基于规则和案例的压缩机集成故障诊断专家系统研究

论文摘要

论文在分析现有故障诊断方法特点和局限性的基础上,对基于规则推理和案例推理的集成诊断系统的设计方案、集成机制和关键技术进行了研究。规则获取是专家系统的“瓶颈”问题,论文采用基于粗集的数据挖掘方法进行规则获取,对属性约简的基本算法做出了改进,利用属性约减算法和启发式值约减算法,在一定程度上简化了计算,提高了约简效率。粗糙集从现有的故障诊断的数据出发,能有效地处理不完备、不一致数据,实现高效快速地提取故障诊断规则的目的。在运用知识工程技术进行案例的表示、组织以及案例库的构建中,论文根据压缩机故障诊断领域的特点以及故障诊断专家系统的应用需求,以基于特征的故障案例表示为基础,依据故障的特征属性和内容将压缩机故障案例按照故障特征分类。在案例检索中,根据故障案例特征的层次结构,将整个案例库组织成多级分层索引结构。这种按故障特征分类,分层索引的策略思想不仅降低了案例表示、组织以及案例库的构建难度,而且极大地提高了案例检索的效率。在上述研究工作基础上,研究建立了一个集规则诊断(RBR)和案例推理(CBR)于一体的集成智能诊断专家系统。该集成系统既可以充分利用相关的领域知识又可以利用以往的诊断经验,相互补充,从而提高诊断系统的故障分辨能力和准确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 机械故障诊断技术研究
• 1.1.1 故障诊断概述
• 1.1.2 基于专家系统的智能故障诊断
• 1.2 专家系统在压缩机故障诊断中的应用
• 1.2.1 压缩机故障诊断专家系统的发展现状
• 1.2.2 压缩机智能故障诊断的发展方向
• 1.3 课题的研究意义
• 1.4 论文的主要研究工作及整体框架
• 1.5 本章小结
• 第2章 基于规则推理的诊断模型
• 2.1 规则推理工作模型
• 2.2 基于粗糙集的规则获取
• 2.2.1 基于粗糙集的数据挖掘模型
• 2.2.2 粗糙集理论基础
• 2.2.3 数据获取
• 2.2.4 数据预处理
• 2.2.5 决策表约减模型
• 2.3 规则表示
• 2.4 本章小结
• 第3章 基于案例推理的诊断模型
• 3.1 案例推理技术
• 3.1.1 案例推理原理
• 3.1.2 案例推理的关键技术
• 3.2 故障案例的知识表示
• 3.2.1 基于特征的案例表示
• 3.2.2 案例的组织和索引——特征索引树方式
• 3.2.3 故障案例的搜集和提取
• 3.3 故障案例的混合检索模型
• 3.3.1 案例的分层索引检索
• 3.3.2 案例的最邻近匹配
• 3.4 本章小结
• 第4章 压缩机集成诊断系统总体设计方案
• 4.1 集成故障诊断专家系统的应用背景及需求
• 4.2 规则和案例的集成
• 4.2.1 集成机制
• 4.2.2 集成诊断推理机的设计
• 4.2.3 集成诊断的优点
• 4.3 集成系统结构
• 4.4 知识库的建立
• 4.4.1 数据仓库的选择
• 4.4.2 数据仓库逻辑结构
• 4.4.3 数据仓库结构
• 4.5 本章小结
• 第5章 压缩机集成故障诊断系统的实现与应用
• 5.1 集成诊断专家系统简介
• 5.2 集成诊断软件的功能模型
• 5.3 集成诊断专家系统的实现
• 5.3.1 开发环境
• 5.3.2 规则获取的实现
• 5.3.3 集成诊断的应用
• 5.4 本章小结
• 总结与展望
• 参考文献
• 致谢
• 附录 A 攻读硕士学位期间参加的研究项目