人工神經(jīng)網(wǎng)絡(luò)與案例推理技術(shù)相結(jié)合用于故障診斷.pdf

1、本文主要研究了將神經(jīng)網(wǎng)絡(luò)技術(shù)同基于案例推理技術(shù)相結(jié)合用于故障診斷.神經(jīng)網(wǎng)絡(luò)和基于案例推理作為人工智能領(lǐng)域的代表技術(shù),在故障診斷領(lǐng)域中各有其成功的應(yīng)用.但由于兩種技術(shù)本身的缺陷和現(xiàn)代故障形式的不斷復(fù)雜化,單獨應(yīng)用這些人工智能技術(shù)都不可避免的存在著局限性.因此,根據(jù)兩種技術(shù)在故障診斷中特點,將兩者結(jié)合未嘗不是解決其各自缺陷的方法,本文正是基于這一背景,對故障診斷領(lǐng)域中兩者的結(jié)合進(jìn)行了研究.基于神經(jīng)網(wǎng)絡(luò)的故障診斷過程缺乏透明性,對于復(fù)雜系統(tǒng)效

2、果不佳,而基于案例推理的診斷方法在大型系統(tǒng)中,診斷精度不高,推理過程緩慢.針對兩者的缺陷和其各自的特點,本文將兩者進(jìn)行結(jié)合,并設(shè)計了具體的結(jié)合方案,即利用神經(jīng)網(wǎng)絡(luò)的模式匹配能力作為預(yù)分類器,對案例推理中的案例建立索引,指導(dǎo)案例的檢索,建立了ANN-CBR模型.同時,本文結(jié)合煉油工業(yè)中的流化催化裂化過程的仿真系統(tǒng)得到數(shù)據(jù),對所建立的結(jié)合模型進(jìn)行了測試.取得了較好的故障診斷結(jié)果,診斷性能明顯優(yōu)于單獨使用的情況,說明將神經(jīng)網(wǎng)絡(luò)和基于案例推理結(jié)