案例推理在故障诊断中的应用研究

论文摘要

在现代企业中,设备的安全有效成为一个企业发展壮大的基础,在前人不断的研究中,对于设备故障诊断已经有了一整套行之有效的理论与技术,关于故障诊断的研究方向有很多,有解析模型法、信号处理法和人工智能诊断法等三大类,人工智能诊断是其中的佼佼者。基于案例的故障诊断是人工智能诊断中一个非常重要的研究方向,通过模拟人类故障解决思维,从发现问题、思考问题、解决问题、记住问题的思维方式导出了案例诊断的基本思想,使得机械故障诊断偏向智能化、人性化。但是在案例检索系统中,伴随着系统的使用会不断地积累知识案例,若没有很好的案例学习机制则会导致案例数据库的急剧增长,由此将会使得案例的检索在效率上会大打折扣。本文提出了一种多维案例推理模型——DRR,该模型通过将多维空间案例点降维成二维空间点,从而得到案例的二维聚类,并在此聚类基础上建立R树空间索引；在对故障进行案例检索时,首先在R树索引中进行一次粗选,得到较小规模的中间结果集,然后在中间结果集中进行精选得到案例检索结果。用这种二次检索方法不但加速了案例推理效率而且还提高了推理的准确率。此外,在保证案例推理的准确率的基础上,本文对DRR算法做了进一步修正,将案例的多维特征权重应用于案例聚类过程,以此获得更紧凑的二维案例聚类,进一步缩小了案例推理的中间结果规模,使得DRR算法的案例初次检索效率更高,接着在案例过滤阶段使用了二次权重的概念,提高案例推理的精度。最后,本文将基于案例推理的故障诊断应用于实际中-基于某部队设备的故障诊断,开发和研制了该故障诊断系统,针对此类设备故障设计了相应的案例库,并对案例做了知识表示,将前文的DRR算法和权重算法应用于此系统中。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 解析模型故障诊断法
• 1.2.2 信号处理故障诊断方法
• 1.2.3 人工智能诊断的方法
• 1.3 本文的主要研究内容
• 1.4 本文的组织结构
• 第二章 基于案例推理的故障诊断
• 2.1 案例推理概述
• 2.1.1 基于案例推理的基本工作原理
• 2.1.2 发展历史和研究现状
• 2.2 相关技术方法介绍
• 2.2.1 案例组织表示
• 2.2.2 案例检索
• 2.2.3 案例修正
• 2.2.4 空间查询R-Tree索引
• 2.3 本章小结
• 第三章 基于空间聚类的案例推理算法
• 3.1 基于案例推理的案例检索
• 3.2 DRR算法模型与主要思想
• 3.3 DRR算法描述
• 3.3.1 案例及案例库的表示
• 3.3.2 案例库建立R-Tree索引
• 3.3.3 案例检索
• 3.3.4 案例过滤
• 3.3.5 案例学习与R-Tree索引修正
• 3.4 实验
• 3.5 本章小结
• 第四章 DRR模型的的权重优化
• 4.1 基于案例推理的权重计算
• 4.2 DRR权重模型
• 4.3 案例的权重聚类
• 4.4 案例过滤的二次权重
• 4.5 实验
• 4.5.1 参数设置
• 4.5.2 实验结果与分析
• 4.6 本章小结
• 第五章 基于案例推理的设备故障诊断系统
• 5.1 设备故障诊断系统概述
• 5.2 系统设计环境
• 5.2.1 硬件环境
• 5.2.2 软件环境
• 5.3 系统设计
• 5.4 案例表示设计
• 5.4.1 数据库设计
• 5.4.2 案例表示
• 5.4.3 案例检索策略
• 5.5 系统流程
• 5.6 系统实现
• 5.6.1 信号采集
• 5.6.2 权重设置
• 5.6.3 故障信号提取
• 5.6.4 故障诊断
• 5.6.5 维修方案录入
• 5.6.6 故障案例统计查看
• 第六章 总结和展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 致谢
• 个人简历
• 在学期间研究成果及发表的学术论文