汽轮发电机组故障诊断专家系统的研究与应用

介绍一个基于知识的汽轮发电机组故障诊断专家系统ＫＢＦＤＥＳ，系统采用“框架＋规则”知识表示技术，并将框架驻留在内存，而将规则驻留在虚拟盘上；在诊断过程中采用广义的不精确推理策略，并对重要信息用一个组合神经网络进行智能识别；系统将神经网络技术和ＩＤ３算法结合可以实现从诊断实例自动获取知识。     

基于神经网络和规则的专家系统的应用研究

本文对专家系统在材料加工领域的应用特点及现状进行了分析与研究，采用基于人工神经网络和规则的知识表示和获取方法，实现了一个混合型的专家系统；并结合实例，讨论了神经网络与专家系统的集成，以及系统的程序框架与功能设计、各模块的主要实现思路；最后，通过实验数据验证，系统的泛化结果误差小于6％。     

基于神经网络的知识获取

本文提出了用基于规则专家系统与神经网络的集成，该系统实现了从实例中自动获取知识的功能．在产生和控制不完全情况方面提高了专家系统的推理能力．它使用无导师学习算法的神经网络来获取正规数据，并用一个符号生成器把这些正规的数据变换成规则．生成规则和训练后的神经网络作为知识库嵌于专家系统中．在诊断阶段，为了诊断不明情况，可同时使用知识库和人类专家的知识，而且系统可以利用训练过的神经网络的综合能力进行诊断，并使不相符数据完整化．     

一个基于神经网络的专家系统

医疗专家系统主要使用基于知识的技术，其中的决策规则和策略来自于人类的专家。把这些知识和各种推理方法结合，可以建立一个模拟专家决策过程的系统。建立这样一个系统，需要经常与专家磋商，以获取专家的知识，因而需要大量的时间和精力。为此，本文提出直接从数据中提取有效的信息，即用神经网络提取隐含在大量数据中对医疗诊断有效的信息，继之与基于规则的知识，各种推理方法相结合，建立一个神经网络专家系统。     

基于改进的BP网络的语法分析系统设计

针对汉语语法分析问题提出了一种基于改进的BP网络的语法分析专家系统的设计方案。其核心是构造存储和管理文法知识的知识库及具有语言专家智能行为和语法分析能力的推理机。本系统中知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中；推理机采用神经网络进行推理。最后给出了系统的运行实例，说明该系统的有效性。     

基于故障树的故障诊断IDSS的设计

将智能决策支持技术引入故障诊断，给出系统的总体设计，并详细阐述基于故障树的知识库和推理机的设计。采用面向对象基于框架、规则、元知识集成的广义故障树知识表示方法，同时给出了基于故障树最小割集和最小路集的故障快速推理算法，实现了故障的迅速诊断。     

基于神经网络的汉语文法分析专家系统的设计

本文提出了一种基于神经网络的汉语文法分析专家系统的设计方案。知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中。推理机采用神经网络进行推理。在论文的结尾给出了系统的运行实例，说明了该系统的有效性。     

一种用模糊－神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法（ＦＮＴ方法）。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导出），帮助解释神经网络的内部表示和操作。利用本文所提出的方法建造的系统可实现快速的无匹配模糊推理，并具有较强的学习能力。     

一种用模糊—神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导入），帮助解释神经网络的内部表示和操作，利用本文所提出的方法建     

基于人工神经网络的葡萄病害诊断专家系统

设计了一种基于人工神经网络的葡萄病害诊断专家系统。以常见的18种主要的葡萄病害为研究对象,将专家知识转换为诊断规则,并作为学习样本输入神经网络进行训练,形成人工神经网络推理机。同时,采用知识库、规则推理和人工神经网络推理相结合的系统结构来优化专家系统,在提高专家系统自学能力的同时也提高了系统的响应速度。采用C#、Matlab和.NET技术混合编程实现专家系统,实验结果表明该系统有较高的诊断准确率并能稳定运行。该系统在Web上运行,更有利于系统的推广应用。     

注塑件缺陷诊断专家系统的研究及应用

本文建立了一个基于知识的注塑件缺陷诊断专家系统ＫＢＤＤＥＳ。该系统采用不精确推理及确定性理论,按人类专家处理问题的思维方式来协调各专家对问题假设的不确定性,并运用正反向混合推理的控制策略,对常见的注塑件缺陷及注射过程中的故障进行诊断,得出结论并给出避免缺陷或故障的方法及建议。系统知识的表达采用了“框架十规则”的复合表达技术,使不同层次的知识源统一于同一知识表达结构内。     

