基于知识和神经网络相结合的实时故障诊断专家系统

基于神经网络的故障诊断

神经网络工具箱应用于故障诊断 1.问题描述 电力系统的安全运行具有十分重要的意义。当高压变压器或其他类似设备在运行中出现局部过热、不完全放电或电弧放电等故障时，其内部绝缘油、绝缘纸等绝缘材料将分解产生多种气体，包括短链烃类气体（C2H2、CH4等）和H2、CO2等，这些气体称作特征气体。而特征气体的含量与故障的严重程度有着很密切的关系，如下图1所示。将BP神经网络应用于变压器故障诊断对大型变压器的运行有着非常重要的意义。 2.神经网络设计 (1)输入特征向量的确定 变压器的故障主要与甲烷（CH4）、氢气（H2）、总烃（C1＋C2）以及乙炔（C2H2）4 种气体的浓度有关，据此可以设定特征向量由这 4 种气体的浓度组成，即CH4、H2、C1＋C2（总烃）和C2H2，同时也设定了网络输入层的节点数为4个。 (2) 输出特征向量的确定 输出量代表系统要实现的功能目标，其选择确定相对容易一些。只要问题确定了，一般输出量也就确定了。在故障诊断问题中，输出量就代表可能的故障类型。变压器的典型故障类型有：一般过热故障、严重过热故障、局部放电故障、火花放电故障以及电弧放电故障等5种类型，因此这里选择 5 个向量作为网络的输出向量，即网络输出节点确定为 5 个。根据Sigmoid 函数输出值在0 到1 之间的特点，这里设定以0 到1 之间的数值大小表示对应的故障程度，也可以理解为发生此类故障的概率，数值越接近 1 表示发生此类故障的几率越大或说对应的故障程度越大。针对本系统，

设定输出值大于等于0．5 时认为有此类故障，小于0．5 时认为无此类故障。 (3)样本的收集 输入、输出向量确定好以后就可以进行样本的收集。 数据归一化处理时，注意：在归一化处理的时候，因考虑到各气体浓度值相差较大，如总烃的浓度比H2的浓度值高出几个数量级，因此在归一化处理的时候，分别对各个气体浓度值进行处理，即最大值和最小值取的是各气体的最值，而不是所有样本值中的最值。 在本实例中采用：MATLAB利用归一化公式 u=(x-min(min(x)))./(max(max(x))-min(min(x))) （1） 在公式1中x表示所需归一化处理的数据，u表示归一化后的结果 处理结果如下：

