故障树专家系统在有效载荷状态诊断的应用

故障树分析法（Fault Tree Analysis,FTA）是分析系统可靠性和安全性的一种重要方法,在各行业故障诊断中得到了广泛的应用。通过将故障树分析法和基于规则的专家系统相结合,对于发现卫星故障并成功维修以确保在轨卫星应用任务的正常运行具有重要意义。文中建立了故障诊断框架,提出适合空间有效载荷故障知识获取及表示方法,可以极大地降低系统知识获取的难度,并提出载荷状态诊断的快速推理机制,实现了对实际任务中有效载荷状态故障的诊断。该诊断方法新颖,具有直观、非接触性、成本低、诊断速度快和正确性高的特点,能够极大地提高卫星运行控制工作的自动化程度、工作效率。     

基于RIPPER的旋转机械故障诊断知识获取

数据挖掘技术能够从大量、不完全、有噪声、模糊、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的本质的规律。为了有效地发现旋转机械故障诊断过程中的故障征兆知识,引入数据挖掘技术和方法。针对旋转机械,构建了基于重复增量修枝算法RIPPER（Repeated Incremental Pruning to Produce Error Reduction）的故障诊断知识获取系统。通过收集故障现象并整理成由故障征兆、故障类型等组成的故障信息样本,应用RIPPER算法对故障进行分析得到故障诊断规则集文件,实现故障诊断系统知识的获取和自动更新,并能对旋转机械的常见故障进行诊断,验证了算法的合理性。     

基于PSPICE的视频放大电路故障知识获取方法研究

介绍了一种新的逆向思维故障诊断方法.将此方法应用于某型雷达系统内部视频放大电路故障知识的自动获取,应用结果证实了所提方法可以降低知识获取的工作量以及对专家的依赖性,能在一定程度上实现知识获取的"自动化".     

降雨量传感器的故障诊断方法研究

降雨量的测量对气象预报及防汛减灾具有重要作用,因此当降雨量传感器发生故障时需要能快速修复。而目前应用最广泛的翻斗式降雨量传感器其故障类型多样,致使故障诊断难度大。为此,本文提出一种基于故障树理论与灰色关联法的降雨量传感器故障诊断新方法,采用故障树理论及灰色关联分析法建立了专家系统,通过故障知识获取、故障树建立、灰色关联度获取、知识库构建和推理机推理设计,实现了降雨量传感器的故障诊断。试验验证表明,该方法故障诊断快速准确,实现系统自动诊断替代人工检测与排查,准确率可达到90%以上,提高了降雨量传感器的诊断与维修效率。     

基于事件记录的塞拉门故障诊断方法

提出了一种基于事件记录的塞拉门故障诊断方法,该方法在诊断知识数字化的基础上,结合知识检索技术实现了塞拉门故障诊断的计算机化,从而较好地解决了列车塞拉门系统检修工作中一直存在的故障部位查找困难和故障隐患难以排除的问题。应用该方法在塞拉门故障的现场诊断中获得了满意的效果。     

虚拟仪器在变压器故障诊断中的应用

传统的故障诊断方法存在知识获取困难、推理效率低和自适应能力差等缺点,且故障征兆和故障类型之间常常存在复杂的非线性关系,这使得获取诊断系统的数学模型非常困难,提出将RBF神经网络用于分析变压器油溶解气体的故障诊断系统.通过虚拟仪器软件LabVIEW编制诊断程序,设计了可以采用IEC三比值法和RBF神经网络法进行变压器故障诊断的系统.该系统具有数据保存和回读功能以及良好的人机界面,经测试诊断表明其效果较好.     

电气系统智能诊断方法研究

针对电气设备故障诊断中故障原始数据收集困难的现状,在模糊集合理论、可能性分布理论和模糊逻辑推理基础上设计出一套智能计算程序,并将故障仿真技术和知识获取技术相结合,实现故障知识获取的“自动化”。该方法可以降低故障知识获取的工作量以及对专家的依赖性,使快速诊断故障位置及故障原因成为可能。     

卫星电源系统的有向图分层诊断方法

在卫星电源故障诊断问题的研究中,针对系统的知识获取难问题,提出了一种将有向图和CLIPS专家系统相结合的分层诊断方法。这种方法利用有向图知识描述容易和CLIPS推理引擎快速的优势,设计了一个以事实描述系统模型知识的自定义模板结构,同时采用有向图分层策略减小故障搜索空间,然后利用CLIPS提供的快速匹配算法完成诊断推理过程,最后结合已有的专家经验知识给出卫星电源的故障诊断结果。实验结果表明,新方法具有很好的准确性和快速性。     