故障诊断知识标准化描述方法综述

诊断知识是智能诊断系统的核心。对传统的知识表示、面向对象的知识表示、AI-ESTATE诊断知识标准化表示、基于XML语言和ATML标准的诊断知识表示进行比较,总结了故障诊断知识表示方法的发展趋势,分析了ATML描述AI-ESTATE标准定义的各种测试诊断知识的优势与实现困难。通过对典型的AI-ESTATE诊断知识类型转换方法和描述进行举例,为面向ATML标准的AI-ESTATE诊断信息标准化描述方法指明了方向。针对语言定义的不同使得目前的描述还不高效的现状,对未来标准化描述发展方向做出了展望。     

人工神经网络在汽轮发电机组故障诊断中的应用

基于ＢＰ神经网络，结合船舶汽轮发电机组故障诊断问题，提出了一个适合于复杂、非线性系统的块层化神经网络诊断模型，并开发了一个诊断系统。通过实验优化了网络参数，经在某船舶汽轮发电机组进行的运行实验，验证了诊断模型高效的自组织、自学习能力。初步试验结果表明诊断系统是有效和可行的。     

基于国际头痛诊断标准的原发性头痛辅助决策系统

针对原发性头痛在我国发病率较高但诊断准确率较低的问题,提出了一种将文本化的国际头痛诊断标准转换为计算机可执行推理的临床知识建模和知识库构建方法,该方法首先将基于诊断标准绘制的诊断思维流程图转换为规范化的临床知识表达模型,再将临床知识表达模型通过规则映射技术转换为计算机推理诊断所用的规则,形成知识库。并以此为基础开发了覆盖完整头痛诊断流程的原发性头痛辅助决策系统。临床评估显示,该系统可正确识别出91.3%的偏头痛、87.2%的紧张型头痛和90.0%的丛集性头痛病人,对常见的原发性头痛具有较高的诊断准确率。     

D-KAT: a deep knowledge acquisition tool

Abstract: This paper describes a system of shallow and deep knowledge acquisition and representation for diagnostic expert systems. The acquisition system is integrated into a diagnostic expert system shell. Shallow knowledge is represented in a failure model as a set of cause-effect relations among the possible faults, while deep knowledge is represented in three deep models: a functional, a deep causal and a taxonomic model. The acquisition and the representation of all the models are fully integrated. The deep knowledge is used by the final expert system in order to provide the user with deep explanations of the cause-effect relations of the failure model.     

多引擎动物疾病诊断专家系统

传统疾病诊断专家系统通过单次推理过程进行知识运用,其知识利用率低,结论准确度低且不具备对比度。该文以山羊为例,运用面向对象的知识表示方法对疾病诊断领域知识库进行建模,结合专家训练过程与诊断模型,提出知识库多引擎判决思想,多次牵引知识库运用知识,构造面向对象加权不确定判决和样本匹配判决算法。实验结果表明,多引擎诊断模型提高了知识库数据资源的利用率,改善了诊断准确度,增加了对比度。     

Modeling diagnosis at multiple levels of abstraction. I. Representing causal relations at multiple levels of abstraction

A significant body of causal knowledge for diagnostic problem-solving is organized at multiple levels of abstraction. By this we mean that causal relations are specified in terms of disorder and manifestation classes that can be further refined as well as in terms of specific, unrefinable disorders and manifestations. Such knowledge enables diagnostic problem-solvers (human or automated) to efficiently form initial, high-level diagnostic hypotheses while avoiding the explicit consideration of unnecessary details. This article develops a knowledge representation framework to precisely yet naturally capture causal relations at multiple levels of abstraction. Different interpretations of high-level causal associations are precisely defined and systematically tabulated. Rules to infer implicit causal relations from explicitly declared causal relations are also identified. These ideas have been implemented in a working system for medical diagnosis. the results presented in this article also offers a new perspective on studying the semantics of knowledge representation in general.     

Strategies for knowledge acquisition

This paper describes knowledge acquisition strategies developed in the course of handcrafting a diagnostic system and reports on their consequent implementation in MORE, an automated knowledge acquisition system. We describe MORE in some detail, focusing on its representation of domain knowledge, rule generation capabilities, and interviewing techniques. MORE's approach is shown to embody methods which may prove fruitful to the development of knowledge acquisition systems in other domains.     

从知识表示到算法的研究——三枚钱币问题的状态空间表示和算法实现

阐述了知识表示技术对问题求解的重要性 ,简介了三类求解问题所需的知识及机械化推理、系统构成等技术 ,并以“三枚钱币问题”为例 ,给出了从知识表示到算法实现的研究过程。