基地制氧站故障诊断系统的设计与实现

论文摘要

本文针对基地制氧站故障诊断的特点,建立了基于神经网络的基地制氧站诊断专家系统(ANNES)的模型,并设计了系统的架构,系统由知识存储子系统、学习子系统、推理机、解释器和人机交互子系统组成。最后针对基地制氧站实现了基于ANNE的故障诊断,证明了该故障诊断方法的可行性。本文的主要工作和系统创新如下所示:1)ANNES融合了神经网络自适应学习能力强和专家系统知识表达明确的优点,简化了神经网络学习数据获取及专家系统推理规则建立的过程。ANNES的工作过程是:①首先建立知识库;②学习系统获取知识时,它只要求专家提供范例(或实例)及相应的解,通过神经网络学习算法对样本进行学习,经过网络内部自适应算法不断修改权值分布以达到要求,把专家求解实际问题的启发式知识和经验分布到网络的互连及权值分布上;③推理机根据知识库中的知识和用户提供的事实进行推理;④通过神经网络的前向计算,在输出端获得输出矢量;⑤经解释器解释给用户。2)ANNES采用Web服务技术解决分布式系统的门户问题。Web服务是基于XML的,而XML是一种通用的数据表示格式,可以被任何平台所接受,同时,Web的开发相对简单,所以,用Web服务可以在一定程度上解决分布式系统的门户开发问题。3)通过人工神经网络可以将信息反映到ANNES系统界面上,然后由采样故障数据进行分析和对比,最后根据报表可以处理相应的系统故障。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 基地制氧站故障诊断系统的目的和意义
• 1.1.1 故障诊断专家系统的研究目的和意义
• 1.1.2 故障诊断专家系统的研究背景
• 1.2 国内外关于本课题的研究状况
• 1.3 本文的主要工作
• 2 人工神经网络概述
• 2.1 人工神经元模型
• 2.2 人工神经网络模型
• 2.3 人工神经网络的学习
• 2.4 多层前向网络及BP 学习算法
• 2.4.1 BP 算法的基本原理
• 2.4.2 BP 算法的训练步骤和程序设计
• 2.4.3 BP 算法应注意的问题
• 2.5 神经网络和专家系统结合的必要性
• 2.6 基于神经网络的专家系统模型
• 3 基地制氧站故障诊断系统的设计方案
• 3.1 系统架构设计
• 3.2 知识存储子系统的设计
• 3.3 学习子系统的设计
• 3.4 推理机子系统的设计
• 3.5 解释器子系统的设计
• 3.6 人机交互子系统的设计
• 3.7 控制子系统的设计
• 3.8 系统开发工具的选择
• 4 基地制氧站故障诊断对象分析与知识表达
• 4.1 故障诊断对象分析
• 4.2 故障数据采集方法与知识表达
• 4.2.1 基地制氧站故障数据采集
• 4.2.2 基地制氧站故障信息表达
• 4.3 故障诊断层次设计
• 5 基地制氧站故障诊断系统的具体实现
• 5.1 基于WEB服务技术的系统实现
• 5.1.1 Web 服务接口
• 5.1.2 基于J2EE 的Web 服务模型
• 5.1.3 WEB 服务在系统中的应用
• 5.2 故障诊断系统的实现
• 5.2.1 系统管理子模块
• 5.2.2 故障诊断子模块
• 5.2.3 知识管理子模块
• 5.2.4 神经网络子模块
• 5.3 故障数据预处理
• 5.4 基地制氧站故障诊断
• 5.4.1 神经网络的训练过程和故障诊断
• 5.4.2 故障诊断结果转换
• 5.5 系统实现总结
• 6 结论与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录
• 致谢
• 攻读硕士学位期间发表的论文
• 上海交通大学学位论文答辩决议书