案例推理在果树病虫害诊断与防治专家系统的研究

根据果树病虫害诊断与防治的特点和要求,将案例推理技术引入到果树病虫害诊断与防治专家系统设计中。阐述了案例推理概念和工作过程,在具体应用中提出了案例知识表示、两层的案例库组织结构和检索推理机制,得出基于案例推理果树病虫害诊断与防治专家系统实现算法流程。该系统在实际应用中获得了较好的效果。     

案例推理在果树病虫害诊断与防治专家系统的研究

根据果树病虫害诊断与防治的特点和要求，将案例推理技术引入到果树病虫害诊断与防治专家系统设计中。阐述了案例推理概念和工作过程，在具体应用中提出了案例知识表示、两层的案例库组织结构和检索推理机制，得出基于案例推理果树病虫害诊断与防治专家系统实现算法流程。该系统在实际应用中获得了较好的效果。     

基于混合智能的航天器故障诊断系统

面向航天器测控管理,研究了一种基于专家系统（ES）、案例推理（CBR）以及故障树（FT）的混合智 能诊断技术．文中,故障树双向混合推理机制被用于实现航天器故障定位和预测．同时案例推理的k 最近邻检索 策略（KNN）采用了简单实用、易收敛特性的多感官群集算法（MSA）．基于案例推理和故障树的航天器专家系 统（SESCF）采用了2 种融合模式．案例推理和故障树采用独立运行模式,专家系统与案例推理和故障树之间则采 用了松耦合运行模式．出于改善推理效率的目的,文中提出了一种将遥测信息转化为语义信息的结合特定推理方法 的非线性转换方法．某卫星供配电分系统的测试证实了SESCF 系统诊断的有效性．测试结果表明,相对于专家系 统,SESCF 系统具有更高的诊断准确度和可靠性．SESCF 系统采用的非线性转换方法在航天器故障诊断过程中简 单实用且容错性较好．     

基于案例推理的故障诊断算法

电力系统智能告警研究目前主要集中于规则推理领域,未能充分利用系统内历史故障的案例进行有效的分析与故障处理.本文初步研究了基于案例推理的故障诊断算法,在此基础上提出了一种基于向量计算的案例匹配算法.该算法通过对故障信息进行抽象,并与系统案例库中的案例进行相似度计算的方式,对故障信息与案例信息进行一一匹配.案例库的建立基于经过人工分析的各类历史故障信息.相似案例的故障性质、故障原因分析可对本次故障的分析、诊断和后续处理起到指导作用.     

基于案例推理的故障诊断方法

针对传统故障诊断方法的缺陷,将基于案例的推理技术引入到故障诊断系统中,介绍了基于案例推理的故障诊断方法的机理,阐述了案例的表示、检索和案例库的建立,实例诊断表明,该方法相比传统的故障诊断方法来说具有简单、诊断精度高的优点,是有效可行的.     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术（RBR）知识获取困难、自学习能力差等缺陷,将基于案例推理技术（CBR）引入故障诊断系统中。介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中。根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率。     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术(RBR)知识获取困难、自学习能力差等缺陷,将基于案例推理技术(CBR)引入故障诊断系统中.介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中.根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率.     

基于案例推理和粗糙集的商用飞机故障诊断研究

本文将采用基于案例推理和粗糙集的方法进行国产商用飞机故障诊断的研究。其中,用MongoDB存储飞机故障案例库,通过构建中文航空词本进行同义词替换减少案例描述的中文表述差异,使用粗糙集表示故障案例,粗糙集确定属性权重结合海明距离实现案例检索,并通过实例验证该方法的可行性和有效性,最后是案例库学习提高基于案例推理系统的可靠性。     

基于设备结构分解的可视化故障推理与诊断技术研究

通过定义热区和热区索引,将故障推理与诊断同设备结构分解相对应,在诊断的过程中构建了故障自动推理编码规则,可将故障树转换成一系列可操作的且具有一定逻辑关系的编码,实现可视化故障自动推理和诊断。通过某型电子装备进行故障推理实例验证,表明该方法层次结构清晰,推理简单有效,能够实现装备可视化的LRU级分层故障诊断和故障的快速定位。     

基于案例的推理在农业专家系统中的应用

该文将基于案例的推理方法CBR应用到农业专家系统中。在对CBR方法作了简单介绍后,提出了在农业专家系统中面向对象的案例表示、案例库组织的两层结构,并以大豆专家系统中病虫害诊断模块为例阐述了CBR推理在农业专家系统中的具体实现过程。     

Tennessee-Eastman过程的学习型案例推理故障诊断方法

为了提高Tennessee-Eastman(TE)过程的故障诊断准确率,本文研究一种学习型伪度量(learning pseudo metric,LPM)代替距离度量的案例检索方法,并建立了TE过程的案例推理(case-based reasoning,CBR)故障诊断模型.首先建立LPM度量准则并对LPM模型进行训练,其次度量目标案例与每一个源案例的相似度,从中检索与目标案例相似的同类案例,再采用多数重用原则从同类案例中决策出目标案例的解,最后通过TE过程的运行数据对该方法的性能进行测试,并与典型的CBR和BP(back-propagation)神经网络和支持向量机等方法进行对比,表明本文方法能有效提高故障诊断准确率,在实际化工过程中具有一定的推广应用价值.     

