Developing real-time knowledge-based systems with PERFECT

PERFECT (Programming EnviRonment For Expert systems Constrained in reasoning Time) is aimed at providing the necessary engineering support in real-time knowledge-based system development. PERFECT bridges the gap between the traditional analysis and design methodologies, and the implementation tools for these systems. It does so by providing the means to construct a knowledge model and to choose a suitable inference strategy. Subsequently the properties of the knowledge model and inference strategy may be analysed. For instance, it may be checked whether the knowledge model contains sufficient knowledge to diagnose a fault in an industrial process. Moreover, it may be checked whether the inference engine is able to provide an answer to a certain problem in time. If not, the analyser of PERFECT proposes an alternative structure of the knowledge model. When the constructed knowledge model and the chosen inference strategy show the required time efficiency, the compiler of PERFECT may translate them to an actual real-time knowledge based system in COGSYS. In addition, guidelines are provided with respect to the design of the human-machine interface. The resulting system is an instrument—a source of information that can be used by the human operator during problem-solving, rather than a prosthesis—a device that solves the entire problem by itself and presents the outcome to the human operator.     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

水电厂设备故障诊断系统实时数据库的一种简捷实现

实时数据库及时准确地从现场获取数据并有效地组织和管理，是水电厂 设备故障诊断系统进行故障诊断的首要条件。文中在分析了现有的实时数据库实现方法后， 用C++ Builder 5.0和SQL Server 7.0完成了实时数 据库实现的一种简洁方法，它不但能够满足工程需要，而且具有关系数据库所具有的一切强 大的数据库管理和维护功能，实现也很简单，极大地节省了实时数据库开发的人力和物力。 实验表明，该方法是可行的。     

一种基于类电磁机制算法的模拟电路故障诊断方法

针对模拟电路的特征,该文提出一种基于类电磁机制算法的模拟电路故障诊断方法,该方法首先利用小波包技术提取故障特征,然后将特征向量输入到采用类电磁机制算法优化的BP神经网络中,避免参数过早陷于局部最优,提高了神经网络的分类能力.通过具体实例验证了该算法的有效性.     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

两栖装甲装备故障诊断智能检测系统设计

针对目前两栖装甲装备故障检测时间长、检测效率低的缺点,研究设计了一种两栖装甲装备故障诊断智能检测系统。系统充分利用现代最新发展的大规模集成电路技术和数字处理技术,对多发、易发故障部位的故障信号进行采样、检测及处理,从而快速确定故障部位,便于及时排除故障。     

A new DSmT combination rule in open frame of discernment and its application

A new combination rule based on Dezert-Smarandache theory (DSmT) is proposed to deal with the conflict evidence resulting from the non-exhaustivity of the discernment frame. A two-dimensional measure factor in Dempster-Shafer theory (DST) is extended to DSmT to judge the conflict degree between evidence. The original DSmT combination rule or new DSmT combination rule can be selected for fusion according to this degree. Finally, some examples in simultaneous fault diagnosis of motor rotor are given to illustrate the effectiveness of the proposed combination rule.     

重症监护病房紧急状况预警算法

重症监护病房中的病人身体状况通常很不稳定,常出现各种需要医护人员介入治疗的紧急状况。由于医疗资源有限,医护人员可能无法及时发现并处理这些紧急状况,给病人的存活率带来严重的负面影响。如果可以预测这些紧急状况的发生,并及时通知相关医护人员,将大大提高病人的存活率。常见重症监护病房紧急状况包括突然死亡、败血症、肺部感染、急性低血压、以及器官衰竭等。紧急状况预警建模主要采用病人的长时间生命体征监测数据,预测在一定时间之后发生某种紧急状况的可能性。预警模型所采用的监测数据分为静态数据、事件数据和时间序列数据等三类。静态数据具有容易采集、但预测准确性偏低的特点。事件数据或时间序列数据、以及多种类型数据的混合数据对于紧急状况预警模型的预测性能的提高有重要作用,将会获得更广泛的应用。     

完备ARRs集的生成方法及传感器优化配置应用

广泛应用于故障诊断和传感器优化、分析、证实的解析冗余关系(Analytical redundancy relations,ARRs)缺乏系统、有效的方法来产生完备ARRs集,为此,提出了一种逐次消元法。该方法以系统元关系(Primary relations,PRs)为基础,通过若干次循环消元过程,生成了完备ARRs集,同时生成了对应的假定特征矩阵(Hypothetical signature matrix,HSM);基于HSM,把传感器优化配置问题映射为一个特殊的0-1整数规划模型,并用分支定界法求解该模型。应用表明,该方法能在不降低故障检测率、隔离率的前提下减少传感器数目,降低了测试代价,对故障诊断中的传感器配置问题有借鉴意义。     

医院门诊部局域网和设计实现

分析医院门诊部局域网和实现的功能,并讲解基于ASP实现病人档案数据调取和交换。