基于Alopex神经网络的旋转机械故障诊断专家系统

提出了一种可以减小网络规模的故障表示方法,并将Alopex算法引入神经网络模型的训练过程,将人工神经网络与规则推理相结合,建立了旋转机械故障诊断的神经网络专家系统。该系统充分利用了神经网络与规则推理的优点,采用正反向混合推理方式调用知识库中的各种知识进行诊断。采用二进制数码表示机械的各种故障,基于Alopex算法训练神经网络。建立的专家系统克服了基于规则专家系统的自学习困难问题和基于神经网络诊断系统的系统控制能力弱的缺点,具有较强的诊断能力。     

基于知识与模糊神经网络的故障诊断专家系统

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计构造了诊断专家系统的整体框架,在框架中体现了在任务工机控制下,规则符号推理和模糊神经网络推理综合诊断的思想。知识库是诊断专家系统的核心,在本系统中定义了广义三层规则库结构,即元规则、故障诊断规则、结论合并规则。Ｒｕｌｅ型的模糊联想记忆器实现专家系统中的分类和综合功能,并讨论了模糊神经网络输入和输出模糊化的问题。本文为旋转机械故障诊断专家系统     

基于混合推理机制和光谱分析的活塞压缩机磨损故障诊断设计

建立了压缩机组磨损基于规则推理与人工神经网络混合推理的专家系统模型，应用该模型可以解决规则不足的问题，同时采用黑板机制实现神经网络推理与基于规则推理之间的转换，克服基于规则推理效率低下，知识获取困难的障碍，实现演绎推理（基于规则推理）和归纳推理（人工神经网络）的有机配合。     

基于规则的模糊神经网络故障诊断专家系统

提出了一种基于规则的模糊神经网络专家系统诊断方法,该方法采用了广义三层规则库结构及推理机制,把Ｒｕｌｅ型的模糊联想记忆器作为专家系统的分类和综合算法,使基于规则的知识处理方法与模糊神经网络有机地结合在一起。并讨论了模糊神经网络输入和输出模糊化的问题。为旋转机械故障诊断专家系统提供了一个易于实现的框架结构。     

基于神经网络专家系统的工艺推理研究——以轴类零件为例

目前,传统专家系统工艺推理时存在零件信息提取不完整、知识获取困难和推理能力弱的问题,采用基于神经网络和规则的混合推理机制替代传统专家系统可以解决有效上述问题。首先,运用特征技术提取零件信息,将零件信息转换为特征矩阵,作为神经网络专家系统的输入;然后,根据特征矩阵搜索推理策略,基于轴类零件特征将神经网络分为精度、形状和热处理三类子网络,采用动量-自适应学习率BP算法训练网络;最后设计与实现了混合系统工艺推理过程。     

基于BP神经网络的某型装备故障诊断专家系统

为提高现代工程装备在复杂现场环境下的维修保障能力,提出了基于神经网络的专家系统故障诊断方法。进行了该装备各个组成系统的故障模式与故障元件分析,研究了专家系统知识库的建立步骤并完成了故障诊断专家系统的知识库构建,并设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在工程兵部队进行了应用,有效地提高了部队的装备故障维护与保障能力。     

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。     

基于数据库的多征兆模糊故障诊断专家系统的研究

介绍了一种多征兆模糊故障诊断专家系统数据库实现方法.研究了基于关系数据库的模糊规则知识库的建立和维护机制;在此基础上建立了模糊诊断推理数学模型,充分利用计算机强大的计算能力,将大部分推理转化为数值计算,提高了推理效率.     

基于模糊理论与规则的减速机故障诊断专家系统关键技术研究

为克服减速机故障传统诊断方法存在的诊断效率低、缺乏科学性等弊端,采用专家系统的开发思想与技术实现故障的智能诊断,并将基于贴近度的模糊诊断与基于规则的不精确推理相结合的故障诊断推理技术运用于诊断专家系统的推理中,旨在能够实现故障诊断的快速准确性,保证设备安全、可靠的运行.     