故障诊断专家系统及其发展

综述与评论 计算机测量与控制.2008.16(9) C omputer Measurement &Control 1217 中华测控网https://www.wendangku.net/doc/8c5948961.html, 收稿日期:2008-06-08; 修回日期:2008-07-16。 作者简介:安茂春(1967-),山东莱阳人,副研究员,主要从事测试与故障诊断技术的管理工作。 文章编号:1671-4598(2008)09-1217-03 中图分类号:TP182 文献标识码:A 故障诊断专家系统及其发展 安茂春 (北京系统工程研究所,北京 100101) 摘要:文章对主要的故障诊断专家系统进行了系统的归纳和分类,主要关注故障诊断专家系统在军事领域的应用;重点讨论了基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统的技术要点、发展现状、优缺点及其在军事方面的应用;最后,对该学科的发展做出了预测,指出基于多种模型结合的诊断专家系统、分布式诊断专家系统、实时诊断专家系统是今后的发展方向。 关键词:专家系统;故障诊断;军事应用;基于规则推理;建模技术;人工神经网络;模糊推理;基于事例推理 A Survey on Fault Diagnosis Expert Systems An M ao chun (Beijing Institute o f System and Eng ineering ,Beijing 100101,China) Abstract:In this article w e present a s urvey of fault diagnosis expert system s,and categorize them into 5different types according to know ledge organiz ation m ethod and reasoning m ech anis m,w hich are ru le-b as ed fault diagn osis expert system,model-based fault diagnosis ex pert system,n eural netw ork fault diagnosis exp ert sy stem,fuz zy fault diagn osis expert system and cas e-based fault diagn os is expert sys -tem,for each type w e describ e its techn ical pr op erties,curren t status,ad vantag es and disadvantages,and application s in military field.At the end of th is article,w e point out that hybrid model-based,distributed and real-time diagnosis expert sys tems are fu tu re direction s. Key words:ex pert sys tem;fault diagnosis ;military application;rule -b as ed reasoning;modelin g;artificial neural netw or k;fuzzy reasonin g;ease-b as ed reasoning 1 故障诊断专家系统及其分类 专家系统(Ex per t Sy st em,ES)是人工智能技术(A rt if-i cial I ntelligence,A I)的一个重要分支,其智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。专家系统必须包含领域专家的大量知识,拥有类似人类专家思维的推理能力,并能用这些知识来解决实际问题。 故障诊断技术是一门应用型边缘学科,其理论基础涉及多门学科,如现代控制理论、计算机工程、数理统计、模糊集理论、信号处理、模式识别等。故障诊断的任务是在系统发生故障时,根据系统中的各种量(可测的或不可测的)或其中部分量表现出的与正常状态不同的特性,找出故障的特征描述并进行故障的检测与隔离。 故障诊断专家系统是将专家系统应用到故障诊断之中,可以利用领域知识和专家经验提高故障诊断的效率[1]。目前专家系统在故障诊断领域的应用非常广泛,如美空军研制的用于飞机喷气发动机故障诊断专家系统XM AN [2],N A SA 与M IT 合作开发的用于动力系统诊断的专家系统,英国某公司为英美军方开发的直升机发动机转子监控与诊断专家系统[3]等,此外在电力、机械、化工、船舶等许多领域中也大量应用了故障诊断专家系统。 根据知识组织方式与推理机制的不同,可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型 的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统。 2 故障诊断专家系统对比分析 2 1 基于规则的诊断专家系统 在基于规则的诊断专家系统中,领域专家的知识与经验被 表示成产生式规则,一般形式是:if<前提>then<结论>其中前提部分表示能与数据匹配的任何模型,结论部分表示满足前提时可以得出的结论。基于规则的推理是先根据推理策略从规则库中选择相应的规则,再匹配规则的前提部分,最后根据匹配结果得出结论。 基于规则的诊断知识表达方式直观、形式统一,在求解小规模问题时效率较高,并且具有易于理解与实现的优点,因而取得了一定成功。20世纪90年代,国外在军用水压系统、电力供应网络等方面进行了应用。 但是,对于复杂系统,所观测到的症状与对应的诊断之间的联系是相当复杂的,通过归纳专家经验来获取规则有着相当的难度,且诊断时只能对事先预想到的并能与规则前提匹配的事件进行推理,存在知识获取的瓶颈问题。2 2 基于模型的诊断专家系统 在基于模型的诊断专家系统中,领域专家的专业知识包含在建立的系统模型中,这种基于模型的诊断更多地利用系统的结构、功能与行为等知识。相比基于规则的诊断专家系统,这种诊断方式能够处理预先没有想到的情况,并且可能检测到系统存在的潜在故障。这类系统的知识库相对容易建立并且具有一定的灵活性,已应用于航天器动力燃烧系统故障诊断等方面。

基于神经网络的专家系统

基于神经网络的专家系统 摘要：人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。 关键词：专家系统；神经网络；系统集成； 0 引言 专家系统（Expert System）是一种设计用来对人类专家的问题求解能力建模的计算机程序。专家系统是一个智能计算机程序，其内部含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。一个专家系统应具有以下三个基本特征：启发性——不仅能使用逻辑性知识还能使用启发性知识；透明性——能向用户解释它们的推理过程，还能回答用户的一些问题；灵活性——系统中的知识应便于修改和扩充；推理性——系统中的知识必然是一个漫长的测试，修改和完善过程。专家系统是基于知识的系统。它由如图1所示的5个基本的部分组成[1,2,3]。 知识库存储从专家那里得到的特定领域的知识，这些知识包括逻辑性的知识和启发性知识两类。数据库用于存放专家系统运行过程中所需要和产生的信息。推理机的作用是按照一定的控制策略，根据用户提出的问题和输入的有关数据或信息，按专家的意图选择利用知识库的知识，并进行推理，以得到问题的解答，它是专家系统的核心部分。人机接口部分的功能是解释系统的结论，回答用户的问题，它是连接用户与专家系统之间的桥梁。知识的获取是为修改知识库原有的知识和扩充知识提供的手段。 1 传统专家系统存在的问题 传统专家系统是基于知识的处理的系统，将领域知识整理后形式化为一系列系统所能接受并能存储的形式，利用其进行推理实现问题的求解。尽管与人类专家相比，专家系统具有很大的优越性。但是，随着专家系统应用的日益广泛及所处理问题的难度和复杂度的不断扩大和提高，专家系统在某些方面已不能满足是实际工作中的需求，具体体现在以下一个方面[1,2]：（1）知识获取的“瓶颈”问题。（2）知识获取的“窄台阶”。（3）缺乏联想功能、推理能力弱。（4）智能水平低、更谈不上创造性的知识。（5）系统层次少。（6）实用性差。 2 神经网络与传统专家系统的集成 神经网络是基于输入\输出的一种直觉性反射，适用于进行浅层次的经验推理，其特点是通过数值计算实现推理；专家系统是基于知识匹配的逻辑推理，是深层次的符号推理。将两者科学的结合形成神经网络专家系统，可以取长补短。根据侧重点的不同，神经网络与专家系统的集成有三种模式[2]：（1）神经网络支持专家系统。以传统的专家系统为主，以神经网络的有关技术为辅。 （2）专家系统支持神经网络。以神经网络的有关技术为核心，建立相应领域的专家系统，采用专家系统的相关技术完成解释等方面的工作。 （3）协同式的神经网络专家系统。针对大的复杂问题，将其分解为若干子问题，针对每个子问题的特点，选择用神经网络或专家系统加以实现，在神经网络和专家系统之间建立一种耦合关系。

