基于Multi-agent的电梯曳引机故障诊断系统研究

在传统故障诊断的基础上,利用MAS系统的自主性、分布性、自适应性、同时对环境具有较强的适应性等特点,将多智能体(MAS)技术引入电梯曳引机故障诊断领域。基于Agent技术构造了一种MAS电梯曳引机故障诊断模型,设计了主要Agent,阐述了MAS电梯曳引机故障诊断系统的组织结构和关键技术,分析了基于MAS的电梯曳引机故障诊断方法和过程。该系统具有可扩充性、诊断资源可重用性、诊断过程自主性等优点,具有极好的推广价值。     

基于MAS的电梯故障诊断系统研究

在传统故障诊断的基础上,将多智能体(MAS)技术引入电梯故障诊断领域.基于BDI A-gent构造了一种MAS电梯故障诊断模型,阐述了MAS电梯故障诊断系统的组织结构和诊断流程,分析了基于MAS的电梯故障诊断方法和过程.     

基于多Agent的复杂系统故障诊断研究

在传统智能诊断基础上 ,将多Agent技术应用于动态、分布、实时和不确定的复杂系统故障诊断领域 ,以求解复杂过程诊断问题。讨论了基于MAS的分布式智能故障诊断方法和过程 ,提出并实现了一种Agent诊断系统结构及其原型系统 ,其中重点研究了诊断问题的任务辨识、分解、多Agent间的交互、协作以及诊断决策问题等。工程应用表明 ,该系统能快速、准确地进行故障成因分析 ,并给出有效的决策意见 ,取得了与专家相似的诊断结果。     

基于Multi-agent的分布式电梯故障诊断系统

采用基于分布式人工智能的思想,将多Agent技术引入电梯故障诊断领域,分析了基于MAS的分布式智能故障诊断方法和过程;研究讨论了基于MAS的分布式智能故障诊断系统中Agent之间的调度协同求解方法和机制;给出了知识共享与重用的方法;建立了一种分布式多Agent诊断系统结构及其原型系统．通过在电梯故障诊断的应用仿真,提高了故障诊断的实时性、准确性和整体性能。     

基于MAS的分布式智能故障诊断模型与关键技术研究

现代故障诊断已是一个动态的、分布的、柔性的、实时的和不确定的复杂系统，将多Agent技术引入复杂故障诊断领域，是求解复杂过程的故障诊断问题的一种新的尝试。文中讨论基于multi-agent system(MAS)的分布式智能故障诊断方法和过程，设计一种Agent诊断系统结构及其原型系统，对诊断问题任务辨识、分解、各Agent的内部诊断机制、多Agent间的交互、协作、关联模型以及诊断决策问题等进行深入研究。在一电力企业安全监控系统的应用中．该模型能快速、准确地进行故障成因分析，并给出合理的、建设性的决策意见。与传统的诊断方法相比体现了Agent技术的特有优势。     

基于智能BDI Agent的复杂系统故障诊断

在传统故障诊断的基础上,将Agent技术应用于复杂系统故障诊断领域,并基于BDI Agent构造了一种BDI型诊断Agent模型,利用它构成Multi-Agent System（MAS）。同时,详细阐述了BDI型诊断Agent及其MAS系统的实现和诊断流程。     

基于多智能体的复杂工程系统故障诊断研究

为了解决动态多变环境下的故障诊断问题，引入智能Agent技术，建立了一种基于多Agent的分布式故障诊断模型，该模型由多个分布于不同区域的Agent工作组组成，是一个分布式远程多Agent诊断系统。该系统主要由诊断Agent和管理Agent组成，通过各Agent之间的通信与协作实现多变环境下的故障诊断。实践证明，该诊断系统不仅能对各种故障作出及时反应，而且能准确给出诊断结果。     

机械设备智能诊断系统

本文对机械设备智能诊断系统进行了深入的研究,建立了机械设备故障诊断与状态预测的软硬件框架,并对设备智能诊断和状态预测的方法和技术进行了详细的说明,在此基础上开发了机械设备智能诊断系统.     

往复压缩机故障诊断技术中若干问题研究

介绍了往复压缩机故障诊断技术中的若干问题，包括：故障模式与诊断方法、数学模型与故障样本、分级诊断策略与人工神经网络、智能诊断系统构造等的研究结果。提出应根据故障模式来选择诊断方法；对于多级压缩机应采用两级诊断方案等观点。文中还简述了基于人工神经网络的智能诊断系统构造，并给出该系统的结构简图。     

基于多Agent的汽轮发电机组故障诊断系统

介绍了多Aent诊断系统的总体结构及组成部分,探讨了多Agnet诊断系统中的若干关键技术,在知识表达,通信协调,诊断方法等方面提出了一些新的思路,以其本知识单元及Agent诊断知识类为基础,通过系统的通信协调机制可以进行面向故障类型的模糊规则诊断,经过实践检验,系统诊断的结果是正确的。     

