人工神经网络与案例推理技术相结合用于故障诊断

摘要

本文主要研究了将神经网络技术同基于案例推理技术相结合用于故障诊断.神经网络和基于案例推理作为人工智能领域的代表技术,在故障诊断领域中各有其成功的应用.但由于两种技术本身的缺陷和现代故障形式的不断复杂化,单独应用这些人工智能技术都不可避免的存在着局限性.因此,根据两种技术在故障诊断中特点,将两者结合未尝不是解决其各自缺陷的方法,本文正是基于这一背景,对故障诊断领域中两者的结合进行了研究.基于神经网络的故障诊断过程缺乏透明性,对于复杂系统效果不佳,而基于案例推理的诊断方法在大型系统中,诊断精度不高,推理过程缓慢.针对两者的缺陷和其各自的特点,本文将两者进行结合,并设计了具体的结合方案,即利用神经网络的模式匹配能力作为预分类器,对案例推理中的案例建立索引,指导案例的检索,建立了ANN-CBR模型.同时,本文结合炼油工业中的流化催化裂化过程的仿真系统得到数据,对所建立的结合模型进行了测试.取得了较好的故障诊断结果,诊断性能明显优于单独使用的情况,说明将神经网络和基于案例推理结合用于故障诊断的有效性及其实际意义.

目录

文摘

英文文摘

承诺书

第一章绪论

1.1机械故障诊断技术概述

1.2机械故障诊断技术的意义及应用

1.3国内外机械故障诊断技术现状

1.4故障诊断技术所面临的挑战

1.5本文的内容及组织

第二章神经网络技术及其在故障诊断中的应用

2.1神经网络概述

2.2神经网络理论基础

2.2.1人工神经元模型

2.2.2神经元间的连接和激活函数

2.3人工神经网络模型

2.3.1人工神经网络模型的分类

2.3.2人工神经网络的学习规则

2.4 BP网络及其算法

2.4.1 BP网络模型

2.4.2 BP算法

2.4.3 BP算法中几个值得注意的问题

2.4.4 BP算法的学习过程及其流程图

2.5神经网络在故障诊断中的应用

2.6本章小结

第三章基于案例推理技术

3.1基于案例推理概述

3.2基于案例推理的基本原理和方法

3.2.1案例推理方法的理论基础

3.2.2案例推理的一般工作流程

3.3基于案例推理的基本研究内容

3.3.1案例表示

3.3.2案例检索

3.3.3案例调整

3.3.4案例学习

3.4基于案例推理的特点和应用

3.5本章小结

第四章故障诊断中的神经网络和基于案例推理的结合

4.1概述

4.2故障诊断的神经网络方法

4.3故障诊断的案例推理方法

4.4 ANN和CBR的结合

4.5ANN-CBR模型结构

4.6预分类人工神经网络模块

4.7 CBR模块

4.7.1故障案例的描述

4.7.2基于ANN的案例索引的建立

4.7.3ANN指导下的案例的检索和匹配

4.8模型结果修正及系统学习

4.9本章小结

第五章ANN-CBR模型用于FCCU仿真系统

5.1 FCCU系统简介

5.2仿真数据的获取和预处理

5.3FCCU的神经网络分类器

5.4FCCU案例及其CBR过程相关

5.5模型仿真的相关程序的编制

5.6仿真结果和讨论

5.7本章小结

第六章总结与展望

6.1本文总结

6.2进一步工作展望

致谢

在学期间研究成果

参考文献