人工神经网络在设备故障诊断中的应用

人工神经网络在设备故障诊断中的应用 程瑞琪 (西南交通大学　成都　610031) 摘　要　介绍了神经网络技术在设备故障诊断中应用的2个主要方向———故障模式识别和诊断专家系统,对应用的方法、特点及存在的问题也 作了概略分析。 关键词　神经网络　故障诊断　模式识别　专家系统中图分类号　TP 18 近年来人工神经网络(Artificial neural network -ANN )的研究发展迅速,ANN 以其诸多优点在设备状态监测与故障诊断中受到了愈来愈广泛的重视,为设备故障诊断的研究开辟了一条新途径。 ANN 具有以下主要特征:①实现了并行处理机制,可提供高速的信息处理能力;②分布式信息存储,可提供联想与全息记忆的能力;③网络的拓扑结构具有非常大的可塑性,使系统有很高的自适应和自学习能力;④具有超巨量的联接关系,形成高度冗余,使系统具有很强的容错能力;⑤是一类大规模非线性系统,提供了系统自组织与协同的潜力。本文作者仅就ANN 用于故障模式识别及诊断专家系统这两个方面应用的主要方法、特点及存在的问题作概括介绍。 1　神经网络与故障模式识别 模式识别是ANN 应用的一个较成功的领域,诊断问题实质上就是一种模式分类,是将系统的状态区分为正常状态或某一种故障状态的问题。通常故障模式的分布是非常不规则的,故要求所用模式分类方法能在模式空间里形成各种非线性分割平面,ANN 的特性使其可以作为一类性能良好的非线性分类器。1.1　方法及特点 ANN 故障模式识别可用图1所示BP 模型来说明 。 图1　BP 网模型 其中网络输入节点对应故障征兆,输出节点对应故障原因。进行故障模式识别时,先用一批故障样本 对模型进行训练,以确定网络结构(隐层及其节点数)和参数(节点间的联接权);网络训练好后,故障的模式分类就是根据给定的一组征兆,实现征兆集到故障集之间非线性映射的过程。 用ANN 作故障模式识别的特点有:①可用于系统模型未知或系统模型较复杂及非线性系统的故障模式识别;②兼有故障信号的模式变换与特征提取功能;③对系统含有不确定因素、噪声及输入模式不完备的情况不太敏感;④可用于复杂多模式的故障诊断;⑤可用于离线诊断,也能适应实时监测的要求。1.2　模型 用于故障模式识别的ANN 模型按学习方式可分有监督学习模型和无监督学习模型两大类,前者主要包括B P 网和径向基函数(RB F )网;后者主要包括自适应共振(ART )网和自组织特征映射(SOM )网。1.2.1　有监督学习模型 BP 网是目前故障诊断中应用最多且较成熟的一种模型,其神经元的非线性映射函数采用Sigmoid 函数,网络训练采用误差反向传播(Back pr opagation )学习算法。BP 网的结构及学习算法简单,但应用中还存在2个问题:一是关于网络的学习,因BP 算法是自适应最小均方(LMS )算法的推广,故网络的学习速度较慢,且可能陷入局部极小值点,针对这一问题已有许多改进的BP 算法;二是关于网络的结构设计,即如何选取隐层及隐层节点数,目前尚无确定的理论和方法。根据Hecht -Nilson 的映射定理:对任何闭区间上的一个连续函数,总可以用含一层隐单元的感知器网来映射;目前应用中多采用含一层隐单元的BP 网。关于隐层节点下限的确定已有一些研究结果,鉴于问题的复杂性,此处不作说明。选择较多的隐层及隐层节点虽可加快学习速度,但使网络的结构变得复杂,网络的推广能力也会变差。实际应用中,通常用对测试样本与学习样本的误差进行交叉评价的试错 法来选择隐层及隐层节点数。 RB F 网是一种较新颖的ANN 模型,只有一层隐含层,输出节点是线性的,隐单元采用对称的高斯基 · 13·第12卷第1期 《机械研究与应用》 ME CHANICAL RESE ARCH &APPLICATION Vol 12No .1　1999

