基于神经网络的装备故障诊断专家系统研究

摘要

现代化装备功能越来越多样化和智能化，其结构也随之越来越复杂，导致装备维护和管理工作困难重重，工作量和复杂度大幅度提高，尤其是装备故障诊断问题，因引起故障的因素多样化，故使得维护和维修人员故障诊断准确率和工作效率降低，故障诊断技术研究是保障装备安全、高效、可靠运转的关键技术。本文以陕西省教育厅专项科研计划项目“基于嵌入式系统的武器装备故障诊断方法研究”为背景，以某装备故障诊断专家系统为研究对象，结合其特点及故障诊断问题，本课题提出基于神经网络的装备故障诊断专家系统。
　　本文充分、深入的研究了故障诊断技术，通过分析各种智能故障诊断技术的优缺点，选取适合本课题的智能诊断技术，对比、分析神经网络和专家系统的区别和联系，深入研究神经网络与专家系统的结合方式，构建出多模式、实时的基于神经网络的故障诊断专家系统。另外，通过将故障诊断专家系统移植到移动手持终端，给故障诊断工作提供了更方便、灵活的方式;通过实时监测被诊断装备的工作电压，为故障诊断提供更直接、有效的依据，减少或者在很大程度上避免了人工在故障诊断过程中的参与。
　　在本课题中，通过对Elman神经网络模型结构和功能的分析，以及在某装备工作过程中对故障问题诊断实际效果的检测，Elman神经网络在收敛速度、误差精度方面都明显优于BP神经网络。另外Elman神经网络所具有的动力学特性，使其更能适应动态工作环境，更加有助于故障诊断专家系统发挥其实时故障诊断能力。
　　本课题构建的多模式、实时故障诊断专家系统，经过测试，有效的解决了故障诊断过程中遇到的准确度低、效率低的问题，另减少人工参与，提供方便、灵活的故障诊断方式。

目录

摘要

1 绪论

1．1 课题来源及研究背景

1．2 课题研究意义

1．3 故障诊断技术的发展和现状

1．3．1 故障诊断技术的发展

1．3．2 故障诊断技术的现状

1．4 故障诊断专家系统发展和现状

1．4．1 专家系统发展

1．4．2 故障诊断专家系统发展

1．4．3 故障诊断专家系统现状

1．4．4 故障诊断专家系统发展方向

1．5 神经网络的发展和现状

1．5．1 神经网络的发展

1．5．2 神经网络的现状

1．5．3 神经网络在故障诊断中的应用

1．6 课题研究的主要内容

1．7 本章小结

2 神经网络诊断方法与故障树诊断方法对比与结合

2．1 专家系统概述

2．1．1 专家系统结构

2．1．2 故障诊断专家系统

2．2 基于故障树的诊断方法

2．2．1 故障树分析法

2．2．2 故障树分析法应用到故障诊断中的优势

2．2．3 基于故障树的故障诊断专家系统的不足

2．3 神经网络原理

2．3．1 神经网络概念

2．3．2 神经元模型

2．3．3 激活函数

2．3．4 神经网络拓扑结构

2．3．5 神经网络学习规则

2．4 神经网络工作原理

2．4．1 神经网络知识表示

2．4．2 神经网络知识获取

2．4．3 神经网络推理机制

2．5 基于神经网络的故障诊断方法

2．5．1 神经网络故障诊断方法研究

2．5．2 神经网络故障诊断方法的优势和不足

2．6 神经网络诊断方法与故障树诊断方法的对比与结合

2．6．1 神经网络故障诊断方法与故障树诊断方法对比

2．6．2 神经网络故障诊断方法与故障树诊断方法的结合

2．7 基于神经网络的装备故障诊断专家系统

2．7．1 基于神经网络的装备故障诊断专家系统的结构

2．7．2 基于神经网络的装备故障诊断专家系统的工作原理

2．8 本章小结

3 神经网络模型建立与MATLAB仿真

3．1 BP神经网络模型

3．1．1 BP神经网络模型结构

3．1．2 BP神经网络模型算法

3．1．3 BP神经网络模型工作原理

3．2 Elman神经网络模型

3．2．1 Elman神经网络模型结构

3．2．2 Elman神经网络模型算法

3．2．3 Elman神经网络模型工作原理

3．3 MATLAB工具使用

3．3．1 MATLAB的神经网络工具箱

3．3．2 MATLAB／Simulink

3．3．3 MATLAB／Real-Time Workshop工具

3．4 被诊断设备描述

3．4．1 被诊断设备内部采集点设置

3．4．2 设备故障征兆表示

3．4．3 设备故障征兆编码

3．4．4 设备故障样本

3．5 BP神经网络模型建立及MATLAB仿真

3．5．1 BP神经网络模型建立

3．5．2 BP神经网络的MATLAB仿真效果

3．6 Elman神经网络模型建立及MATLAB仿真

3．6．1 Elman神经网络模型建立

3．6．2 Elman神经网络的MATLAB仿真效果

3．7 Elman神经网络和BP神经网络对比

3．7．1 Elman网络输出和BP网络输出对比

3．7．2 Elman神经网络和BP神经网络对比总结

3．8 神经网络模型翻译

3．9 本章小结

4 基于神经网络的装备故障诊断专家系统的设计

4．1 基于神经网络的装备故障诊断专家系统

4．1．1 基于神经网络的装备故障诊断专家系统描述

4．1．2 基于神经网络的装备故障诊断专家系统的结构

4．2 诊断Agent

4．2．1 被诊断设备工作电压值数据采集

4．2．2 被诊断设备工作电压值数据处理

4．2．3 被诊断设备工作电压值数据发送

4．3 诊断客户端

4．3．1 诊断客户端通信接口

4．3．2 诊断客户端征兆数据库

4．3．3 实时故障诊断工作模式

4．3．4 离线故障诊断工作模式

4．3．5 两种故障诊断工作模式的结合

4．4 课题开发环境及运行环境介绍

4．4．1 课题开发环境

4．4．2 课题运行环境

4．4．3 交叉编译器

4．4．4 minicom工具

4．5 本章小结

5 基于神经网络的装备故障诊断专家系统的实现

5．1 串口通信

5．2 征兆数据库

5．3 诊断客户端

5．3．1 实时故障诊断工作模式实现

5．3．2 离线故障诊断工作模式实现

5．3．3 两种工作模式结合实现效果

5．4 本章小结

6 结论

参考文献

攻读硕士学位期间发表的论文

致谢

声明