采用多信号流图模型的雷达接收机故障诊断方法

介绍了多信号流图模型建模的基本方法。利用多信号流图模型建立了雷达接收机的故障诊断模型,得到了反映故障源和测试结果之间对应关系的故障依赖矩阵。在此基础之上结合故障源先验故障概率信息推导了一种计算故障源贝叶斯最大后验概率的算法。将该算法应用于某型雷达接收机故障诊断中,以故障后验概率最大为判断准则,实现了对雷达接收机系统的在线多故障实时诊断。     

对象技术在案例推理故障诊断中的应用

从认识论的角度,提出了对象技术和案例推理的相似关系。分析了案例推理的几个重要问题,包括案例的多级索引、用模糊聚类精化案例库和模糊模式识别的案例相似性匹配。并结合数据库技术将上述方法应用到故障诊断专家系统的设计,结果表明该方法是有效的。     

模糊神经网络推理技术及在故障诊断中的应用

分析了故障诊断中基于符号表示的常规推理技术和基于神经连接的神经网络推理技术的不同特点并进行了优劣比较；详细考察了用于推理的模糊神经网络基本构造及逻辑基础；给出了基于纯模糊逻辑系统和Takagi—Sugeno模糊逻辑系统的几种常用模糊神经网络推理模型；最后应用一种网络结合max-min算法分析了一个故障诊断实例，并得出较好的结果。     

数据挖掘在故障诊断专家系统知识获取中的应用

介绍了数据挖掘的概念，指出了数据挖掘与知识获取之间的关系，并着重阐述了描述性数据挖掘、关联规则挖掘、数据挖掘分类算法在故障诊断专家系统知识获取中的应用，最后给出了一个用数据挖掘分类算法生成故障树的实例。     

基于案例推理的电力设备多故障诊断方法

在分析多故障模式特点的基础上,建立了面向多故障的案例知识库,并提出了一种基于二次检索策略的电力设备多故障诊断方法.采用基于权重隶属度的候选案例生成方法对案例库进行初步检索,有效地减少了候选案例的数量.通过灰色关联分析对案例相似度进行计算,获得最有可能发生的故障案例,避免了多故障组合爆炸所带来的大计算量问题.最后通过实例对所提出的方法进行了说明.     

结合遗传算法的人工神经网络在汽车故障诊断中的应用

本文提出采用遗传算法优化人工神经网络结构的初值,将遗传算法与人工神经网络结合起来,迅速得到最佳人工神经网络权值矩阵与阀值向量,实现汽车故障诊断。     

缺省推理中的模糊知识

知识表示是人工智能中形成常识推理模型的基础,这里强调模糊逻辑在其扩展模型中充当的重要角色,笔者使用两层次模糊意义,给出了基于近似推理框架表达的缺省推理,提出了此框架下解决不一致性的新思路。     

分层式专家系统在故障诊断及远程维护支持中的应用

针对一类军事指挥自动化系统，提出了远程维护和故障修复支持技术模型，对适应该模型的专家系统技术进行了深入的探讨，并利用分层结构专家系统技术实现了该系统的远程故障诊断与维护支持，最后给出了基于CLIPS专家系统的一个实现模型，包括推理机与知识库的设计和实现．     

多专家系统协同作业故障诊断中的知识处理方法

本文介绍了中小型水电厂故障诊断的知识组成及表示方法,着重分析了多专家系统协同作业进行故障诊断中知识处理的内部机理     

多小波自适应阈值降噪在故障诊断中的应用

为了提取淹没在强背景噪声下的微弱故障信息,引入多小波自适应阈值降噪方法实现滚动轴承的信号去噪,并结合包络解调提取故障特征.多小波具有多个尺度函数和小波函数,具备单小波无法同时满足的对称性、正交性、紧支性和高阶消失矩等优良特性,可匹配信号中的不同特征信息.基于轴承外圈点蚀故障的仿真信号,分别利用GHM多小波和Db2小波对其进行降噪处理.通过信噪比的定量分析表明,相比单小波而言,多小波的降噪优势明显.针对滚动轴承的微点蚀实验信号和现场实采集的工程数据,多小波自适应阈值技术比单小波方法具有更好的降噪效果,且更易于提取出滚动轴承的早期故障信息.     