设备故障容错控制专家系统及应用

本文将故障诊断与容错技术相结合，设计了一种对设备故障能进行自动监测、诊断和容错控制的专家系统。重点介绍该专家系统的结构特点，知识获取和组织，故障容错控制策略及实现方法。最后给出了一个应用实例。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统;该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位;系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计及解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

基于遗传算法的知识获取及其在故障诊断中的应用研究

从优化角度出发,本文提出一种基于遗传算法的机器学习方法,该方法能够从学习 实例中总结出有用的知识．针对该优化模型,本文用一种新型的遗传算法对其进行优化,并 将该方法应用于旋转机械故障诊断知识获取过程,仿真实验结果说明该方法是比较有效的．     

装备故障诊断专家系统知识获取方法

针对导弹武器装备故障诊断专家系统的知识获取与机器学习进行研究，系统介绍了知识获取与机器学习系统的构成。提出了一种基于仿真技术的故障知识获取方式，仿真数据经过分析、变换，转化为知识，从而实现知识获取。     

基于流向图的不完备信息下导弹故障诊断知识获取

针对导弹故障诊断过程中出现信息缺失、数据不完备的问题,提出一种基于流向图的导弹故障诊断知识的获取方法;首先,提取故障特征信息,并利用特征关系对故障诊断知识进行分类处理,得到同一特征关系下的故障诊断实例集合;然后,建立不完备故障诊断流向图,并表述出各个节点之间的置信度和覆盖度,作为衡量完整路径的指标,构建导弹故障诊断知识获取框架;最后,结合实例分析,验证该故障诊断知识获取方法具有较好的直观性,为导弹故障诊断工作提供有效参考。     

基于混合学习算法IHMCAP的故障诊断模型

在故障集和差错属性集的基础上,通过结合了基于概率论的符号学习与神经网络学 习的增量式混合型多概念获取算法IHMCAP寻找属性值与故障类型之间的对应关系,由此 建立一个故障诊断模型.实验表明,该模型不仅精度高、速度快、学习能力强,而且在利用系统 的先验知识与新增数据上也取得了均衡.     

Knowledge acquisition by incremental learning from problem-solution pairs

This paper describes LEW (learning by watching), an implementation of a novel learning technique, and discusses its application to the learning of plans. LEW is a domain-independent learning system with user-limited autonomy that is designed to provide robust performance in realistic knowledge acquisition tasks in a variety of domains. It partly automates the knowledge acquisition process for different knowledge types, such as concepts, rules, and plans. The inputs to the system, which we call cues , consist of an environmental component and of pairs containing a problem and its solution. Unlike traditional forms of "learning from examples", in which the system uses the teacher's answer to improve the result of a prior generalization of an example, LEW treats the problem-solution or question-answer instances, i. e., the cues themselves, as the basic units for generalization.     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

汽车故障诊断专家系统关键技术的研究与发展

在收集整理大量国内外相关研究文献的基础上,针对知识获取方法、知识表示方法及推理策略等这些关键技术相应的解决方法进行了分析,包括对传统方法的改进,如故障规则的自动获取、组合的知识表示方法和推理方法的多样化等,以及新理论新技术的应用,如基于案例的专家系统、基于模糊的专家系统、基于神经网络的专家系统以及基于行为的专家系统等,并提出智能化、网络化和集成化是未来故障诊断专家系统的发展方向。     

粗糙集理论在故障诊断规则获取中的应用

本文的目的是给出一种利用粗糙集理论解决故障诊断的规则获取问题的方法 ,该方法的特点是可以处理由于类重叠引起的样本信息不精确、不一致情况下的规则获取 .以规则形式表示的知识接近于人脑推理过程 ,因此基于规则的诊断方法在故障诊断中得到广泛使用 ,但规则获取是其瓶颈之一 .粗糙集 (RS)理论是为开发自动规则生成系统而提出的 ,其主要思想是在保持分类能力不变的前提下 ,通过知识约简 ,导出概念的分类规则 .因此 ,可以把 RS理论用于规则的故障诊断中 .本文给出了基于决策矩阵和决策函数的获取规则方法的流程图 ,以故障诊断实例说明其使用方法 ,并验证了其有效性