汽车故障诊断专家系统的研究和设计

摘要 本文介绍了汽车故障诊断专家系统的基本结构及其开发的基本方法，论述了汽车故障诊断专家系统软件的开发研究的意义和设计中的难点，针对汽车故障的复杂性特点模拟经验丰富的维修专家的诊断思路及方法，利用Delphi7进行编程，建立友好的人机界面，依据计算机数据结构原理，采用故障树的数据结构和关系数据库原理完成知识表示建立完善的知识库，实现了确定性故障诊断所需的知识库和推理机。从而可使用户通过人机对话的形式方便、快速、准确地找出故障原因，大大地提高汽修行业的效益及汽车的使用寿命。 关键字：汽车故障诊断专家系统

The paper introduces Automobile Fault Diagnosis Expert System of basic structure and development of basic methods. Discusses the software of Automobile Fault Diagnosis Expert System 's research meaning and the difficulty in the design. Aiming at the complexity characteristic of the fault ,simulating the way that experienced diagnosis maintenance of expert thinking, using Delphi7, established friendly human-machine interface. According to the principle structure data of the computer , adopt the fault tree's data structure and relation theories of database to accomplish the representation of knowledge, and realized the uncertainty of knowledge base for fault diagnosis and reasoning machine. The user could find fault convenient, fast and accurately through the man-machine dialogue form , greatly improve the automobile industry's efficiency and the automobile's service life. Key words：automobile fault diagnosis expert system

基于神经网络专家系统的研究与应用

摘要 现代化的建设需要信息技术的支持，专家系统是一种智能化的信息技术，它的应用改变了过去社会各领域生产基层领导者决策的盲目性和主观性，缓解了我国各领域技术推广人员不足的矛盾，促进了社会的持续发展。但传统专家系统只能处理显性的表面的知识，存在推理能力弱，智能水平低等缺点，所以本文引入了神经网络技术来克服传统专家系统的不足，来试图解决专家系统中存在的关系复杂、边界模糊等难于用规则或数学模型严格描述的问题。本文采用神经网络进行大部分的知识获取及推理功能，将网络输出结果转换成专家系统推理机能接受的形式，由专家系统的推理机得到问题的最后结果。最后，根据论文中的理论建造了棉铃虫害预测的专家系统，能够准确预测棉铃虫的发病程度，并能给用户提出防治建议及措施。有力地说明了本论文中所建造的专家系统在一定程度上解决了传统专家系统在知识获取上的“瓶颈”问题，实现了神经网络的并行推理，神经网络在专家系统中的应用具有较好的发展前景。 关键词神经网络专家系统推理机面向对象知识获取

Abstract Modern construction needs the support of IT, expert system is the IT of a kind of intelligence, its application has changed past social each field production subjectivity and the blindness of grass-roots leader decision-making, have alleviated the contradiction that each field technical popularization of our country has insufficient people, the continued development that has promoted society. But traditional expert system can only handle the surface of dominance knowledge, existence has weak inference ability, intelligent level is low, so this paper has led into artificial neural network technology to surmount the deficiency of traditional expert system, attempt the relation that solution has in expert system complex, boundary is fuzzy etc. are hard to describe strictly with regular or mathematics model. This paper carries out the most of knowledge with neural network to get and infer function , changes network output as a result into expert system, inference function the form of accepting , the inference machine from expert system gets the final result of problem. Finally, have built the expert system of the cotton bell forecast of insect pest according to the theory in this thesis, can accurate forecast cotton bell insect become sick degree, and can make prevention suggestion and measure to user. Have proved on certain degree the expert system built using this tool have solved traditional expert system in knowledge the problem of " bottleneck " that gotten , the parallel inference that has realized neural network, Neural network in expert system application has the better prospect for development. Key words Neural network Expert system Reasoning engine Object-orientation Knowledge acquisition

