基于AIS的故障诊断专家系统研究与应用

摘要

现代机械行业的自动化程度越来越高，相应其结构也更为复杂，现有的故障诊断技术已经不能满足复杂设备的故障诊断要求。本文的主要目的是研究一种针对复杂设备故障的故障诊断方法，克服复杂设备故障样本难以获取的问题。
　　 本文主要研究的是故障诊断专家系统，在传统故障诊断专家系统已有的研究成果基础上，本文引入了人工智能的研究热点：人工免疫系统，对故障诊断专家系统进行改进，形成一种混合智能故障诊断方法。
　　 针对复杂设备故障数据难以获取的问题，本文采用人工免疫系统中的阴性选择方法。根据大量的正常运行数据和部分故障数据产生初始检测器，并将其存入知识库中，从而解决故障样本不足所带来的知识库覆盖不足的问题。但是由于基于实值阴性选择算法产生的检测器会发生交迭，所以本文使用了一种改进的阴性选择算法--基于混沌的阴性选择算法。由于混沌算法良好的遍历性和不重复性，解决了检测器交迭的问题。采用Iris数据进行仿真对比，改进的阴性选择算法的检测效果优于实值阴性选择算法。
　　 在检测器训练过程中，采用了基于K邻近算法与克隆选择相结合的方法动态更新知识库，实现了专家系统的自学习功能。知识库的动态更新增加了检测器的覆盖率，提高整个故障诊断专家系统的正确性和自适应性。专家系统的推理机制主要采用抗原抗体对结合能量计算进行样本匹配，测试样本和检测器的结合能量越小则表示样本匹配程度越高，测试样本归属为结合能量最小的检测器所属故障类别。
　　 本文基于以上方法，研究了一种基于AIS的故障诊断专家系统，并将其应用于制冷系统的故障诊断当中。在引入该专家系统后，故障检测正确率均能达到预期效果，说明该种混合智能故障诊断方法良好的应用前景。

目录

文摘

英文文摘

第一章 绪论

1.1 课题的目的及意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 研究内容和主要工作

第二章 故障诊断专家系统

2.1 故障诊断概述

2.1.1 故障诊断的研究内容

2.2 特征信息提取

2.3 故障诊断方法

2.3.1 基于过程模型的故障诊断方法

2.3.2 基于信号处理的故障诊断方法

2.3.3 基于知识的故障诊断方法

2.4 故障诊断专家系统

2.4.1 专家系统概述

2.4.2 专家系统的特点

2.4.3 故障诊断专家系统的组成与工作原理

2.5 本章小结

第三章 人工免疫系统

3.1 生物免疫的概述

3.1.1 免疫系统的组成与结构

3.1.2 免疫系统的工作原理

3.1.3 免疫系统的特性

3.1.4 生物免疫的主要机理

3.2 人工免疫系统的概述

3.2.1 人工免疫系统的主要算法

3.2.2 人工免疫系统的应用

3.3 本章小结

第四章 基于人工免疫系统的故障诊断专家系统

4.1 引言

4.2 数据预处理

4.2.1 数据的降维

4.2.2 数据的规范化

4.3 知识获取

4.3.1 生成初始检测器

4.3.2 改进的阴性选择算法

4.3.3 知识库动态更新

4.3.4 仿真实验

4.4 推理机制

4.5 知识表示

4.6 本章小结

第五章 制冷系统的故障诊断专家系统实现

5.1 引言

5.2 系统的基本结构

5.2.1 制冷系统的组成与特点

5.2.2 测试用制冷系统

5.3 制冷系统故障分析

5.3.1 制冷系统的特征值选取条件

5.3.2 本故障诊断系统特征值选取

5.4 制冷系统故障诊断系统专家系统的设计

5.4.1 数据采集和数据处理

5.4.2 人机交互界面

5.4.3 数据库

5.4.4 知识获取

5.4.5 知识表示

5.4.6 推理机制

5.5 制冷系统的故障诊断专家系统仿真结果

5.6 本章小结

第六章 总结与展望

6.1 本文总结

6.2 展望

参考文献

致谢

攻读学位期间参加的科研项目和成果