基于故障树的立体车库故障诊断专家系统

针对巷道堆垛式立体车库,采用故障树分析法与基于规则的诊断专家系统相结合的方法,建立了基于故障树的巷道堆垛式立体车库故障诊断专家系统。通过故障树系统、层次性地表述专家知识,通过产生式规则将车库故障知识转变为规则表示形式,从而建立知识库;并根据传感器测得的设备运行数据组建综合数据库。最后利用非精确正向推理机制对故障问题进行求解。     

液压AGC系统故障诊断专家系统的实现

针地板带轧机液压ＡＧＣ系统,根据专家系统基本原理,结合古典信号处理方法、模糊理论、神经网络理论,建立了系统故障诊断系统的结构形式和学习算法。利用模糊诊断理论进行模糊推理以解决系统故障的实时诊断,利用神经网络对模糊推理模型进行训练以提高诊断的准确率,并可对未知的知识进行了学习和补充。开发了液压厚度自动控制（ＡＧＣ）系统故障诊断专家系统软件,通过实验证明所用方法有效。     

基于故障树的汽车起重机液压故障诊断专家系统

根据汽车起重机液压系统故障诊断的特点,建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合,并以汽车起重机常见故障为例建立了相应的故障树模型,完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题;运用模糊神经网络的自学机制,保证知识库的完整性和正确性;实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充,并及时将已发生及预测到的的故障写入数据库中,提高了查找故障的准确率及效率,有利于预防和控制汽车起重机液压系统的故障。     

基于模糊神经网络的液压系统故障诊断方法

根据专家系统基本原理,结合古典信号处理方法、模糊理论、神经网络理论,建立了系统故障诊断系统的结构形式和学习算法。以此为基础编制了厚度自动控制（AGC）系统故障诊断专家系统软件。利用模糊诊断理论进行模糊推理以解决系统故障的实时诊断,利用神经网络对模糊推理模型训练以提高诊断的准确率,并可对未知的知识进行学习和补充。通过实验证明所用方法有效。     

基于ART—2神经网络的故障诊断系统

对ART－2模拟量模式识别神经网络算法的改进能使其有效地适用于故障诊断,神经网络的预处理场F0具有增强对比度,抑制基底噪声的能力,神经网络的F2场根据优先级选择竞争节点。网络模式识别的结果作为专家系统输入的类别及其选取概率。专家系统搜索由知识库构造的关系树并依规则进行推理。本文方法结合神经网络和专家系统的优点,以得到可信的故障诊断结果。本文还给出了验证系统正确性的自动液压机故障诊断实例。     

神经网络和专家系统在汽车发动机故障诊断中的应用研究

运用神经网络与专家系统两种人工智能技术,通过对汽车发动机废气中CO,HC,CO2和02含量的分析进行故障推理和诊断.神经网络与专家系统主要采用串行连接,用神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化诊断.     

应用基于学习的模糊逻辑智能选择铣削加工参数

分析传统专家系统在铣削加工参数智能选择应用中存在的问题，提出一种可实现铣削用量智能选择的模糊逻辑推理方法。构造了以刀具直径、加工深度和材料硬度为输入，铣削进给量为输出的模糊推理模型，给出基于人工神经网络与k-means聚类相结合的机器学习方法，实现了推理规则知识的自动获取。通过手册数据与模型推理结果的对比实验，表明给出的方法具有较好的铣削用量智能匹配性能，研究成果为实现铣削用量在线智能选择提供了一种新方法。     

Neural network based expert system for induction motor faults detection

Early detection and diagnosis of incipient induction machine faults increases machinery availability, reduces consequential damage, and improves operational efficiency. However, fault detection using analytical methods is not always possible because it requires perfect knowledge of a process model. This paper proposes a neural network based expert system for diagnosing problems with induction motors using vibration analysis. The short-time Fourier transform (STFT) is used to process the quasi-steady vibration signals, and the neural network is trained and tested using the vibration spectra. The efficiency of the developed neural network expert system is evaluated. The results show that a neural network expert system can be developed based on vibration measurements acquired on-line from the machine.     

基于神经网络与故障树的电气设备故障诊断系统

为提高工程车辆电气设备的维护保养能力,构建了其电气系统的故障诊断专家系统。进行了该装备各个组成系统的故障模式与故障元件分析,研究了故障树的建树步骤与故障树的模型分析与建立,设计了基于神经网络推理技术的专家系统正向推理机制。研究成果在部队中的应用表明,该方法有效地提高了部队的装备故障维护与保障能力。