基于神经网络的知识获取技术在故障珍断中的应用研究

智能化的机械设备故障诊断的基础是知识获取技术 ,在人工神经网络知识获取技术的基础上 ,讨论了在设备故障领域的几类知识获取模型     

提升机制动器故障诊断规则知识融合获取方法

针对矿井提升机故障诊断处理数据不完备、获取规则知识困难的问题,提出了改进的粗糙集和MATLAB的故障诊断规则知识融合获取方法。该方法首先利用MATLAB将原始数据从数据库中提取出来,并对原始数据进行处理后建立决策表;然后根据改进的差别矩阵计算出决策表的核属性;接着通过属性重要度的计算,对条件属性进行计算排序,将排序结果输入到MATLAB软件中,在MATLAB中对决策表进行约简;最后通过对MATLAB得出的结果和改进的差别矩阵计算出的结果进行判断得出知识约简集,从而获得故障诊断规则并储存更新到知识库中。试验表明,该方法解决矿井提升机故障诊断处理数据不完备、规则知识获取困难的问题。     

基于神经网络的综合智能故障诊断专家系统

神经网络(ANN)和专家系统(ES)是人类智能活动的两种表示方法，它们有优缺点。如果把这两种技术结合起来取长补短，所形成的神经网络智能系统则会更加完善。这已成为人工智能发展的一个重要趋势。本文对神经网络专家系统和传统的专家系统结合起来的综合智能故障诊断专家系统在故障诊断中的应用进行了研究。     

基于粗糙集的风机故障诊断专家系统知识获取

针对专家系统中知识获取的“瓶颈”问题、应用粗糙集理论建立风机故障诊断专家系统框架．并利用粗糙集的约简方法消去知识库中冗余的属性，实现了知识库的精简，有效地保持和完善了知识库的结构和性能．提高了知识获取的效率。此方法应用在风机故障诊断专家系统中．收到了良好的效果。     

基于BP网络的方案设计知识获取

在研究基于神经网络的知识表示和知识获取方法的基础上，利用神经网络的自学习，大规模并行分布式处理等功能，将其应用于方案设计,地解决方案设计智能系统中知识获取“瓶颈”的方法。最后以传动方案设计知识自动获取为例说明了此方法的可行性。     

量化特征关系用于不完备故障诊断的知识获取方法

为了从包含多种未知属性值的不完备故障诊断信息中获取决策规则,提出一种量化特征关系用于不完备故障诊断的知识获取方法。首先,结合不完备故障诊断信息产生的原因,确定未知属性值的类型;然后,利用量化特征关系对不完备故障诊断信息进行分析;最后,利用量化特征关系下属性约简算法获取故障诊断决策规则。结合故障齿轮箱的诊断实例验证了该方法的有效性,结果表明此方法可以从包含三种未知属性值的不完备故障诊断决策表中直接获取准确的故障诊断决策规则。     

基于粗糙集知识获取的转子轴承系统故障诊断知识库构造研究

利用粗糙集理论从信息系统中知识获取与知识发现的功能，对转子轴承系统状态监测与故障诊断系统中知识库构造进行了研究。通过对粗糙集理论用于智能决策过程和诊断监测数据特性的分析，获得了数据表中连续属性值离散化映射、条件属性集与决策属性集记录的完备性是诊断知识获取与知识发现前提条件的结论。建立了基于粗糙集方法从数据库中知识获取和知识发现的诊断知识库模型，设置的连续属性值离散化步骤具有实现知识库决簏规则扩展的特点。     

摩擦学设计知识获取系统的神经网络方法

研究了汽轮发电机组轴承转子系统摩擦学设计知识获取的神经网络方法，通过分析ＢＰ网络权重，得到网络输入与输出的函数关系，并定义了关系系数Ｃ．由关系系数Ｃ的大小和正负可以确定输入与输出的关系。     

航空发动机诊断知识的动态获取与柔性诊断技术

针对军用航空发动机的状态监测与故障诊断问题，研究了航空发动机的诊断知识动态获取模型及柔性诊断技术。建立了可扩展诊断样本库，实现样本库中故障征兆和故障模式的动态增减，以增加系统的柔性和可扩展性；运用粗糙集理论对样本集进行处理，实现冗余属性的约简、冗余样本的去除及样本冲突的消除；用神经网络通过对处理后的样本集进行学习以动态获取知识，将实际诊断样本输入到训练好的神经网络模型即可得到诊断结果。整个诊断过程具有充分的可扩展性和柔性，当有新样本加入时，按上述步骤进行处理即可实现诊断知识的动态获取和诊断。算例表明了方法的正确性和有效性。     

