自主學(xué)習(xí)的智能診斷方法及基于Web Services的遠(yuǎn)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(mén)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(yùn)行的一項(xiàng)多學(xué)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(guò)智能方法將大量已知故障樣本信息作為知識(shí)存儲(chǔ)起來(lái),用于對(duì)設(shè)備未知的狀態(tài)進(jìn)行診斷。在實(shí)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(shí)的表達(dá)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(duì)設(shè)備的監(jiān)測(cè)診斷過(guò)程中通過(guò)自主學(xué)習(xí)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(duì)診斷系統(tǒng)建立的制約問(wèn)題。自適應(yīng)諧振理論ART2是受人類(lèi)視覺(jué)系統(tǒng)生理學(xué)的啟發(fā)而產(chǎn)生的能夠解決“穩(wěn)定性/可塑性?xún)呻y問(wèn)題”的自學(xué)習(xí)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(shí)驗(yàn)中,顯示出了良好的特性,驗(yàn)證了該方法的可行性。
　　支持向量機(jī)主動(dòng)學(xué)習(xí)方法能夠在有限的已知樣本的基礎(chǔ)上,

3、主動(dòng)從大量候選的未標(biāo)注樣本集中選擇最有價(jià)值的樣本進(jìn)行學(xué)習(xí),最終達(dá)到較高的分類(lèi)精度。對(duì)支持向量機(jī)主動(dòng)學(xué)習(xí)方法在故障診斷中的應(yīng)用進(jìn)行了研究,表明支持向量機(jī)主動(dòng)學(xué)習(xí)適合于如機(jī)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(shí)際應(yīng)用價(jià)值。
　　研究證明,具有自主學(xué)習(xí)能力的基于行為的診斷方法和支持向量機(jī)主動(dòng)學(xué)習(xí)方法都為解決故障樣本的不足和知識(shí)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(cè)過(guò)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(lèi)精確度的問(wèn)題。
　　基于網(wǎng)絡(luò)的遠(yuǎn)程診斷方法是診斷技術(shù)發(fā)展的一個(gè)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(guò)構(gòu)建遠(yuǎn)程故障診斷系統(tǒng)實(shí)現(xiàn)遠(yuǎn)程協(xié)作診斷,是實(shí)現(xiàn)診斷資源共享、提高診斷精度的一個(gè)重要途徑。診斷客戶(hù)與診斷服務(wù)方之間、有協(xié)作關(guān)系的各個(gè)診斷子系統(tǒng)之間的信息表示和傳遞是一個(gè)遠(yuǎn)程診斷系統(tǒng)構(gòu)建中的一個(gè)重要問(wèn)題,采用OSA-CBM標(biāo)準(zhǔn)和XML語(yǔ)言進(jìn)行數(shù)據(jù)的表示,從而有效