面向故障诊断的动态因果网推理及实现

论文摘要

随着生产自动化水平的不断提高和现代科学技术的迅猛发展,人类社会已经进入了信息社会,由于人们面临着信息量大、传递迅速及复杂多变等特点,因此,对这些信息的获取、加工和处理变得更加困难和重要。在传统的工业故障诊断领域中,往往依靠人来进行判断,随着数据关系复杂性的增加、数据量的加大,必须要向机器引入智能。而计算机的高速发展使人工智能的发展有了物质基础,从而造成了工业故障诊断大量运用人工智能理论的局面。本论文依托重庆市的科技攻关课题——面向工业应用的智能开发平台及系统研究,根据于张勤教授所提出的动态因果网的概率知识表达方式和推理计算原理,立足于建立具有我国自主知识产权和特色的非精确知识表达和推理的理论模型和工具,通过研究故障诊断基本理论及常用方法、因果网知识表达与推理、系统架构与设计、系统性能及应用分析,完成面向故障诊断的动态因果网推理及实现。论文获得的主要结论为:①提出了因果网动态解环原则,利用因果网所具备的动态特性,综合利用当前采集到的证据,去掉有向环路,从而限定当前因果网所表达的因果结构,避免了有向环路存在的情况下联合概率分布不归一的问题,给出了因果网的计算规模。②研究了因果网编译过程中逻辑“与”运算的子集吸收算法,提出了新的子集吸收算法,成功地将计算时间复杂度降低了一阶——由常规算法下该运算的计算时间复杂度为O((m×n)~2)(其中m,n分别为参与运算的两个逻辑公式中的子项个数),降为O((m×n)×min(m,n))。③给出了因果网的计算规模:由于因果网理论提出时没有给出其计算规模,本文通过分析定量地给出了因果网的计算规模。④提出并实现了将面向对象理论和UML技术实际运用于系统从前期分析、中期设计和后期代码编写的全过程:为保证整个开发过程的规范性,作者将UML技术引入到软件的具体实现中,完成了整个软件系统的分析工作、设计工作⑤完成了面向工业应用的智能开发平台原型的开发工作。依靠作者所设计的系统结构,作为一个三人开发小组的主研,完成了基于因果网的离散和连续模型的智能开发平台原型的代码编写工作,以及软件的性能测试工作。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 研究背景
• 1.2 人工智能与工业诊断概述
• 1.2.1 发电厂的故障诊断现状
• 1.2.2 国际现状及发展趋势
• 1.2.3 国内相关产品与技术发展水平、现状
• 1.3 研究的目的、意义和主要研究内容
• 1.3.1 研究的目的、意义
• 1.3.2 主要研究内容
• 2 故障诊断基本理论及常用方法
• 2.1 专家系统
• 2.2 模糊逻辑
• 2.3 神经元网络
• 2.4 基于概率的非精确推理
• 3 因果网知识表达与推理
• 3.1 引言
• 3.2 因果网知识表达
• 3.2.1 因果网模型
• 3.2.2 因果网相对于信度网在知识表达方式上的优势
• 3.3 因果网推理算法与效率研究
• 3.3.1 逻辑化简与模型编译
• 3.3.2 逻辑运算的效率与子集吸收算法的研究
• 3.3.3 实验结果
• 3.3.4 推理计算时的逻辑运算研究
• 3.4 因果网编译计算的规模
• 3.4.1 因果网CSs-f的规模
• 3.4.2 因果网DCSs-f的规模
• 3.5 多值因果网的困难
• 3.6 小结
• 4 系统架构与设计
• 4.1 引言
• 4.2 软件工程包括的内容
• 4.2.1 软件的定义和特点
• 4.2.2 软件工程提出的意义
• 4.2.3 软件工程项目的基本目标
• 4.2.4 软件工程的主要内容
• 4.3 面向对象技术
• 4.3.1 面向对象技术的出现
• 4.3.2 面向对象的主要概念
• 4.3.3 面向对象技术对于软件工程的意义
• 4.4 基于面向对象技术的UML技术
• 4.4.1 UML技术简介
• 4.4.2 UML技术的应用领域
• 4.4.3 UML技术中的工具的介绍——Rational Rose
• 4.5 基于组件式的软件开发
• 4.6 系统设计与开发
• 4.6.1 系统整体简介
• 4.6.2 系统设计
• 4.7 系统的组成
• 4.7.1 系统的总体结构
• 4.7.2 核心层的典型模块举例
• 4.8 小结
• 5 系统性能及应用分析
• 5.1 引言
• 5.2 系统性能
• 5.2.1 解环模型
• 5.2.2 复杂的模型
• 5.3 应用分析
• 5.3.1 建立模型的过程
• 5.3.2 使用模型推理的过程
• 5.4 小结
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献