基于CBR的火控雷达故障诊断专家系统研究

将基于案例推理(CBR)和专家系统理论应用到故障诊断领域,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统.本文浅析了基于案例推理,介绍了系统的总体结构和工作原理,并给出了具体的诊断实例.利用CBR技术建立的故障诊断专家系统可提高雷达装备故障诊断的正确性和效率.     

基于ANN与CBR相结合的复杂装备故障诊断研究

在分析了神经网络(ANN)方法与案例推理(CBR)方法的特点和互补性的基础上,设计了基于ANN与CBR相结合的复杂装备故障诊断模型.将人工神经网络方法融入CBR推理的故障库分类、案例检索、案例修改等多个阶段中,较好地解决了复杂电子装备故障诊断的快速与准确问题.最后通过对雷达情报综合电子信息系统故障实例的诊断仿真,验证了该算法的有效性.     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术（RBR）知识获取困难、自学习能力差等缺陷,将基于案例推理技术（CBR）引入故障诊断系统中。介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中。根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率。     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术(RBR)知识获取困难、自学习能力差等缺陷,将基于案例推理技术(CBR)引入故障诊断系统中.介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中.根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率.     

防空导弹飞行试验集成故障诊断专家系统*

为了对防空导弹飞行试验中的故障进行有效诊断,在分析现有基于知识、案例、模型、集成神经网络等推理的特点和局限性的基础上,探究了几种集成诊断推理的可能实现方法,再根据防空导弹故障模式特点,提出了一种集规则、案例、结构/功能模型和集成人工神经网络等诊断方法于一体的集成智能诊断专家系统。给出并研究了基于多深度知识、多层次推理的防空导弹诊断系统结构;研究了诊断系统的知识模型及问题求解策略。     

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。     

复杂系统的智能故障诊断

对基于知识推理、人工神经网络、模糊逻辑、机器学习、模式识别诊断方法及其集成诊断技术进行了归纳和总结,提出了当前智能故障诊断技术的分类方法.针对复杂系统和过程的特点,指出了当前智能故障诊断技术所面临的主要问题,并对解决这些问题和未来的发展进行了探讨.􀁱􀁽     

装备BIT和故障案例融合诊断方法研究

针对新型装备故障诊断难的问题,将机内测试(BIT)诊断与故障案例诊断融合的推理机制引入到新型装备故障诊断系统设计中,以装备BIT诊断为前导,故障案例推理为后置补充的结合方式,建立BIT和故障案例融合推理模型。充分利用基于总线技术的装备BIT系统和从维修记录中提取的案例知识,提高故障诊断精确度和效率。通过典型火炮故障诊断实例分析,验证了基于BIT和案例融合的综合诊断系统的诊断效能。     

基于案例的推理技术研究进展及应用

对基于案例的推理(CBR)近年来的国内外理论和应用研究进展做出了综述与评价.理论方面主要包括基于案例推理中知识表示,基于案例的解释、案例提取失败和恢复,案例改编和维护以及基于案例推理技术与其它人工智能技术的比较研究等;介绍了CBR在计算机与信息科学、生物学和医学等领域国内外的应用情况,并对其它一些领域的应用情况作了概括性说明;最后总结并预测了基于案例推理技术的未来可能的研究方向.     

案例推理在汽车故障诊断中的应用*

以奇瑞汽车故障诊断为应用背景,研究并开发了一个基于案例推理的汽车故障诊断系统原型,以实现对汽车故障的智能诊断。系统依据故障的特征属性和内容将汽车故障案例进行分类,进而根据最近邻算法对某一种类的案例集进行检索,最后构建了软件原型系统。通过对汽车故障样本案例进行仿真测试,表明了设计思想是合理的,实现方法是有效的。     

基于混合智能的航天器故障诊断系统

面向航天器测控管理,研究了一种基于专家系统（ES）、案例推理（CBR）以及故障树（FT）的混合智 能诊断技术．文中,故障树双向混合推理机制被用于实现航天器故障定位和预测．同时案例推理的k 最近邻检索 策略（KNN）采用了简单实用、易收敛特性的多感官群集算法（MSA）．基于案例推理和故障树的航天器专家系 统（SESCF）采用了2 种融合模式．案例推理和故障树采用独立运行模式,专家系统与案例推理和故障树之间则采 用了松耦合运行模式．出于改善推理效率的目的,文中提出了一种将遥测信息转化为语义信息的结合特定推理方法 的非线性转换方法．某卫星供配电分系统的测试证实了SESCF 系统诊断的有效性．测试结果表明,相对于专家系 统,SESCF 系统具有更高的诊断准确度和可靠性．SESCF 系统采用的非线性转换方法在航天器故障诊断过程中简 单实用且容错性较好．     

