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。     

基于故障树的电力变压器故障分析

通过分析电力变压器故障现象及故障原因,构建了相应的故障树,结合专家系统在故障诊断领域的优势,构建了基于故障树的电力变压器故障诊断专家系统。在专家系统中以规则表示及模糊表示法构建相应的知识库,采用专家正反向推理及模糊推理相结合构建了推理机,实现了变压器故障诊断知识的更新,提高了故障查找的准确率,有利于预防电力变压器的故障。     

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 FCM 和条件熵的风机属性约简

矿井风机是矿下作业的重要机械之一,针对矿井风机振动故障诊断中故障征兆的使用问题,基于FCM聚类分析和条件熵相结合的方法提出了一种新的属性约简方法,首先按照特征频率实现对风机故障的聚类,接着结合最大隶属原则和条件熵完成对属性的约简并最终为专家系统提供有效的诊断规则库,从而能更好的实现故障的诊断。     

变压器故障诊断的专家系统研究

针对变压器的故障特点,提出了采用基于规则的产生方法进行知识表示,以模拟方式构造知识库,并选用正反向混合推理方式,创建变压器的故障诊断专家系统。     

基于改进决策树算法的设备故障智能诊断模型

提出一种改进决策树智能故障诊断方法.首先构建故障诊断原始决策表,然后对特征数据进行离散化处理;接着利用可辨识矩阵约简算法对决策表进行属性约简;最后利用 G45 算法构造出最优诊断决策树;并对实例进行故障诊断.结果表明:该方法能有效地删除冗余信息,形成精简的决策规则库,提高故障识别速度,具有很强的工程实用性.     

基于案例推理的车辆故障诊断专家系统研究

针对传统故障诊断方法的局限性及在汽车开发试验过程中的高效率故障诊断的需求,研究基于案例推理的车辆诊断专家系统。定义故障事件的知识输入的规则,建立推理模型依据案例数据进行故障根本原因分析并给出检测指导。并利用分析过的案例形成不断丰富的知识库和规则库。以自动变速箱诊断为例编写了故障诊断专家系统,在实例使用中进行了方法有效性的验证。     

基于RS和多类SVM的变压器故障诊断

鉴于电力变压器故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和支持向量机(SVM)相结合的故障诊断模型.先利用RS对变压器的故障样本进行知识约简,以获得故障征兆最小条件属性与故障类型的相关关系;后利用多类SVM对小样本数据的泛化能力,建立多类故障分类器用于故障诊断.实例验证了该方法是有效的.     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响,其中存在大量的不确定因素.综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一.本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试.     

基于RS和多类SVM的变压器故障诊断

鉴于电力变压器故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和支持向量机(SVM)相结合的故障诊断模型.先利用RS对变压器的故障样本进行知识约简,以获得故障征兆最小条件属性与故障类型的相关关系;后利用多类SVM对小样本数据的泛化能力,建立多类故障分类器用于故障诊断.实例验证了该方法是有效的.     

数控磨床故障诊断专家系统

本文从基于规则的专家系统的角度简单介绍了数控磨床故障诊断专家系统,对其特征、故障的分类以及如何建立数控磨床故障诊断专家系统进行了详细的介绍.     

基于模糊Petri网的门式起重机故障诊断专家系统研究

为了诊断不确定性的门式起重机故障,在传统专家系统的基础上采用模糊Petri网来表示知识并进行逻辑推理进行故障诊断。在基于规则库的诊断基础上,运用模糊Petri网图形化的方法进行逻辑推理和知识表达,对故障信息的模糊性和不确定性进行表示和处理,并通过人机对话进行模糊量化。通过门式起重机故障诊断案例分析,结果基于模糊Petri网的门式起重机故障诊断专家系统可以快速诊断门式起重机的故障。说明采用模糊Petri网的专家系统可以较好地快速诊断不确定性的门式起重机进行故障,具有一定的应用性。     

轧机齿轮箱故障诊断专家系统的研究与实现

机械设备的故障诊断依赖大量的数据检索和重复的频率计算,而常见故障具有很强的规则性。将典 型故障特征规则与现场技术人员的经验总结进行信息规则化后存储至诊断规则库,利用计算机将自动频率计 算和自动搜索与故障诊断推理规则相结合,开发出轧机齿轮箱故障诊断专家系统,为现场的技术人员提供了 快速轧机齿轮箱智能诊断工具。     

减速机故障诊断专家系统的关键技术研究

开发用于减速机故障诊断的专家系统,提供两种诊断方式:基于经验规则的感官现象诊断和基于检测数据的模糊诊断,从而满足不同场合下的故障诊断需要.根据不同产品型号故障特点,对知识库的采用"系列化"设计,并着重讨论采用故障树规则推理和模糊决策技术进行故障推理,发挥它们对不同知识表示时的推理优越性,体现了诊断方法的科学合理性.     