神经网络的电网故障诊断资料

基于新型神经网络的电网故障诊断方法 1引言 快速事故后恢复系统正常运行是减少电能中断时间和增强供电可靠性的必要条件。作为事故恢复的第一步,应实现快速、准确的故障诊断以隔离故障元件并采取相应措施以恢复电能供应。然而在线快速、准确地故障诊断仍是一个悬而未决的难题,尤其在保护和断路器不正常动作或多重故障的情况下,故障诊断更为困难。 故障诊断一般基于SCADA系统所提供的保护和断路器信息来判别电力系统中的故障元件。多种人工智能技术已用于解决此问题,如专家系统[1~4],随机优化技术[5~10]和人工神经网络[11~14]等等。其中基于专家系统的方法得到了广泛的注意和研究。这种方法能够提供强有力的推理并具解释能力,然而专家系统中知识的获取、组织、校核和维护等都非常困难,并成为其应用的瓶颈。而且,专家系统必须搜索庞大的知识库以得到最终的诊断结论,这使得它不能满足故障诊断实时的要求。另外,当系统中存在保护和断路器不正常动作时,专家系统可能会因缺乏识别错误信息的能力而导致错误的诊断结论。 用于故障诊断的另一种较有潜力的方法是基于工程随机优化的方法。这种方法的主要原则是将故障诊断表述为一个整数优化问题,随后使用全局优化方法,如波尔兹曼机[5]、遗传算法[6~8]、仿蚂蚁系统[9]或tabu搜索[10]等,去求解该优化问题。这种方法在实际应用过程中也出现了一些问题:如何确定这些随机优化方法的参数以实现快速正确的故障诊断;如何使这些方法适用于保护和断路器不正常动作的情况等等。 近年来,人工神经网络[11~14]引起了研究工作者的兴趣,因为它具有学习、泛化和容错能力。并且神经元的计算是并行的,这有利于实现实时应用。在神经网络的各种模型中,应用得最为广泛的模型就是BP(Back-Propagation)神经网络。标准的BP模型使用梯度下降算法训练,因此BP神经网络的结构必须是事先已知的,而且该学习算法收敛速度很慢,并有可能收敛于局部最小点。这些不利因素限制了BP模型在故障诊断中的应用。 本文提出使用径向基函数(Radial basis function,RBF)神经网络[15~16]解决电力系统中的故障诊断问题。理论上讲RBF神经网络具有任意函数逼近能力[17]。

设备故障诊断技术及专家系统应用研究

龙源期刊网 https://www.wendangku.net/doc/8c5948961.html, 设备故障诊断技术及专家系统应用研究 作者：纪明涛 来源：《中国科技博览》2017年第29期 [摘要]本文主要介绍了煤矿机电设备故障诊断技术及专家系统的原理及特点，构建了煤矿机电设备诊断专家系统，并对应用结果进行了分析。 [关键词]煤矿机电；故障诊断技术及专家系统；诊断；维修 中图分类号：TP18 文献标识码：A 文章编号：1009-914X（2017）29-0178-01 1、前言 随着采矿业规模日益增大，采矿机械设备也更趋于大型化，连续化，机电一体化，其性能与复杂程度不断提高，对设备故障的诊断也更为复杂。因此，为了达到能够使得综采机电设备处于一种良好的正常工作状态，我们必须要将煤矿机械设备和信息技术管理方面协调统一起来，对综采机电设备进行诊断和维修，这样处理对于煤矿机械的维修管理是相当有必要的。建立矿井调度室远程故障诊断及专家维护系统是解决问题的很好的方法。 2、故障诊断技术及专家系统 设备故障诊断技术包括故障检测与故障诊断.通常合在一体统称为故障检测和诊断（FDD）。 2.1 故障的定义和故障诊断的机理 故障诊断技术是以可靠性理论、信息论、控制论和系统论为理论基础，以现代测试仪器和计算机为技术手段，结合各种诊断对象（系统、设备、机器、装置、工程结构以及工艺过程等）的特殊规律逐步形成的一门新技术，主要包括检查和发现异常、诊断故障状态和部位、分析故障类型、提出诊断决策方案及诊断结论四个基本环节。其基本原理是根据机械、电气等设备运行过程中产生的各种信息，判断设备运行是属于正常还是异常，识别设备或机器是否发生故障，并对设备未来状态进行预测，确定最合适的维修方案和检修周期。作为一门交叉性学科领域，故障诊断技术在过去的几十年里得到了飞速发展，一些新的理论与方法已经得到了成功的应用。而非线性系统的故障诊断是当前故障诊断领域研究的热点与难点问题。在生产过程中，大型设备发生的故障是各种各样的，而根据系统采用的特征描述和决策方法的差异，形成了不同的故障诊断方法，具体可分为基于解析模型的方法、基于信号处理的方法和基于知识的方法三大类。 2.2 故障诊断过程

