粗糙集和贝叶斯网络融合故障诊断方法

融合贝叶斯网络和粗糙集对不确定故障诊断的优势,以及粗糙集对冗余信息的处理能力,给出了一种粗糙集和贝叶斯网络进行融合的装备故障诊断方法,获得最小属性集的贝叶斯网络故障诊断模型及诊断规则,并应用于某型机载电台装备中进行验证,结果表明该方法不仅有效,而且得到的诊断规则也比单纯应用贝叶斯网络要优。     

基于故障树贝叶斯网络的装备故障诊断方法研究

针对复杂系统故障诊断的难点,通过某装备信息机的实例给出了一种基于故障树贝叶斯网络的故障诊断方法。该方法通过结构转变、证据传播,采用局部计算进行故障概率推理,不仅使FBN故障概率推理简洁易行,而且使FBN故障概率推理的复杂性大大降低。     

贝叶斯网络在柴油机动力装置故障诊断中的应用

试图将贝叶斯网络应用于柴油机装置的故障诊断中,采用贝叶斯网络故障模型,理论上可以表示更加复杂的系统,从而改善诊断结果,并按最优原则充分利用观测信息,进行专家知识积累。     

基于贝叶斯网络的模拟训练成绩评定方法

针对模拟训练评定问题,提出了基于贝叶斯网络的评定方法,构建了基于静态贝叶斯网络的模拟训练成绩评定贝叶斯网络模型,采用了商业软件Genie对仿真进行了分析。由于该网络充分融合专家知识和经验数据,因此具有良好的应用前景。     

基于贝叶斯网络方法对船舶搁浅概率的研究

针对船舶航行安全的薄弱环节,在故障树分析船舶搁浅事故成因的基础上,运用贝叶斯网络对事件之间的多态性和逻辑性进行了研究。得到了事件的后验概率值,分析了导致事故发生的薄弱环节,推理得出最可能引起事故发生的事件组合,结果与统计资料一致,为提高船舶运营的安全和运营管理提供了科学依据。     

基于贝叶斯网络的舰船故障建模方法研究

舰船故障建模是进行故障诊断的主要技术,舰船故障的种类多,变化复杂,兼具有随机性和规律性,当前舰船故障诊断的建模方法无法描述其变化特点,使得舰船故障诊断结果不理想。为了改善舰船故障诊断效果,设计了基于贝叶斯网络的舰船故障建模方法。首先对舰船故障诊断的工作原理进行分析,指出当前舰船故障诊断方法出现缺陷的影响因素,然后采用贝叶斯网络对舰船故障诊断过程进行模拟和建模,最后采用仿真实验与其他舰船故障诊断模型的结果进行对比。结果表明,贝叶斯网络的舰船故障诊断正确率更高,可以更好反映舰船故障诊断随着时间改变的变化趋势,避免了出现故障诊断错误率高的难题,具有广泛的应用前景。     

基于模糊方法的舰炮故障诊断

在舰炮武器系统的故障诊断中,由于系统的复杂性和直接监测的困难,应用故障机理分析方法判断征兆故障成因间的关系极为困难。介绍了应用模糊数学进行的故障诊断方法,充分利用故障统计数据和专家经验,根据隶属度与贴近度函数来判断征兆群与故障成因之间的关系,从而实现当输入系统征兆后计算机对系统状况的自动诊断。     

基于贝叶斯网络的半潜式钻井平台钻井设备系统可靠性分析

半潜式钻井平台的系统可靠性是保证其正常进行安全生产作业的重要指标。当前,国内对半潜式平台的可靠性研究主要集中于平台结构的可靠性上,对平台系统可靠性少有涉猎,并且传统可靠性分析方法难以定量分析某个设备的失效对系统可靠性的影响。本文提出应用贝叶斯网络法来进行半潜式钻井平台系统可靠性分析,通过设备间的依赖关系来确定网络结构和节点参数,建立贝叶斯网络模型并计算出系统可靠度,再对钻井系统进行故障诊断,推算钻井系统中各个根节点的后验概率,并成功找出钻井系统中的最薄弱环节为顶驱装置(Top-drive Drilling System, TDS),从而有针对性的对顶驱装置进行优化,可以有效提升半潜式钻井平台系统可靠性。     

舰炮供弹系统故障诊断知识本体建模研究*

针对舰炮供弹系统故障频发,故障诊断知识激增,传统诊断难度增大的问题,在对供弹系统故障诊断知识结构和语义特点分析的基础上,提出了一种基于本体的舰炮供弹系统故障诊断知识建模方法和表示模型。构建了包含供弹系统故障源、故障现象、参数指标、故障原因及排故措施五要素,由决策树连接的供弹系统故障知识本体。并应用推理机 Pellet对模型进行一致性检验。实例验证表明,该本体模型不仅表述直观、效率高,而且利于知识的共享和扩充。     

某型舰炮远程故障诊断专家系统的设计与实现

文章针对某型舰炮的工作原理以及故障特点,结合人工智能中专家系统的知识,采用的B／S模式下jsp＋servlet技术来设计出一套该型舰炮的远程故障专家系统。在某型舰炮维修的过程中,该文所设计的软件能方便快速的解决故障,在武器装备维护中具有重要的军事意义。     

基于神经网络与专家系统的火控系统故障诊断

为了能在火控系统发生故障时，更快更好地诊断和排除，分析了人工神经网络和专家系统各自特点及其局限性，采用人工神经网络技术与专家系统相结合的方法，建立基于人工神经网络与专家系统故障诊断机制，对火控系统的故障进行智能诊断。克服了传统的诊断专家系统缺少有效的自学习、自适应机制，难以解决非线性系统故障问题的不足。这对于解决火控系统多征兆、多原因的复杂故障问题，是一条方便快捷的途径。     

基于组合式BP网络的空压机故障诊断

针对空压机故障诊断过程中参数的多样性及复杂性,分别采用单BP网络和组合式BP网络两种方法对其主要故障进行建模和诊断。结果表明:采用组合式BP网络的故障诊断方法更加简单实用,能有效地提高空压机故障诊断的准确率。     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

基于小波变换的火炮随动系统电机故障分析诊断

针对火炮随动系统维护的重要性,论文从检测火炮随动系统电机振动入手,应用小波变换理论对电机的运行状态进行处理和分析,进而通过诊断软件检测电机是否有故障,并找出电机运行时产生故障的位置和原因,达到对随动电机进行预知维修的目的,提高火炮系统作战能力.     

基于神经网络的舰艇指控系统故障诊断专家系统

针对舰艇指控系统设备故障的复杂性、多样性,采用神经网络和专家系统相结合的方法,构建了舰艇指控系统故障诊断系统,阐述了该系统的基本结构,以及知识库、推理机和解释机的实现方法。较好地解决了舰艇指控系统故障诊断问题。为舰艇指控系统故障诊断提出了一种新的途径。     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。