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。     

基于粗糙集的虚拟装配环境中知识获取方法研究

在分析虚拟装配环境中数据的特点和粗糙集理论方法的基础上，提出在虚拟装配环境中获取装配规划领域专家知识方法。采用仓库网格技术获得零部件属性(即分类概念)，在进行属性值评估并与虚拟装配环境中获得的结果数据合并后，应用基于粗糙集规则推理方法获取专家知识，对获取的知识进行评估以判断获取规则的正确率。以发动机引擎的装配模型为例，说明了该知识获取方法的有效性。     

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。     

以粗糙集近似逼近理论提取发动机振动故障特征

主要探索一种从庞杂数据中挖掘有用信息的方法。首先介绍了粗糙集的基本理论与计算近似精度的方法，简述了粗糙集理论的特点及与模糊集理论、证据理论的区别与联系，然后将经过预处理的发动机振动信号进行实数离散．运用粗糙集的下近似、上近似及粗糙逼近理论，计算属性等价类对决策等价类的逼近精度。计算结果表明，采用等频率和等量间隔相结合的方法离散实数能保留数据中良好的自然分类特性，采用粗糙集的近似逼近理论能有效地提取出发动机故障特征。     

粗糙集属性约简算法在故障规则提取中的应用

故障诊断的重要前提就是故障规则的提取,粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具.使用粗糙集属性约间算法来提取故障规则能够剔除冗余特征.简化知识库的复杂度,提高故障诊断的正确率.     

基于粗糙集理论的状态监测与故障诊断

为了提高监测诊断的效率和自动化、智能化水平,将粗糙集理论引入到复杂装备系统状态监测与故障诊断领域.运用基于粗糙集理论的监测参数与故障特征约简算法,对发动机监测诊断过程中大量的冗余特征进行压缩或约简,实现发动机技术状态监测参数的优选;并针对故障点建立决策表,利用粗糙集约简所获得的诊断规则进行智能故障诊断.实例表明粗糙集监测诊断方法不仅大大减少了特征信息提取的工作量,也为在故障诊断中实现自主式学习和决策提供了很大的便利.     

基于粗糙集理论的状态监测与故障诊断

为了提高监测诊断的效率和自动化、智能化水平,将粗糙集理论引入到复杂装备系统状态监测与故障诊断领域.运用基于粗糙集理论的监测参数与故障特征约简算法,对发动机监测诊断过程中大量的冗余特征进行压缩或约简,实现发动机技术状态监测参数的优选;并针对故障点建立决策表,利用粗糙集约简所获得的诊断规则进行智能故障诊断.实例表明:粗糙集监测诊断方法不仅大大减少了特征信息提取的工作量,也为在故障诊断中实现自主式学习和决策提供了很大的便利.     

基于信息熵属性约简的航空发动机故障诊断

针对不协调信息条件下的航空发动机故障诊断问题,研究了基于信息熵属性约简的故障诊断方法。首先定义了故障诊断信息系统来描述不协调故障样本数据,针对基本粗糙集模型分类能力不足的问题,引入变精度粗糙集模型处理不协调诊断信息系统;然后针对现有条件熵不能区分不确定性规则的缺陷,提出了变精度条件熵作为属性重要度的度量标准,设计了启发式属性约简算法,提取故障诊断规则。将该方法用于航空发动机故障诊断,验证了该方法可有效处理不协调信息,显著提高了航空发动机故障诊断的准确率。     

基于粗糙集理论的装载机故障诊断研究

采用粗糙集理论来进行装载机故障知识的获取，给出了装载机诊断推理的策略和流程。该方法提高了诊断系统的容错性，为在不完备信息下的装载机故障诊断提供了一种新的思路。实例诊断结果证明了该方法的有效性。     

基于数据驱动的生产质量决策支持系统模型的研究

基于生产过程实时监控系统获取的大量质量监测数据，提出了以数据仓库为核心，数据挖掘为驱动的企业生产质量决策支持系统模式，以粗糙集理论为主体技术进行数据挖掘，针对实际生产过程的特性，将经典粗糙集不可分辨关系进行扩展，引入相近和相似关系，可以有效处理实际生产过程中数据的背景噪音和数据不完备的状况，采用遗传算法解决粗糙集理论中知识简约的NP完全问题，挖掘出的各个生产过程的相互联风规则，通过人机一体优化策略，使决策者获得真正需要的知识。     

基于模糊群决策的智能仪器故障诊断专家系统

本文介绍了采用专家系统解决智能仪器故障诊断的方法.针对智能仪器的故障特点,采用规则推理和事例推理相结合的混合推理技术.在规则推理中,提出了分层搜索的诊断思路,并且在不同搜索层次中,各规则优先权的确定采用基于模糊多属性群决策的方法.针对这种推理方法,采用数据库技术实现了知识库的设计,并用VS.net软件开发出了一套高效率智能仪器故障诊断专家系统.该系统在实际使用中表现出比第一个版本更高的诊断效率.     