基于BP神经网络的故障诊断方法

基于BP神经网络的故障诊断方法

《智能控制基础》 研究生课程设计报告 题目基于BP神经网络的故障诊断方法学院机械与汽车工程学院 专业班级车辆工程 学号221601852020 学生姓名李跃轩 指导教师武晓莉 完成日期2016年12月10日

目录 1 设计概述 (2) 1.1研究对象介绍 (2) 1.2设计内容及目标 (2) 2 设计原理、方法及步骤 (3) 2.1基于BP算法的神经网络模型 (3) 2.2 神经网络信息融合故障诊断步骤 (4) 3 结果及分析 (6) 3.1数据仿真 (6) 3.2 结果分析 (9) 4 设计小结 (10) 参考文献 (10) 附录程序 (11)

1 设计概述 1.1研究对象介绍 信息融合是多源信息综合处理的一项新技术，是将来自某一目标(或状态)的多源信息加以智能化合成，产生比单一信息源更精确、更完全的估计和判决。信息融合所处理的多传感器信息具有更为复杂的形式，可以在不同的信息层次上出现。多传感器信息融合的优点突出地表现在信息的冗余性、容错性、互补性、实时性和低成本性。 神经网络是由大量互联的处理单元连接而成，它是基于现代神经生物学以及认知科学在信息处理领域应用的研究成果。它具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点，有很强的自适应学习和非线性拟合能力，从而可以替代复杂耗时的传统算法，使信号处理过程更接近人类思维活动。 柴油机故障具有相似性，故障与征兆的关系不明确，具有较强的模糊性，故障特征相互交织，柴油机故障诊断是一个复杂的问题。综合柴油机故障的特点以及神经网络的优势，采用基于BP神经网络的多传感器信息融合技术对柴油机机械故障进行诊断。 1.2设计内容及目标 设计内容：针对传统故障诊断方法存在的诊断准确性不高的问题，提出了BP神经网络信息融合的方法，实现对柴油机的机械故障诊断。由多个传感器采

电力系统故障诊断专家系统

电力系统故障诊断专家系统 李向峰 （哈尔滨工程大学信息与通信工程工程学院，黑龙江哈尔滨１５０００１）摘要:针对电力系统故障诊断问题存在的大量不确定性，提出了将模糊集和模糊推理方法结合专家系统进行故障诊断的新方案。同时，尝试将分布式问题求解方法用于电力系统故障诊断问题，开发了基于模糊推理的分布式电力系统故障诊断专家系统。为方便用户使用，开发了图形建模和模糊知识学习平台，以及故障信息管理系统通过在某地区电网的测试表明，所提方案具有准确的诊断结果和很好的实用性关键词:故障诊断;模糊推理;专家系统;分布式问题求解;故障信息管理。 关键词:故障诊断; 模糊推理; 专家系统; 分布式问题求解; 故障信息管理 Power System Fault Diagnosis Expert System LiXiangfeng (Information and Communication Engineering, Engineering, Harbin Engineering University, Harbin) Abstract: Fault detection system of power exists a lot of uncertainty, the proposed fuzzy sets and fuzzy inference method combines expert system for fault diagnosis of the new program. At the same time, try to distributed problem solving method for power system fault diagnosis, develop a distributed power system fault diagnosis expert system based on fuzzy reasoning. For the convenience of users, the development of graphical modeling and fuzzy knowledge learning platform, and fault information management system through a regional grid in the test shows that the proposed scheme has an accurate diagnosis and good usability Key words: fault diagnosis; fuzzy reasoning; expert system; distributed problem solving; fault information management. Keywords：fault diagnosis; fuzzy inference; expert system; distributed problem solving 1引言 电力系统故障诊断是近年来十分活跃的研究课题之一，人们对此进行了大量研究[1~9]，取得了许多有价值的理论研究成果，提出了多种解决方案，如采用专家系统方法[2，4，6，8]和神经网络方法[4]等. 由于实际运行中用于故障诊断的断路器和保护动作信息存在着大量的不确定性，近年来有学者将模 糊推理方法应用于电力系统故障诊断[3，5~7，9]。但以 前的研究大多集中在理论探讨上，在解决电力系统运行过程中出现的实际问题方面进展不大。现代电网互联规模和运行复杂性越来越大，运行越来越接近极限，一旦发生故障，造成的损失也较以往增大，因此对运行人员迅速准确处理事故的能力的要求进一步提高。电力系统故障自动诊断系统不仅可以成为运行人员在处理事故时的得力助手，还可成为运行人员培训的有力工具。 本文在前期开发的面向对象的电力系统故障 诊断专家系统[8]的基础上，借鉴其他研究成果[3，5~7] 增加了基于模糊集的报警信息处理，不但考虑了开关和保护动作的不确定性，还将故障时电压、电流不同于正常运行时的特征信息用模糊集表示，利用模糊推理来提高诊断结果的准确性和可用性；同时开发了模糊集学习平台，以缓解专家系统知识获取 的难题;利用网络通信技术和分层分布式问题求解 方法，解决电力系统信息分层和应用于实际电力系统故障诊断时出现的问题，提出了两种分层分布式故障诊断问题求解方案，并就其中一种方法进行了