基于Rough Set理论的摩擦学诊断知识获取系统

摩擦学系统诊断知识的获取本质上是一个模式分类和识别的问题，本文结合摩擦学系统和Rough Set理论的特点，提出了一种基于Rough Set理论的摩擦学诊断知识获取方法，这种方法能够用于模糊和不确定知识的获取和处理，并给出了具体的示例，说明了此种方法的有效性和可用性。     

基于粗糙集理论的知识发现在机械故障诊断中的应用问题研究

对粗糙集理论的知识运算原理及其在工程领域智能决策问题中的应用方法进行了探讨.得出利用该工具实施知识发现,其依据是知识库的知识间存在着知识包含关系、关于论域的多种知识表达方式间存在着知识等价概念.而所发现的知识规则,本质上是原始知识库中所积累的点滴知识规则集合被高度概括为知识颗粒集合的结果.由此得出,获得真实、有效的原始诊断知识资源,使它们能够与领域专家的知识保持协调一致关系,并具有诊断知识挖掘的价值,则是关于诊断知识发现研究能够解决机械故障智能诊断的知识获取难题需开展的最基础工作.这引发出了对机械故障诊断的知识资源用数据方式去进行科学化妥善保护问题研究的新课题.     

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     

面向Web文本的机械知识获取方法研究

在论述面向专业知识文本的知识获取方法--自然语言理解与专家系统的不足之后，提出了一种面向机械知识Web文本的知识获取新途径。首先提出一种能包容多种知识载体与知识表示方法的统一知识表示模型，并基于该模型设计机械知识XML标记。文字资料经过标记处理，知识仍保留在原Web文本中而形成具有层次结构的Web文本知识库。最后研究相应的知识获取方法并开发知识获取系统，该系统可理解用户的自然语言问句，在文梧找到相关知识并进行推理，依据推理结果回答用户提问，实现面向Web文本的知识自动获取。     

定性定量故障诊断平台中的知识处理方法

针对定性定量系统故障诊断的问题,提出了基于模糊因果导向图的知识获取技术的定性定量故障诊断平台.研究了基于模糊因果导向图的知识获取技术的定性定量故障诊断平台体系结构.深入研究了定性定量故障诊断平台所包含的知识处理方法等关键技术,包括采用基于模糊冈果导向图的知识获取技术进行故障诊断知识的采集和捕获,基于定性知识和定量模型的调度框架技术实现定性定量故障诊断系统的运行,并通过定性定量交互接口方法进行数据交互.通过在某航天器定量定性故障诊断中的应用,验证了该方法的有效性.     

旋转机械故障诊断专家系统的知识表示法

分析了影响旋转机械运行状态的各种因素,就旋转机械故障诊断专家系统中知识库的建立及知识表达提出了一种建模方法,这种方法根据旋转机械的特点,把知识库中的故障征兆分为了５大类,１３小类,１００多个具体项。根据知识表示模型的网络传递算法,可以方便地进行知识库组织及维护。最后,列出了１２５ＭＷ汽轮发电机组知识库的实现方法。     

基于组合式模糊神经网络的旋转机械故障诊断模型

针对旋转机械故障所具有的层次性、相关性和模糊性的特点,提出１种基于组合式模糊神经网络的旋转机械故障诊断模型。它由第１层的决策模糊神经网络和第２层的多个诊断模糊神经网络组合构成,依据大隶属度优先为真原则进行推理,按推理的过程和隶属度的大小给出可能的故障结果及相应的隶属度值,供现场工程技术人员结合辅助故障特征参数等进行进一步的联想推理,得到最终的故障诊断结果。实验研究结果表明,该系统可以有效地对具有模     

用神经网络提取模糊诊断知识的方法

改进了Ｂ－Ｐ神经网络的算法结构,找了单层神经网络权值矩阵与模糊综合评判关系矩阵之间的对应关系,由此构造了模糊神经网络系统,本系统解决了模糊诊断学习困难的局限,可以将所学知识中具有普遍意义的知识提取出来,同时,将过去隐含分布式的神经网络权值矩阵的物理意义明晰化,克服了单层Ｂ－Ｐ网络的一些局限性。     

模糊Kohonen神经网络的旋转机械故障诊断

针对传统故障诊断方法不能解决旋转机械故障诊断的模糊性问题,提出一种基于模糊Kohonen神经网络的故障诊断模型,通过模糊量化处理故障样本模式和在Kohonen网络中使用邻域函数自动调整权重程度的改进学习算法,较大提高了网络的学习速度和聚类能力,能对具有模糊性的复合故障进行诊断,是一种适合于复杂旋转机械故障诊断的有效可行的方法。     

用于旋转机械故障诊断的一种张量增强型前向神经网络模型

在多层前向神经网络模型的研究基础上，提出了基于张量的增强型前向神经网络诊断模型，以实现在已知输入模式不变的情况下，增强原始模式的表达，从而提高了诊断的精度。试验结果表明，本模型对工程应用具有较高的实用价值。