Petri网在智能评估系统知识表示和推理中的应用

为解决考核评估中传统算法存在的问题,实现计算机自动评估,将Petri网应用于模拟训练系统操作评估.提出Petri网的评估知识表示方法,针对故障处理操作的复杂性和动态性,将模糊Petri网应用于机电人员故障处理操作的评估推理.该应用能提升评估知识表示的质量,改善故障课目评估效果.所开发的智能评估系统应用在培训教学中,提升了艇员的培训效率和质量.     

结合N-W方法的L-M算法在变压器故障诊断中的应用

在分析Levenberg-Marquardt(L-M)算法和Nguyen-Widrow(N-W)方法原理的基础上,提出了一种多层前馈神经网络训练算法,该算法在使用N—W方法初始化神经网络可变参数的基础上使用L-M算法训练多层前馈神经网络。构造了适合于变压器油中溶解气体分析故障诊断的神经网络,使用了标准BP算法、加动量项BP算法和结合N-W方法的L-M算法训练该网络,结果表明算法收敛速度快、不容易陷入局部极小点。将训练所得网络用于变压器油中溶解气体分析故障诊断,诊断结果验证了该方法的有效性。     

模糊神经网络在多冲液压系统故障诊断中的应用

介绍了BP神经网络以及常见液压故障,设计了一个具有自动诊断液压系统故障的BP神经网络.     

多尺度熵方法在机械故障诊断中的应用研究进展

机械设备状态监测与故障诊断的关键是故障特征的表征与提取,采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来,通过不断修改和改进来提高熵估计的准确性,多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息,其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述,总结不同方法的特点优势与不足;针对多变量数据处理问题,综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战,对未来发展方向进行展望,即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。     

多层专家系统知识表达与推理技术的实现

从实际出发,提出了一种用多层专家系统的技术解决复杂领域问题的方法。其技术的关键问题是知识的表达方法和推理机制的策略。对于知识处理文中给出了用KDL语言描述知识库的方法,对于推理机制给出了数据驱动、目标制导及双向求解的推理方法的具体算法,实践应用表明这些方法是可行的。     

结合先验知识的神经网络在生化系统建模中的应用

生化系统由于其高度的非线性，往往难以得到一个精确的数学模型，虽然许多学者为此做了很多工作，提出了各种模型，但这些模型的精确度和适应性还有待提高。而单纯用神经网络建立的模型由于其各种局限性，精确度也很难得到保证。将神经网络和先验模型结合而构成混合模型可以提高整个模型的精确度和泛化能力。本研究将动态递归神经网络和废水生化处理系统的先验模型结合，说明了结合先验模型的神经网络模型的优越性。     

证据推理在教学质量评价中的应用

讨论了证据推理的理论和方法,并利用证据理论对学生评教进行客观、定量评价,为教学质量评估提供了一种新的处理方法.     

证据推理在教学质量评价中的应用

讨论了证据推理的理论和方法，并利用证据理论对学生评教进行客观、定量评价，为教学质量评估提供了一种新的处理方法。     

类间距节点优化DDAG-SVM算法在多故障诊断中的应用

针对决策导向无环图支持向量机(DDAG-SVM)方法根节点的选择会影响分类结果的不同及影响故障诊断的准确性的问题,文中将DDAG-SVM多分类方法中的节点进行优化,得到了一种通过计算类间距确定分类树根节点的改进算法.实验结果表明:类间距节点优化的DDAG-SVM方法较传统DDAG-SVM分类方法准确率提高了4%,且分类效率提高了26.1%.     

模糊集在基于事例推理中的应用

首先介绍了基于事例推理（ＣＢＲ—Ｃａｓｅ－ＢａｓｅｄＲｅａｓｏｎｉｎｇ）的概念，之后分析了ＣＢＲ中现有检索方法的局限性．提出一种基于模糊优先比方祛的定量属性事例检索法．