基于基因表达式编程的化工过程故障诊断知识抽取

专家系统是化工过程故障诊断最常用的技术之一。专家系统的基础是专家知识,而知识获取一直是专家系统的"瓶颈"问题,所以知识提炼是开发化工过程故障诊断专家系统的关键技术。本文提出了一种基于基因表达式编程(GEP)的化工过程故障诊断知识的提取技术,通过模糊函数对数据进行模糊化处理,利用GEP演化特性从数据库中找出异常以及产生这些异常的原因,从而获得用于故障诊断的知识规则。实际案例研究结果显示,该技术与领域专家结合能有效提取故障诊断知识,可作为化工过程故障诊断专家系统的知识获取手段。     

一类复杂控制系统中任务模型的建立及调度方法的研究

针对将专家系统应用于实时环境的复杂情况以及专家系统在问题求解过程中花费的时间具有不确定性,在不精确计算的理论基础上,提出了一种渐进优化的专家系统设计模型,并对其在实时环境中的调度方法以及在该方法下深度优先和广度优先算法的实现进行探讨.     

基于粗集神经网络的故障诊断专家系统研究

对于化工、石化行业使用最广的一类机器-往复式压缩机的故障诊断,提出了一种粗集集成神经网络的故障诊断专家系统模型,模型中粗集约简算法首先被用来对诊断输入数据进行约简,然后被用来对神经网络进行剪枝优化;测试结果表明该系统诊断时不仅速度快,而且正确率高,明显优于其它系统。     

基于CLIPS平台的离心泵故障诊断专家系统

说明了建立循环泵故障诊断专家系统的必要性 ,并介绍了一种基于 C语言的专家系统开发工具—— CL IPS。结合专家系统的原理和系统结构 ,从知识库的建立、推理模型、工作流程等方面阐述了该离心泵故障诊断专家系统的实施方案     

基于面向对象的黑板型变压器故障诊断专家系统研究

将面向对象的技术引入到变压器绝缘故障诊断专家系统中,建立了适合于变压器绝缘故障诊断的黑板模型结构。同时还建立了多专家合作变压器绝缘故障诊断专家系统,提出了富有创意的专家意见不一致时的综合分析和解释机制,并以实际诊断例证检验了该专家系统的有效性和可靠性。应用模糊综合评判法和模糊神经网络判别法,创造性地将变压器故障诊断研完从故障性质的分析深入到故障部位的确定,提高了专家系统的实用性。     

乙烯裂解生产故障诊断专家系统的研究

本文讨论了基于知识的专家系统在裂解生产故障诊断的应用,以及系统结构,论述了专家系统的一些问题和特点,为大型乙烯生产的故障诊断提供了一种新方法。     

A2O污水处理工艺过程故障诊断专家系统的设计与实现

提出一种基于故障树模型的A2O污水处理工艺过程智能故障诊断专家系统,可以根据故障信息判断故障的类型和引起故障的原因,并给出适当的处理措施,最终提高了污水处理效率.     

基于CLIPS的故障诊断专家系统开发

针对专家系统语言CLIPS仅支持正向链规则的限制,提出了一种利用面向对象的消息处理机制,使得在CLIPS环境下能够实现故障诊断中的反向推理;针对领域专家难以直接更新专家系统知识库的问题,结合化工故障诊断的实际情况,提出一个结构化的中文自然语言规则录入系统,并自动将录入的规则转化为专家系统语言CLIPS能够执行的代码。通过设计某合成氨企业变换工段故障诊断专家系统,验证了所提出方法的有效性和实用性。     

DCS故障诊断专家系统的开发研究

基于DCS故障诊断专家系统实际应用当中的重要性,分析了系统的运行环境及相关开发工具的选取;在此基础上,对系统的基本结构及知识获取系统的设计进行了阐述,这对于提高本系统的离线故障诊断效率及促进维护人员的培训都具有一定的借鉴作用。     

化工过程混合故障诊断系统的应用

故障诊断是保障化工过程安全、平稳进行的一个重要工具。主成分分析法(PCA)作为典型的故障诊断方法,已经广泛应用于各类化工过程的故障诊断,但在复杂过程的故障类别判断上还存在不足。而人工免疫系统对于自我-非我的识别能力有助于对故障类别的判断,并且其良好的自适应、自学习能力,有助于在诊断过程中对系统的完善和改进。本文将主成分分析法与人工免疫系统结合,建立了一个新的混合故障诊断系统,实现对于化工过程故障的早期诊断,并用Honeywell公司的UniSim平台建立了一个动态的化工过程模型,对该诊断系统进行了验证。     

注塑机锁模机构CAD的研究与开发

介绍注塑机肘杆式锁模机构的CAD系统,应用专家系统技术、优化设计技术和参数化绘图技术,构造了集结构设计、分析和自动绘图于一体的CAD系统,重点阐述了系统的结构和主要模块设计。     

《上海粉煤灰砼专家系统》的功能与特点

简要介绍专家系统的现状 ,“上海粉煤灰砼专家系统”的结构与功能 ,以及建立该系统的意义     

A hybrid expert-procedural system for the design of reverse-osmosis desalination plants

The problem of computer-aided design and synthesis of a reverse-osmosis desalination plant is presented. A hybrid expert-procedural system has been developed that deal with the synthesis problem at two levels of abstraction. The expert part of the system uses qualitative data, and through heuristics, makes decisions about the structure of the plant. The procedural part of the system uses the decisions of the expert part as a basis for detailed design and optimisation. The heuristics used in the expert part come from experienced designers and from proposals of membrane manufacturers. The detailed calculations are based on mass balance equations and correlations for the permeators. The system developed can be used to propose a reverse-osmosis plant structure and to perform detailed calculations for possible design scenarios envisaged by the user. A case study on such a plant is also given and shows how the expert system handles the design problem of a reverse osmosis desalination plant.     

Hopfield神经网络与专家系统相结合的换热网络设计方法有效性分析

在利用Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）模型搜索换热网络中最佳物流匹配方式时,通过建立专家系统来描述匹配过程中必须考虑的定性及定量因素,协助调整ＨＮＮ模型运行过程中的寻优方向,以减小ＨＮＮ模型的搜索空间,保证问题的全局优解。文章通过实例说明了该混合方法的有效性。     

催化裂化装置故障诊断系统设计与开发

结合数据分析与专家系统技术，提出一种流化催化裂化装置(FCCU)故障监测与诊断系统结构，包括：离线组态环境、数据库、在线运行环境。仿真结果表明，该系统诊断效果良好，能满足工厂的实际需求。     

基于红外热成像技术的电气设备预知维护专家系统

介绍了一种以红外热成像技术为基础的电气设备预知维护专家系统的应用设计方案,对电气设备运行维护的现状、预知维护的概念和红外热成像技术进行了简要分析,详细说明了预知维护专家系统的构成、开发过程和实际应用作,重点阐述了如何利用红外热成像技术,建立状态分析专家系统,实现电气设备的预知维护.     

Expertensysteme in der Verfahrenstechnik — Konfiguration von Rührapparaten

Expert Systems in Chemical Engineering – Examples in the Configuration of Agitators. The structuring of relevant knowledge and its formalized representation in a knowledge base is the main prerequisite in employing an expert system. The present paper discusses functionality and conception of expert systems and explains their advantages over conventional programming. Furthermore, the structure of an expert system for the configuration of agitators in food processing is presented.