A web-based intelligent fault diagnosis system for customer service support

In traditional help desk service centres, service engineers provide a world-wide customer support service through the use of long-distance telephone calls. Such a mode of support is found to be inefficient, ineffective and generally results in high costs, long service cycles, and poor quality of service. With the advent of the Internet technology, it is possible to deliver customer service support over the World Wide Web. This paper describes a Web-based intelligent fault diagnosis system, known as WebService, to support customer service over the Web. In the WebService system, a hybrid case-based reasoning (CBR) and artificial neural network (ANN) approach is adopted as the intelligent technique for machine fault diagnosis. Instead of using traditional CBR technique for indexing, retrieval and adaptation, the hybrid CBR–ANN approach integrates ANN with the CBR cycle to extract knowledge from service records of the customer service database and subsequently recall the appropriate service records using this knowledge during the retrieval phase.     

基于范例的装备故障诊断的Web推理方法研究

本文基于Web技术,从装备故障诊断的实例出发,提出一种基于范例的Web推理方法和对应的CBR系统结构,以适应目前因特网环境下的知识共享、知识管理工具和知识应用的发展。     

网络故障管理中一种综合的事件关联策略的研究

该文研究了故障管理中的故障定位,提出了一套综合的告警关联方案。将告警关联分为初步关联和潜在关联。告警的初步关联中采用了典型的告警关联的方法对事件进行初步的过滤,潜在关联中采用了基于事件推理的事件关联技术进行进一步的故障定位。该方案使处理过程效率更高,定位更准确。     

Autonomic self healing and recovery informed by environment knowledge

An important goal of autonomic computing is the development of computing systems that are capable of self healing with a minimum of human intervention. Typically, recovery from even a simple fault will require knowledge of the environment in which a computing system operates. To meet this need, we present an approach to self healing and recovery informed by environment knowledge that combines case based reasoning (CBR) and rule based reasoning. Specifically, CBR is used for fault diagnosis and rule based reasoning for fault remediation, recovery, and referral. We also show how automated information gathering from available sources in a computing system’s environment can increase problem solving efficiency and help to reduce the occurrence of service failures. Finally, we demonstrate the approach in an intelligent system for fault management in a local printer network.     

Tennessee-Eastman过程的学习型案例推理故障诊断方法

为了提高Tennessee-Eastman(TE)过程的故障诊断准确率,本文研究一种学习型伪度量(learning pseudo metric,LPM)代替距离度量的案例检索方法,并建立了TE过程的案例推理(case-based reasoning,CBR)故障诊断模型.首先建立LPM度量准则并对LPM模型进行训练,其次度量目标案例与每一个源案例的相似度,从中检索与目标案例相似的同类案例,再采用多数重用原则从同类案例中决策出目标案例的解,最后通过TE过程的运行数据对该方法的性能进行测试,并与典型的CBR和BP(back-propagation)神经网络和支持向量机等方法进行对比,表明本文方法能有效提高故障诊断准确率,在实际化工过程中具有一定的推广应用价值.     

Case-based reasoning classifier based on learning pseudo metric retrieval

In case-based reasoning (CBR) classification systems, the similarity metrics play a key role and directly affect the system's performance. Based on our previous work on the learning pseudo metrics (LPM), we propose a case-based reasoning method for pattern classification, where the widely used Euclidean distance is replaced by the LPM to measure the closeness between the target case and each source case. The same type of case as the target case can be retrieved and the category of the target case can be defined by using the majority of reuse principle. Experimental results over some benchmark datasets and a fault diagnosis of the Tennessee-Eastman (TE) process demonstrate that the proposed reasoning techniques in this paper can effectively improve the classification accuracy, and the LPM-based retrieval method can substantially improve the quality and learning ability of CBR classifiers.     

基于案例推理的土石坝病险智能诊断系统

近年来基于案例推理已受到广泛关注，将基于案例推理技术应用到土石坝病险诊断系统中，为土石坝病险智能化诊断提供了一条新的途径。该文针对土石坝病险诊断的案例特点，设计了案例的集成框架表示和分层模糊检索策略，并提出了诊断系统的实现方案。