诊断专家系统

诊断专家系统 【摘要】 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法。技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。其中专家系统是一种模拟人类专家解决领域问题的计算机程序系统。它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，求解需要专家才能解决的困难问题。 【关键词】计算机，人工智能，专家系统 引言 随着科学技术的发展，装备的结构越来越复杂，功能也越来越完善，自动化程度越来越高，不但同一设备的不同部分之间相互关联，紧密耦合，而且不同设备之间也存在着紧密的联系，在运行过程中形成一个整体。一处故障可能引起一系列连锁反应，导致整个过程不能正常运行，甚至会造成重大的损失。因此，对故障诊断的要求也越来越高。另一方面，人工智能技术近年来得到很大发展，基于知识的故障诊断专家系统已成为当前研究和应用的一个热点。 人工智能又称机器智能，是计算机科学中新兴的一门边缘科学技术，利用计算机模拟人的智能行为、完成能表现出人类智能的任务。故障诊断专家系统是将人类在故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围使计算机系统有了思维能力，能够与决策者进行“对话”，并应用推理方式提供决策建议，专家系统在故

障诊断领域的应用非常广泛，故障检测与诊断技术与专家系统相结合，使工程的安全性与可靠性得到保证。 1故障诊断专家系统简介 故障诊断专家系统，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，可快速地找到最终故障或最有可能的故障，再由用户来证实。专家系统故障诊断方法 可用下图的结构来说明：它由数据库、知识库、人机接口、推理机等组成。其各部分的功能为： 图1：故障诊断专家系统结构图 (1)数据库数据库通常由动态数据库和静态数据库两部分构成。静态数据库是相对稳定的参数，如设备的设计参数、固有频率等;动态数据库是设备运行中所检测到的状态参数，如工作转速、介质流量、电压或电流等。 (2)知识库存放的知识可以是系统的工作环境、系统知识(反映系统的工作机理及系统结构知识)、设备故障特征值、故障诊断算法、推理规则等，反映系统的因果关系，用来进行故障推理。知识库是专家领域知识的集合。 (3)人机接口人与专家系统打交道的桥梁和窗口，是人机信息的交接点。 (4)被诊断对象 人机接口 数据库 人机推理 结果 知识库

故障诊断专家系统的功能和特点

振动监测分析诊断 交流材料 北京英华达公司 2009年11月

目录

振动监测分析在冶金行业的应用 1.传感器 TSI=Turbine Supervisory Instrumentation 传感器亦称换能器或变换器，它是将被测的某一物理量（或信号），按一定规律转换为与其对应的另一种（或同种）物理量（或信号）并输出的装置。传感器是实现自动检测与自动控制的首要环节，如果没有传感器对原始信号进行准确的捕获与转换，自动检测和自动控制将无法实现。所以，传感器是故障诊断系统中的重要部件。 传感器的分类方法： 由于传感器测量的物理量种类繁多，传感器的工作原理又各不相同，因而传感器的种类也很多，从不同的角度研究就有不同的分类方法。传感器通常有如下几种分类方法。 （1）根据被测物理量分类。这种分类方法说明了传感器用途，如位移传感器、速度传感器、加速度传感器、温度传感器、压力传感器、噪声传感器等。这种分类方法对用户和生产单位来说是比较方便的。其不足之处是将原理互不相同的传感器归为一类，难以找出各种传感器原理上的共性和差异。 （2）按工作原理分类。这种分类方法是以传感器的工作原理作为分类的依据，将传感器分为应变式、压电式、涡流式、电阻式、电容式、差动变压器式等。这种分类方法有利于对各种传感器的原理和性能进行分析研究和设计改进，使应用更灵活。 （2）按能量传递方式分类。从能量观点来分，传感器可分为有源传感器和无源传感器两大类。 设备诊断对传感器的要求： 传感器是诊断系统获取原始信号的装置，正确地选用传感器是设备诊断技术的一个关键环节。前面已介绍过传感器的种类很多，即使对于相同的被测量（如振动），也有很多不同种类的传感器。由于测量的目的和要求不同，测量范围、频响特性、精度、灵敏度等有所区别，而且测量环境也往往不同，因此必须选择合适的、能满足检测要求的传感器。例如，对于振动的精密诊断，由于需要对信号进行各种处理和精细分析，就必须采用高悧能精密传感器。因此，根据设备诊断的目的以及诊断系统的配置来合理地选择传感器的类型，是完成诊断任务的重要环节。在传感器的选择上主要应遵循如下原则： （1）传感器应具有良好的响应特性。由于被诊断对象的原始信息（一次信息）是通过传感器获得的，如果传感器传输信号失真或不稳定，对于同样的原始输入信号，其输出信号就不一样，传感器输出有误差的信号，将使诊断造成困难