基于矩阵判别筛选法的机械故障诊断专家系统

通过建立故障树确立了多征兆与多故障原因之间复杂的对应关系,提出了一种新的矩阵判别筛选法,并建立了基于人工智能技术的故障诊断软件。在总结辽化十几年机械故障临床诊断经验、研究故障机理并吸收国内外同行诊断知识精华基础上编制了大量知识规则,所研制的旋转机械故障诊断专家系统取得了满意的结果,可以指导工程实践。     

A knowledge-based system for the selection of fluid film journal bearings

This paper describes a knowledge-based system developed for the selection of fluid film journal bearings. The system consists of three major parts which are a knowledge base, an inference engine and a user interface. The system is implemented on HyperCard on a Macintosh computer. The knowledge base is constructed by the method of production rules with weight numbers. A new reasoning mathematical model based on the production rules makes the reasoning much faster. The system operation shows that the system makes intelligent and appropriate bearing selections which are suitable for a user's application.     

基于油液分析的汽车发动机摩擦系统故障诊断专家系统知识库的建立

采集汽车发动机润滑系统中摩擦副经历磨擦学行为的信息是诊断发动机摩擦系统故障的有效手段。油液分析从摩擦学系统的润滑剂和磨损物两方面获得磨擦副的润滑和磨损状态的信息。但常规的油液分析信息处理方法上的不足影响了油液分析技术在汽车行业的实际应用,开发基于油液分析的故障诊断系统,无疑会改善油液分析的诊断准确性和诊断成本。本文着重针对该诊断专家系统知识库的建立,     

气门磨损失效分析专家系统知识库的构建与推理研究

在讨论气门磨损失效形式和影响因素的基础上，建立了发动机气门磨损失效分析专家系统的知识库，提出了气门磨损失效分析专家系统的知识库结构——树状结构、知识获取与表示方法，给出了采用数据库技术构造的知识库体系与推理机制。在气门磨损失效分析专家系统中，要提高产生式系统的可理解性，应当通过对规则的适当划分，将规则组织成易于管理的功能模块。将故障树分析法和基于产生式规则的失效诊断专家系统有机地结合起来，能很好的解决基于产生式规则的专家系统最突出的弱点，即知识获取难的问题。为了更快、更准寻找到气门磨损失效的影响因素，采用最好优先搜索法。     

运用HHT边际谱的柴油机故障诊断

提出了一种基于希尔伯特-黄变换(Hilbert-Huang transformation,简称HHT)边际谱的柴油机故障诊断方法。在3110柴油机上进行了气门间隙变化和断油等故障的模拟试验,测取了柴油机在断油工况和气门间隙异常工况下的气缸盖振动信号,并采用抽区间采样分析法对缸盖振动信号进行了时域特性分析。通过对故障敏感段信号的HHT边际谱分析,得出了在各工况下信号随时间和频率变化的精确表达,并以边际谱的最大峰值作为特征向量,采用马氏距离(Mahalanobis距离)进行分类,判断柴油机的工作状态和故障类型。试验分析表明,该方法即使在小样本的情况下也能有效地识别柴油机气门间隙变化和断油故障。     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

基于粗糙集数据分类概念的故障知识发现

针对智能决策技术中的知识获取"瓶颈",利用粗糙集理论作为知识发现工具,以一个离散符号型数据决策表为研究对象,通过对其进行数据分类得到知识颗粒集合,并挖掘出一组知识规则的数据处理过程,建立了一种基于数据驱动方式的知识获取模型。该模型显示出的知识发现本质,是一个原始知识库中的知识被进行等价类运算处理的结果。一个双跨转子系统碰摩故障响应的快速傅里叶变换谱特征状况表明,获得用数据方式描述的关于旋转机械的原始故障知识资源,必须构造出一个性能优良的决策表数据结构模型,其中包括论域概念的正确界定、故障知识表达模型的属性集构造和原始故障知识资源的离散化映射等。分析得出,应以不同类型的旋转机械机组结构形式为对象,需要在知识发现系统工程的思想指导下解决原始故障知识的数据资源化保护问题。     

基于集总经验模态分解和极坐标表示的瞬时转速诊断方法

为解决瞬时转速方法在诊断多缸中高速V型机发生失火故障时,存在的特征参数难以提取、诊断精度不高等问题,以发火间隔角不均匀的某V12柴油机为对象,进行了基于集总经验模态分解（EEMD）和极坐标表示的诊断方法研究。结果表明：构成本征模态函数IMF6分量的主频率为8.3Hz（0.5谐次）,经过EEMD分解提取了0.5谐次成分,其幅值可作为判别单缸失火故障的特征值;将0.5谐次相位及其变化规律与极坐标表示结合,能够直观准确地定位故障。     

工作流知识规则仿真的研究与实现

工作流仿真是目前工作流系统研究的主流方向之一。针对利用知识规则建模的工作流系统,如何确保自定义的知识规则的可靠性,从工作流模型建模、仿真平台的构建和仿真引擎3个方面,研究了工作流知识规则的仿真,通过可视化的实例显示以及统计技术等手段,精确地找出知识规则的错误。