故障诊断方法集成体系结构进行了研究,并对集成诊断系统实现的关键问题进行了探讨,从而为实际应用系统的研制提供了理论指导和方法依据。     

基于规则获取的Petri网故障诊断模型研究

针对构建合理的Petri网故障诊断模型,研究了以矩阵运算方式描述及处理故障发生过程中的逻辑关系的问题。以旋转机械故障诊断为例,用粗糙集理论对其样本条件属性进行约简,利用Skowron缺省规则获取方法得到故障诊断规则;并对传统Petri网进行改进并构造诊断模型,利用Petri网的动态描述与矩阵运算能力进行故障诊断,从而在一定程度上解决了样本集中存在不一致信息的问题,避免了Petri网对于复杂系统建模时出现的组合爆炸,具有一定的创新性和较大的使用价值。应用实例验证了该方法的可行性与有效性。     

A diagnostic environment for automaton networks

Automated diagnosis of communicating‐automaton networks (CANs) is a complex task, which is typically faced by model‐based reasoning, where the behavior of the network is reconstructed based on its observation. This task may take advantage of knowledge‐compilation techniques, where a large amount of reasoning is anticipated off‐line (when the diagnostic process is not active), by simulating the behavior of the network and by constructing suitable data structures embedding diagnostic information. This (general‐purpose) compiled knowledge is exploited on‐line (when the diagnostic process becomes active), so as to generate the solution to the problem. Additional reusable (special‐purpose) compiled knowledge is generated on‐line when solving new problems. A software environment for the diagnosis of CANs has been developed in the C programming language with the support of the PostgreSQL relational database management system, under the Linux operating system. It supports the modeling and preprocessing of CANs as well as the solution of diagnostic problems, including on‐line knowledge compilation. The environment has been tested through a variety of experiments. Results are encouraging and provide a valuable feedback for further work. Copyright © 2006 John Wiley & Sons, Ltd.     

Microprocessor-based portable system for heart condition diagnosis

Early diagnosis of heart disease is typically based on a cassette recording of the electrocardiogram (ECG) signal which is then studied and analysed using a microcomputer. The system is bulky, unreliable and prone to mechanical failure. This paper presents the design and implementation of a compact microprocessor-based portable system used for heart condition diagnosis over a long period. The system reads, stores and analyses the ECG signals repetitively in real time for a specified period. The diagnostic data and samples of ECG signals are stored throughout the test period. The system hardware and software design are oriented towards a single-chip microcomputer-based system, hence minimizing size. The operating algorithm is based on a logical approach to ECG signal diagnosis and hence requires little memory.     

基于神经网络的数模混合电路故障诊断模型设计

神经网络是智能故障诊断中运用最为广泛的诊断方法之一,能应对复杂数字电路和模拟电路故障诊断;基于VC++的神经网络诊断系统具有运算速度快、输入输出界面丰富、易于实现在线故障诊断等特点,而Matlab提供强大的神经网络工具箱,在网络训练方面有优势;利用参数文件将二者优势结合起来,可实现功能完善的数模混合电路智能故障诊断系统;诊断实例表明,使用该方法实现数模混合电路故障诊断系统,具有高建模速度和高诊断精度的特点。     

Human-like fault diagnosis using a neural network implementation of plausibility and relevance

In real systems, fault diagnosis is performed by a human diagnostician, and it encounters complex knowledge associations, both for normal and faulty behaviour of the target system. The human diagnostician relies on deep knowledge about the structure and the behaviour of the system, along with shallow knowledge on fault-to-manifestation patterns acquired from practice. This paper proposes a general approach to embed deep and shallow knowledge in neural network models for fault diagnosis by abduction, using neural sites for logical aggregation of manifestations and faults. All types of abduction problems were considered. The abduction proceeds by plausibility and relevance criteria multiply applied. The neural network implements plausibility by feed-forward links between manifestations and faults, and relevance by competition links between faults. Abduction by plausibility and relevance is also used for decision on the next best test along the diagnostic refinement. A case study on an installation in a rolling mill plant is presented.     

基于逻辑方程的飞机中央维护系统实时故障诊断方法

中央维护系统(CMS)是对飞机系统进行故障诊断和提供维护信息的主要系统,在提高飞机的测试性和维修性方面起着重要的作用.针对CMS实时故障诊断的问题,研究了基于逻辑方程的实时故障诊断方法.分析了CMS故障诊断功能需求,给出了CMS基于逻辑方程故障诊断的实现方法.通过构建逻辑方程规则知识库,提出了优化的匹配查找方法,并与预处理后的BIT信息匹配确定故障,提升了故障诊断效率.最后以飞机发动机电子控制系统的自检信息为例,建立逻辑方程知识库并进行故障诊断,结果表明该方法能快速准确诊断故障信息,为CMS实现故障诊断提供了有效的方案.