比较专家系统、模糊方法、遗传算法、神经网络、蚁群算法的特点及其适合解决的实际问题

比较专家系统、模糊方法、遗传算法、神经网络、蚁群算法的特点及其适合解决的实际问题 一、专家系统(Expert System) 1，什么是专家系统？ 在日常生活中大家所认知的“专家”一般都拥有某一特定领域的大量专业知识，以及丰富的实际经验。在解决问题时，专家们通常拥有一套独特的思维方式，能较圆满地解决一类困难问题，或向用户提出一些建设性的建议等。 专家系统一般定义为一个具有智能特点的计算机程序。 它的智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。因此，专家系统必须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知识来解决实际问题。 专家系统的基本结构如图1所示，其中箭头方向为数据流动的方向。 图1 专家系统的基本组成 专家系统通常由知识库和推理机两个主要组成要素。 知识库存放着作为专家经验的判断性知识,例如表达建议、 推断、 命令、 策略的产生式规则等, 用于某种结论的推理、 问题的求解,以及对于推理、 求解知识的各种控制知识。 知识库中还包括另一类叙述性知识, 也称作数据,用于说明问题的状态,有关的事实和概念,当前的条件以及常识等。

专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。 推理机实际上是一个运用知识库中提供的两类知识,基于木某种通用的问题求解模型,进行自动推理、 求解问题的计算机软件系统。 它包括一个解释程序, 用于决定如何使用判断性知识推导新的知识, 还包括一个调度程序, 用于决定判断性知识的使用次序。 推理机的具体构造取决于问题领域的特点,及专家系统中知识表示和组织的方法。 推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向推理是从前件匹配到结论，反向推理则先假设一个结论成立，看它的条件有没有得到满足。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。 人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。 综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。 知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。 2，专家系统的特点 在功能上, 专家系统是一种知识信息处理系统, 而不是数值信息计算系统。在结构上, 专家系统的两个主要组成部分 – 知识库和推理机是独立构造、分离组织, 但又相互作用的。在性能上, 专家系统具有启发性, 它能够运用专家的经验知识对不确定的或不精确的问题进行启发式推理, 运用排除多余步骤或减少不必要计算的思维捷径和策略；专家系统具有透明性, 它能够向用户显示为得出某一结论而形成的推理链, 运用有关推理的知识(元知识)检查导出结论的精度、一致性和合理性, 甚至提出一些证据来解释或证明它的推理；专家系统具有灵活性, 它能够通过知识库的扩充和更新提高求解专门问题的水平或适应环境对象的某些变化,通过与系统用户的交互使自身的性能得到评价和监护。 3，专家系统适合解决的实际问题 专家系统是人工智能的一个应用，但由于其重要性及相关应用系统之迅速发展，它已是信息系统的一种特定类型。专家系统一词系由以知识为基础的专家系统(knowledge-based expert system)而来，此种系统应用计算机中储存的人类知识，解决一般需要用到专家才能处理的问题，它能模仿人类专家解决特定问题时的推理过程，因而可供非专家们用来增进问题解决的能力，同时专家们也可把它视为具备专业知识的助理。由于在人类社会中，专家资源确实相当稀少，有了专家系统，则可使此珍贵的专家知识获得普遍的应用。 专家系统技术广泛应用在工程、科学、医药、军事、商业等方面，而且成果相当丰硕，甚至在某些应用领域，还超过人类专家的智能与判断。其功能应用领