智能故障诊断技术的研究与应用

《智能故障诊断技术的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士论文摘要近年来，为了满足复杂系统的诊断要求，诊断技术已开始进入一个新阶段，即智能化诊断阶段。这是一种基于专家知识和人工智能技术的诊断方法。论文中通过专家系统和神经网络两种方法对故障诊断做出研究。针对某高温硝酸冷却系统，提出一种利用故障树组建专家系统的方法。这种方法基于故障树进行原理知识的提取，使得专家系统的建立得以简化和发展，将经验推理和原理推理相结合，并引入征兆可信度，提高了专家系统诊断的可信度。对于复杂大型的诊断对象，应用单一的神经网络构造故障诊断系统将遇到整理教师数据难，学习精度降低，

2、影响网络学习效率等问题。为此本文提出了一种复合模糊神经网络结构，该神经网络结构集成了一系列模糊神经子网络，来完成故障分类任务，以系统故障树为设置子网的基础，建立了含有多个子网的复合模糊神经网络，可以解决单～神经网络面临的问题。在故障诊断中，系统的各种征兆值和故障值应是模糊值，因此在故障诊断中的两种方法中引入了模糊逻辑。仿真结果证明了这两种方法的可行性和有效性。关键词：故障诊断故障树人工智能专家系统神经网络人j主埋1一凡’产坝卜论文AbstractInrecentyears，diagnosistechnolo

3、gyhasalreadycomeintothenewstage—intelligentfanhdiagnosistosatisfydiagnosisrequestinsomecomplexsystem．Thisisadiagnosismethodbasedonexpegknowledgeandartificialintelligencetechnology，Inthispaper．researchonfaultdiagnosisisbasedonexpertsystemandneuralnetworkAme

4、thodtObuiltexpertsystemwithfaulttreeispresentedforthecoolingsystemofthehigh—temperaturenitricacid．Themethoddistillsprincipleknowledgeonthebasisoffaulttree，SOthatthebuildingprocessofexpertsystemistobesimplifiedanddeveloped．Thereliabilityofexpertsystemisimpr

5、ovedbecauseofintroducingthecertaintyofsymptomandintegratingtheexperiencereasoningandprinciplereasoning．[-orlarge—scalecomplexdiagnosisobjects，therearemanyquestionsinapplyingsingleneuralnetworktoconstructfaultdiagnosissystemsuchas也eproblemofmanagingteacherd

6、ata．10weringtheprecisionofstudyingandat=}％ctingtheefficiencyofstudyingai】d50on．Inthispaper．hybridfuzzyneuralnetworksarchitectureisproposed．Aseriesoffuzzyneuralsubnetworksareintegratedinthishybridfiazzyneuralnetworkstoperformthetaskoffaultclassification．Mak

7、ingUSeofthefaulttreeofthesystemtoconstructthesubnetworksandbuildingthehybridneuralnetworkthatincludesseveralsubnetworkstosolvethequestionsofsingleneuralnetwork．Intheprocessoffaultdiagnose，allkindsofvaluesofsymptomandfanltshouldbefuzzyvalues．Fuzzylogicisimp

8、ortedinthesetwomethodsoffaultdiagnosis．1hesimulationsshowthefeasibilityandvalidityofthesetwomethods．Keywords：faultdiagnosis；diagnosistree；artificialintelligence；expertsystem；neuralnetwork大连理工大学硕士论文月U吾随着现代工业及科