遥测天线系统故障智能诊断与维护研究

论文摘要

随着人工智能技术的不断进步,诊断技术已开始进入一个新阶段,即智能化诊断阶段。本文对智能故障诊断技术作了一定的分析研究,论述了利用专家系统来解决遥测天线系统的故障诊断问题。针对诊断对象的特点,设计了一种集在线检测、故障诊断、动态管理为一体的专家系统。其中故障诊断软件为本文的重点:在深入研究遥测天线特点的基础上,系统的知识获取通过人机接口将领域专家的经验性知识形成知识库,采用基于规则与基于案例相结合的知识表示方法,并利用故障树和数理统计知识完成诊断推理。此外,本文根据在实际工作中天线状态没有检测数据的特点,对天线状态信息采集硬件也进行了一定的设计:利用振动传感器采集天线的振动信息,然后经过放大电路对采集的信息进行放大,经过A/D转换后输入装有专家系统的PC机进行分析诊断。同时对天线主要部分常见故障进行了分析,对天线故障诊断的基本原理及信号分析方法进行详细的阐述,为专家系统的知识库建立提供的依据。同时,为便于系统的维护管理,开发了动态管理模块。通过这个模块,系统管理人员可以方便地完成对系统知识库的增加、删除等维护管理工作,从而提高系统的诊断效率。总体看来,本系统的方案具有结构简单,专家系统诊断效率高、易于维护等优点,具有一定的应用价值。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 遥测天线系统与智能诊断概述
• 1.1.1 遥测系统概述
• 1.1.2 遥测天线系统概述
• 1.1.3 天线系统趋势预测及智能诊断技术研究的意义和目的
• 1.2 天线系统趋势预测及智能诊断技术的发展概况
• 1.2.1 天线系统早期故障趋势预示技术在国内外的发展概况
• 1.2.2 故障智能诊断技术的发展概况
• 1.3 本章小结
• 2 天线系统故障诊断的基本原理及信号分析方法
• 2.1 天线设备故障诊断的基本原理
• 2.1.1 机械设备劣化进程中的一般性规律
• 2.1.2 天线故障诊断的基本内容
• 2.1.3 天线故障诊断的过程
• 2.2 振动信号分析的基本方法
• 2.2.1 信号的时域分析
• 2.2.2 信号的频域分析
• 2.2.3 小波分析方
• 2.3 天线主要部件常见故障分析
• 2.3.1 变速箱
• 2.3.2 电动机故障诊断
• 2.4 本章小结
• 3 天线机械故障诊断系统硬件设计
• 3.1 天线机械故障诊断系统构成
• 3.2 系统硬件结构及工作原理
• 3.2.1 系统硬件总体结构
• 3.2.2 系统工作原理
• 3.2.3 各主要器件工作原理
• 3.3 硬件电路具体应用
• 3.4 本章小结
• 4 神经网络趋势预测方法的研究
• 4.1 引言
• 4.1.1 非线性预测背景及神经网络预测方法的提出
• 4.1.2 振动状态预报应具备的条件
• 4.1.3 预测模型评价指标的设定
• 4.2 人工神经网络
• 4.2.1 人工神经网络简介及特点
• 4.2.2 BP 神经网络的学习算法
• 4.2.3 BP 神经网络的改进方法
• 4.3 BP 神经网络在天线系统趋势预测中的建模应用
• 4.3.1 预测样本的选取及分组
• 4.3.2 样本的归一化处理
• 4.3.3 预测数据的反归一化处理
• 4.3.4 网络拓扑结构的确定
• 4.4 基于均值函数新息加权的神经网络预测模型研究
• 4.4.1 基于均值函数新息加权的神经网络预测方法的提出及理论依据
• 4.5 本章小结
• 5 面向对象的故障智能诊断专家系统的研究
• 5.1 采用面向对象技术的故障智能诊断专家系统的提出
• 5.2 面向对象技术的基本思想和概念
• 5.3 专家系统的概念及组成结构
• 5.4 面向对象的故障智能诊断专家系统的知识库
• 5.4.1 面向对象的知识表示方法
• 5.4.2 知识对象的层次结构
• 5.4.3 知识库的结构及组织形式
• 5.5 面向对象的故障智能诊断推理机
• 5.5.1 面向对象的诊断推理方法
• 5.5.2 诊断推理机的系统结构
• 5.5.3 诊断推理机的规则解释器
• 5.5.4 诊断推理机的黑板控制
• 5.5.5 诊断推理机的控制策略
• 5.5.6 诊断推理机的搜索算法
• 5.6 采用面向对象技术建立天线故障智能诊断专家系统
• 5.6.1 天线故障智能诊断专家系统概述
• 5.6.2 天线系统故障诊断知识库的建立
• 5.7 本章小结
• 6 遥测天线系统的智能故障诊断实现
• 6.1 天线系统智能故障诊断系统的构建
• 6.1.1 天线系统智能故障诊断系统的组成模块
• 6.1.2 天线系统智能故障诊断系统的主程序
• 6.2 以扩大机为例阐述知识库的建立
• 6.3 智能故障诊断系统的初步实现
• 6.4 本章小结
• 7 结论
• 致谢
• 参考文献