基于RBR+CBR双重推理的带式输送机驱动系统故障诊断研究

基于规则推理(RBR)和基于案例推理(CBR)的方法均适用于带式输送机故障诊断领域。针对二者在故障诊断中或侧重原因分析或侧重维修手段的问题,对基于RBR+CBR双重推理的推理机制进行了研究,并建立了专家系统,对带式输送机驱动系统进行了故障诊断。首先,在传统专家系统的结构基础上构建了故障诊断专家系统;然后,根据故障机理建立了驱动系统故障树,采用产生式表示法设计了故障规则库,根据故障案例与专家经验,采用矩阵表示法设计了故障案例库;基于规则推理(RBR)和基于案例推理(CBR)的方法,设计了专家系统推理机制;利用LabVIEW程序开发平台设计了专家系统人机交互界面,实现了传感器—知识库—客户端之间的串联通信;最后,为了验证上述专家系统的可行性,在某矿带式输送机运行现场进行了实验,并进行了结果分析。研究结果表明：该带式输送机专家系统的故障原因分析准确率超过95%,故障维修方案有效性超过94%;与RBR、CBR算法支持下的专家系统相比,该专家系统具有更优的收敛性、有效性和准确性,为带式输送机的故障智能诊断提供了一种有效的方法。     

基于实例推理的数控机床故障诊断系统研究

数控机床故障有效诊断与维护是提高数控机床的开机时间和开机率的关键技术之一.研究了一种基于实例推理的数控机床故障诊断专家系统,主要针对解决数控设备加工过程中常见故障、共性故障以及群发性故障.将数控故障诊断涉及的知识分为机床结构类知识、故障现象和故障部位影射知识库和历史故障实例库,采用基于产生式知识表达方式,在基于实例的基础上结合基于规则的方法.单机情况下应用表明,该系统能够较好地满足数控设备加工过程常见故障的发现和诊断.     

基于规则的智能仪器故障诊断专家系统

针对对智能仪器进行故障维护需要耗费大量人力物力且效率较低的问题,提出了使用专家系统进行故障维护的方案。介绍了专家系统的结构和不确定性推理方法。以智能金属检测机为实例,建立了故障分析树并据此导出故障诊断规则树,利用可信度进行基于规则的正向推理,使用Ruby语言构建了故障诊断专家系统。使用20个故障样本对其进行测试,结果表明该专家系统能够正确诊断大多数故障,可供实际使用。     

电力变压器故障诊断中模糊决策方法应用的初探

电力变压器故障诊断受众多因素的影响,集中存在大量的不确定因素。综合各方面因素,判断出变压器运行或检修状况的优劣变化,是变压器故障综合诊断所要求达到的目的之一。本文将模糊决策方法应用于变压器故障诊断中,为解决这一问题提供了一种新的尝试。     

基于大量故障实例的故障诊断系统设计

一些具有组分结构的系统（如机载火力控制系统）相当复杂,要想获得全套系统精确的故障诊断数学模型是非常困难的。利用维修人员在基层级和中继级获得的大量故障实例,采用神经网络和专家系统技术,则可以设计出一种基于症状知识的故障诊断系统。该故障诊断系统主要由知识库、专家规则诊断单元和神经网络诊断单元组成,其神经网络诊断单元随着故障实例训练的增加而不断成熟,专家规则诊断单元则可以通过神经网络对故障实例的训练与仿真来完善和扩充,具有很强的自学习功能和专家规则不能包容的新故障诊断能力。     

量化特征关系用于不完备故障诊断的知识获取方法

为了从包含多种未知属性值的不完备故障诊断信息中获取决策规则,提出一种量化特征关系用于不完备故障诊断的知识获取方法。首先,结合不完备故障诊断信息产生的原因,确定未知属性值的类型;然后,利用量化特征关系对不完备故障诊断信息进行分析;最后,利用量化特征关系下属性约简算法获取故障诊断决策规则。结合故障齿轮箱的诊断实例验证了该方法的有效性,结果表明此方法可以从包含三种未知属性值的不完备故障诊断决策表中直接获取准确的故障诊断决策规则。