自主學習的智能診斷方法及基于Web Services的遠程診斷系統(tǒng)構(gòu)建的研究.pdf

1、故障診斷技術(shù)是保證工業(yè)生產(chǎn)部門及能源、交通等行業(yè)中各種大型、重要設(shè)備的安全穩(wěn)定運行的一項多學科綜合的工程應(yīng)用技術(shù)。首先介紹了現(xiàn)代故障診斷技術(shù)的研究現(xiàn)狀,特別是各種智能診斷技術(shù)的現(xiàn)狀和存在的不足。智能診斷技術(shù)一般是通過智能方法將大量已知故障樣本信息作為知識存儲起來,用于對設(shè)備未知的狀態(tài)進行診斷。在實際應(yīng)用中,典型故障數(shù)據(jù)樣本的缺乏、故障樣本信息的獲取困難和知識的表達困難是制約故障智能診斷技術(shù)發(fā)展的重要原因。
　　研究了基于行為的故障

2、診斷方法,該方法能夠在對設(shè)備的監(jiān)測診斷過程中通過自主學習不斷地提高診斷系統(tǒng)的診斷能力,從而有效避免了診斷樣本信息不足對診斷系統(tǒng)建立的制約問題。自適應(yīng)諧振理論ART2是受人類視覺系統(tǒng)生理學的啟發(fā)而產(chǎn)生的能夠解決“穩(wěn)定性/可塑性兩難問題”的自學習算法,將ART2應(yīng)用于基于行為的故障診斷系統(tǒng)的構(gòu)建中。將這種方法應(yīng)用于轉(zhuǎn)子的故障診斷實驗中,顯示出了良好的特性,驗證了該方法的可行性。
　　支持向量機主動學習方法能夠在有限的已知樣本的基礎(chǔ)上,

3、主動從大量候選的未標注樣本集中選擇最有價值的樣本進行學習,最終達到較高的分類精度。對支持向量機主動學習方法在故障診斷中的應(yīng)用進行了研究,表明支持向量機主動學習適合于如機械故障診斷中難以獲得足夠初始樣本情況下的使用,具有很高的理論研究和實際應(yīng)用價值。
　　研究證明,具有自主學習能力的基于行為的診斷方法和支持向量機主動學習方法都為解決故障樣本的不足和知識的難以獲取提供了很好的途徑,即解決了在難以獲得足夠初始樣本信息、而在監(jiān)測過程中能夠

4、得到大量未知狀態(tài)樣本信息情況下智能診斷系統(tǒng)的構(gòu)建和分類精確度的問題。
　　基于網(wǎng)絡(luò)的遠程診斷方法是診斷技術(shù)發(fā)展的一個重要方向,將各種采用不同方法、適用于不同部件的故障診斷資源通過構(gòu)建遠程故障診斷系統(tǒng)實現(xiàn)遠程協(xié)作診斷,是實現(xiàn)診斷資源共享、提高診斷精度的一個重要途徑。診斷客戶與診斷服務(wù)方之間、有協(xié)作關(guān)系的各個診斷子系統(tǒng)之間的信息表示和傳遞是一個遠程診斷系統(tǒng)構(gòu)建中的一個重要問題,采用OSA-CBM標準和XML語言進行數(shù)據(jù)的表示,從而有效