基于独特型免疫网络的故障诊断方法研究

随着目前大型设备的日益复杂,传感器节点之间的数据是动态互相影响的,如果仅靠从知识库中去寻找最佳匹配来诊断故障,很容易发生漏诊或误诊。根据Jerne的独特型网络理论提出了一个简单、通用性好,能综合反映网络细胞（抗体和抗原）的浓度、相似度信息,以提高免疫算法的全局搜索能力的模型,该模型利用案例检索的优势,考虑了机电设备结点之间相互影响的特性。实验证明,该模型在加快免疫算法后期的收敛速度和提高故障检测率方面均高于其他算法。     

CBR故障诊断系统中的案例自修改方法研究及应用

CBR(case-based reasoning)是根据历史经验解决当前问题的一种策略,而案例修改是CBR的重要环节和难点。在讨论了CBR的基本推理原理和方法的基础上,提出并研究了基于特征差异的案例自修改方法,并以飞机故障诊断专家系统为例介绍了案例修改的过程。     

案例推理的故障诊断技术研究综述

基于案例推理(case-based reasoning,CBR)的故障诊断作为一种新的智能诊断技术,模拟人类求解问题的思路,通过历史案例发现新问题的解。概述了CBR的理论基础和基本原理;从工作过程和集成框架两个方面综述了CBR故障诊断技术的研究现状,其中工作过程包括案例的表示、检索和重用,以及案例库的维护,集成框架包括CBR与基于规则推理、CBR与人工神经网络以及CBR与多智能体等三种情况;比较了六种故障诊断技术的特点及应用范围;总结了CBR故障诊断技术有待解决的问题。     

网络故障管理中一种综合的事件关联策略的研究

该文研究了故障管理中的故障定位,提出了一套综合的告警关联方案。将告警关联分为初步关联和潜在关联。告警的初步关联中采用了典型的告警关联的方法对事件进行初步的过滤,潜在关联中采用了基于事件推理的事件关联技术进行进一步的故障定位。该方案使处理过程效率更高,定位更准确。     

基于FTA的智能型故障诊断方法研究

故障诊断是人工智能的一个重要研究内容。在对故障树分析法的相关概念进行必要阐述后,就基于故障树分析法的智能型故障诊断方法进行了深入的分析与探讨,指出FTA与其它人工智能技术相结合,建立高效、实用的故障诊断系统是故障诊断技术的主要发展方向之一。     

Case-based expert system using wavelet packet transform and kernel-based feature manipulation for engine ignition system diagnosis

Whenever there is any fault in an automotive engine ignition system or changes of an engine condition, an automotive mechanic can conventionally perform an analysis on the ignition pattern of the engine to examine symptoms, based on specific domain knowledge (domain features of an ignition pattern). In this paper, case-based reasoning (CBR) approach is presented to help solve human diagnosis problem using not only the domain features but also the extracted features of signals captured using a computer-linked automotive scope meter. CBR expert system has the advantage that it provides user with multiple possible diagnoses, instead of a single most probable diagnosis provided by traditional network-based classifiers such as multi-layer perceptions (MLP) and support vector machines (SVM). In addition, CBR overcomes the problem of incremental and decremental knowledge update as required by both MLP and SVM. Although CBR is effective, its application for high dimensional domains is inefficient because every instance in a case library must be compared during reasoning. To overcome this inefficiency, a combination of preprocessing methods, such as wavelet packet transforms (WPT), kernel principal component analysis (KPCA) and kernel K-means (KKM) is proposed. Considering the ignition signals captured by a scope meter are very similar, WPT is used for feature extraction so that the ignition signals can be compared with the extracted features. However, there exist many redundant points in the extracted features, which may degrade the diagnosis performance. Therefore, KPCA is employed to perform a dimension reduction. In addition, the number of cases in a case library can be controlled through clustering; KKM is adopted for this purpose. In this paper, several diagnosis methods are also used for comparison including MLP, SVM and CBR. Experimental results showed that CBR using WPT and KKM generated the highest accuracy and fitted better the requirements of the expert system.     

基于CBR的火控雷达故障诊断专家系统研究

将基于案例推理(CBR)和专家系统理论应用到故障诊断领域,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统.本文浅析了基于案例推理,介绍了系统的总体结构和工作原理,并给出了具体的诊断实例.利用CBR技术建立的故障诊断专家系统可提高雷达装备故障诊断的正确性和效率.     

Case Based Diagnosis and Repair of Software Faults

Software debugging (the diagnosis and repair of faults in software) can be a difficult and time consuming problem. In many cases a problem which can take an inexperienced developer a long time to correct can be quickly identified and corrected by a more experienced one. This is often because they have seen that problem (or a similar one) before. In this paper we present a system (called WATSON) which automatically constructs an explanation of the fault and a repair strategy from a library of partial repair models. This system exploits Case Based Reasoning (CBR) technology to perform this construction. The paper introduces the concepts behind CBR before going on to describe the components of the WATSON system. It then illustrates, by example, how WATSON constructs a diagnosis and repair model from the case databases.