基于神经网络和专家系统的智能故障诊断系统研究

发布时间：2017-04-01 10:09

  本文关键词：基于神经网络和专家系统的智能故障诊断系统研究，由笔耕文化传播整理发布。

【摘要】： 故障诊断是指在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或部件以及预测状态劣化的发展趋势等。故障诊断技术是40年来发展起来的一门新学科,它具有很强的工程背景和重要的实用价值。近年来,为了满足复杂系统的诊断要求,随着计算机及人工智能的发展,诊断技术进入以知识处理为核心,信号处理、建模处理与知识处理相结合的智能诊断技术阶段。 基于理论上较成熟的专家系统和BP神经网络,本文对专家系统和BP神经网络在液压设备故障诊断方面的应用进行了有益的探讨,提出了以专家系统为主,采用BP神经网络作为有益补充的智能故障诊断系统的基本结构。系统根据接收到的液体加注系统的运行参数与知识库中预先存储好的故障征兆表搜索出已发生的故障征兆,接着根据专家系统知识库中的规则表搜索出所有可能的故障原因,然后逐一验证所有可能的故障原因中其它征兆是否成立,直到最终推理出诊断结果。如果在专家系统知识库中搜索不到完全匹配的故障,则调用神经网络知识库进行推理,得出诊断结果。在专家系统部分,进行了知识库的设计,提出了综合采用面向对象方法和产生式规则表示法的知识表示方法,并采用数据库技术建立和维护知识库;在推理机设计中,发挥专家系统良好的人机交互功能,采用正反双向混合推理方法进行推理;在解释程序的设计中,采用预置文本与路径跟踪法,可以在用户需要时给出对推理结果和过程的详细解释。在神经网络部分,通过对液体加注系统的分析,建立了BP神经网络的基本结构,并提取专家系统知识库中的规则作为样本集和测试集,经过MALTAB的仿真训练和测试,得到最终的正确率较高的权值和阈值系数集合作为神经网络的知识库,在进行故障诊断时可由已建好的神经网络结构进行正向计算,推理出最终结果。 在系统具体实现中,采用Visual C++ 6.0进行人机界面和整体控制程序的设计,采用ACCESS 2000进行知识库的建立、维护和其它数据文件的管理,利用Matlab进行神经网络部分的训练、仿真和计算。 完成整个系统设计后,我们利用MCGS组态软件建立了燃料加注系统的二维虚拟模型,以模拟实际液体加注系统的运行对智能故障诊断系统进行测试,使我们能更加直观地监测智能故障系统的运行状态和故障诊断结果。经过测试实验,证明本系统达到实际应用要求,具有较高的准确率。本文提供了一种用于液压设备故障诊断的通用方案,对于类似系统的设计开发具有借鉴意义。 本系统的投入使用可以提高实时故障诊断的准确性和速度,节约人力、物力,为防止重大生产事故的发生起到积极的作用。
【关键词】：故障诊断 专家系统 BP神经网络 知识库 推理机 MCGS 组态软件
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：TP182
【目录】：

• 中文摘要4-5
• 英文摘要5-9
• 第一章 绪论9-16
• 1.1 课题背景9-11
• 1.2 国内外研究现状11-14
• 1.3 本课题的提出及研究意义14
• 1.4 论文的主要研究内容14-16
• 第二章 智能故障诊断系统的原理16-24
• 2.1 故障诊断的智能化16-17
• 2.2 专家系统的基本原理17-19
• 2.3 人工神经网络的基本原理19-24
• 2.3.1 神经元模型19-20
• 2.3.2 BP 神经网络模型20-21
• 2.3.3 神经网络的训练21-24
• 第三章 智能故障诊断系统设计需求与分析24-29
• 3.1 系统的需求分析24
• 3.2 系统的设计方案24-29
• 3.2.1 知识库的建立与维护26-27
• 3.2.2 推理机制27
• 3.2.3 解释机制27
• 3.2.4 人机界面27-29
• 第四章 智能故障诊断系统的具体实现29-55
• 4.1 系统总体介绍29-32
• 4.1.1 系统工作流程29-30
• 4.1.2 系统开发工具选择30-31
• 4.1.3 系统运行环境31-32
• 4.2 知识库的设计32-47
• 4.2.1 知识的分类32-34
• 4.2.2 液体加注系统的知识分类34-35
• 4.2.3 基于专家系统的显式知识库设计35-43
• 4.2.4 基于神经网络的隐式知识库设计43-47
• 4.3 推理机制的设计47-50
• 4.3.1 整个系统推理机制的设计47
• 4.3.2 基于专家系统的推理机设计47-48
• 4.3.3 基于神经网络的推理机设计48-50
• 4.4 解释机制的设计50-53
• 4.4.1 面向专家系统的解释机制设计50-51
• 4.4.2 面向神经网络的解释机制设计51-53
• 4.5 人机界面的设计53-55
• 第五章 系统仿真测试55-62
• 5.1 MCGS 的目的与特点55-56
• 5.2 MCGS 的基本原理与操作56-58
• 5.3 二维仿真模型的建立58-61
• 5.4 系统仿真测试流程61-62
• 结束语62-64
• 参考文献64-66
• 致谢66-67
• 硕士期间论文发表情况67

【引证文献】

中国期刊全文数据库 前3条

1 金立军;张哲;刘源;闫书佳;郑元兵;;基于电子式传感器的电力系统故障诊断研究[J];高压电器;2011年09期

2 莫翠琼;孙正鑫;陈秋菊;;雷达对抗侦察接收机故障智能诊断系统神经网络构建与仿真[J];舰船电子对抗;2012年05期

3 李洪刚;郭日红;;装备故障诊断方法研究[J];价值工程;2012年32期

中国博士学位论文全文数据库 前1条

1 赵丽;复杂自由曲面数控规划及其数据管理技术研究[D];天津大学;2009年

中国硕士学位论文全文数据库 前10条

1 胡春玲;番茄酱生产过程控制中的故障诊断技术研究[D];新疆大学;2011年

2 谭文才;基于Internet的压缩机远程监测与故障诊断技术研究[D];江南大学;2012年

3 朱发莲;融合神经网络学习知识和专家知识的电网铁磁谐振故障诊断系统的研究[D];南昌大学;2007年

4 何杉;旋转机械频谱智能分析系统的研究与实现[D];大连理工大学;2009年

5 占惠文;基于模糊神经网络的船舶柴油机故障诊断系统研究[D];武汉理工大学;2009年

6 谷开波;滚切式双边剪故障处理方法的探索[D];西安建筑科技大学;2009年

7 汪学渊;某自动装填装置故障诊断专家系统研究[D];中北大学;2009年

8 张积坚;基于B/S模式的风力发电机远程状态监测系统研究与开发[D];大连理工大学;2009年

9 刘中兴;基于神经网络与专家系统的挖掘机回转装置液压马达的故障诊断[D];贵州大学;2009年

10 陈晓芸;基于能量算子和粒子群优化神经网络的水轮发电机组振动故障诊断研究[D];西安理工大学;2009年

  本文关键词：基于神经网络和专家系统的智能故障诊断系统研究，，由笔耕文化传播整理发布。

本文编号：280441