网络化制造模式下设备故障诊断专家系统的研究

结合网络化制造模式下企业生产特点 ,深刻分析了网络化制造模式下设备故障诊断专家系统的分布性和异构性 ,为满足对设备故障诊断专家系统的新要求 ,提出了一个快速有效建立网络化制造模式下设备故障诊断专家系统的实现模式及方法 ,即基于Internet的MAS(Multi-AgentSystem)设备故障诊断专家系统的实现模式及方法     

液压系统故障诊断技术综述

介绍了液压系统故障诊断技术的发展过程和各种典型的故障诊断方法,总结了液压系统故障诊断技术的研究热点,指出了通用化故障诊断系统是液压系统故障诊断技术的发展方向,智能传感器技术、信息技术和人工智能技术等的融合是通用化故障诊断系统的实现途径。     

液压支架液压系统故障仿真与诊断技术研究

针对目前支架液压系统故障诊断中获取故障数据较难等问题,提出了一种基于故障模拟仿真的支架液压系统故障诊断方法。在分析支架液压系统工作原理和常见故障的基础上,利用AMESim软件对其常见故障工况进行模拟仿真并采集样本数据,采用BP神经网络的故障诊断算法通过MATLAB软件进行故障仿真训练和诊断测试。结果表明,该方法具有较高准确性和可靠性,达到了预期目标,可用于支架液压系统的故障诊断,并为进一步开展支架液压系统智能故障诊断和健康监测奠定了研究基础。     

基于Web的工程机械故障诊断专家系统设计与实现

通过对设备工程机械各系统的工作原理、系统故障现象进行分析,确定诊断系统由故障巡检和故障诊断专家系统组成,系统知识库采用树状知识组织形式来描述,知识表达采用生产式规则和面向对象的知识表示法相结合的方式.在故障诊断的方法中引入了故障树分析,同时将领域专家的经验知识转化为诊断系统的知识,构建采用正向推理机制的诊断系统.     

故障诊断专家系统在烟草糖料自动配置中的研究与实现

针对烟草行业糖料配置系统的精度和可靠性问题，在分析了故障诊断基本方法的基础上，应用了故障分级诊断的思想，提出了四种适用的数学模型，并使用VC＋＋6．0开发工具开发了基于糖料自动配置系统的故障诊断专家系统。应用结果表明，该系统能够实现历史和实时数据自动导入、故障初级诊断、精密诊断和自学习，能够满足故障诊断的可靠性和精确性的要求。     

A real-time intelligent multiple fault diagnostic system

Modern manufacturing systems and their failure modes are very complex, and efficient fault diagnosis is essential for higher productivity. However, traditional fault diagnostic systems that perform sequential fault diagnosis can fail during diagnosis when fault propagation is very fast. This paper describes a real-time intelligent multiple fault diagnostic system (RIMFDS). This system deals with multiple fault diagnosis, and is based on multiprocessing by using a strata hierarchical artificial neural network (SHANN). If another fault occurs while an existing symptom is being diagnosed, the corresponding diagnosis module is triggered, and the fault diagnosis module of the new faulty unit begins to diagnose the faults in real time. RIMFDS can diagnose multiple faults with fast fault propagation and complex physical phenomena. The system consists of two main parts. One is a personal computer for remote signal generation and transmission, and the other is a host system for multiple fault diagnosis. The signal generator generates various faulty signals and image information and sends them to the host. The host has various modules and agents for efficient multiple fault diagnosis. A SUN workstation is used as a host for multiple fault diagnosis and graphic representation of the results.     

A real-time intelligent multiple fault diagnostic system

Modern manufacturing systems and their failure modes are very complex, and efficient fault diagnosis is essential for higher productivity. However, traditional fault diagnostic systems that perform sequential fault diagnosis can fail during diagnosis when fault propagation is very fast. This paper describes a real-time intelligent multiple fault diagnostic system (RIMFDS). This system deals with multiple fault diagnosis, and is based on multiprocessing by using a strata hierarchical artificial neural network (SHANN). If another fault occurs while an existing symptom is being diagnosed, the corresponding diagnosis module is triggered, and the fault diagnosis module of the new faulty unit begins to diagnose the faults in real time. RIMFDS can diagnose multiple faults with fast fault propagation and complex physical phenomena. The system consists of two main parts. One is a personal computer for remote signal generation and transmission, and the other is a host system for multiple fault diagnosis. The signal generator generates various faulty signals and image information and sends them to the host. The host has various modules and agents for efficient multiple fault diagnosis. A SUN workstation is used as a host for multiple fault diagnosis and graphic representation of the results.