人工智能在故障诊断中的应用.pdf

《人工智能在故障诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、科技信息。科教前沿0SCIENCE＆TECHNOLOGYINFORMATION2010年第23期人工智能在故障诊断中的应用高峰’孙时珍曲建岭’(1．中国人民解放军海军航空工程学院青岛分院山东青岛266041；2．中国人民解放军海军装备部航空技术保障部中国北京100071)【摘要】人工智能在故障诊断中的应用是现阶段故障诊断研究的主要方向，文章首先系统地概述了专家系统、人工神经网络、模糊理论三种智能故障诊断方法的原理，然后结合工作实践和研究成果，对各种智能方法在飞机故障诊断上的应用进行了初步的探讨。【关

2、键词】人工智能；故障诊断；专家系统；人工神经网络；模糊理论0引言2人工神经网络人类社会进入工业化阶段以来，各种复杂的机器设备不断涌现，2．1人工神经网络的定义设备的故障诊断就成了一项重要的研究课题。就诊断方法而言，目前人工神经网络就是用物理上可以实现的器件系统或现有的计算除了传统的单一参数、单一故障的技术诊断外，多参量、多故障的综合机来模拟人脑的结构和功能的人工系统。它由大量简单神经元经广泛诊断已经兴起。随着现代科学技术的发展，故障诊断技术和方法也不互联构成一种计算结构．在某种程度上可以模拟人脑生物

3、神经系统的断推陈出新，正走向智能化阶段。人工智能的发展为故障诊断提供了工作过程。它以神经元为信息处理的基本单元，以神经元间的连接弧智能化的诊断方法．故障诊断专家系统不仅在理论上得到了相当的发为信息传递通道．多个神经元联接而成的网络结构。展．而且已有了成功的应用实例。与此同时，人工神经网络的研究也进2．2人工神经网络的特点入到了故障诊断领域，成为故障诊断的一个最新研究热点，并已在许人工神经网络具有如下特点：多实际系统中得到了很好的应用。此外．模糊理论、模糊逻辑系统也已知识的分布式存储．人工神经网络将知

4、识分布存储于各神经元及经应用到故障诊断领域，并且与人工神经网络和专家系统互相结合，其诖接权值中。突显出其独特的优势，成为一种很有价值的故障诊断方法。并行处理，人工神经网络的知识是分布式存储的，且以神经元为信息处理的基本单元，各个神经元可以并行处理信息，从而提高了信1专家系统息处理的速度。自适应性，人工神经网络能根据外界环境的变化，通过自组织达1．1专家系统的定义到系统的自我完善，从而适应新的环境，无需人为的调节。专家系统是一种能利用存储的专家知识来解决现实问题的计算机系统，由存储专家知识的知识库、运

5、用专家知识进行推理的推理机、容错性，当输入的信息不完整或局部有错误时，人工神经网络的输出也会接近正常值，而不会受到很大的影响，此即容错性或称鲁棒存放数据的数据库、以及实现用户与系统交流的人机接口四个基本部性。分组成，此外还包括解释程序和知识获取程序。存放知识和运用知识自学习能力，人工神经网络能根据环境提供的大量信息自动进行进行问题求解是专家系统的两个基本功能。1．2专家系统的特点联想记忆及聚类等自组织学习，通过调整网络权值把新的知识存储于专家系统具备以下三个显著特征：各神经元之间的连接权值中。Kol

6、mogorov定理证明了只要用三层非线性网络就可以在任意精启发性：不仅能使用逻辑知识，也能使用启发性知识，它运用规范的专门知识和直觉的评判知识进行判断推理和联想，实现问题求解。度上逼近某个给定的非线性函数。透明性：即使用户对专家系统结构不了解，也可以进行相互交流，2．3人工神经网络的结构系统能回答用户的一些有关问题，使用户了解知识的内容和推理思人工神经网络的拓扑结构可分成两大类：层状结构和网状构。路。灵活性：专家系统的知识库与推理机的分离，使系统能不断接纳新知识，调整有关控制信息和结构，确保两者的协

7、调，同时便于系统的修改和扩充。1．3专家系统的结构通常专家系统的结构如下图所示：《二图2层状结构图3网状结构层状结构一般包括输入层、隐含层、输出层，每一层都包含一定数量的神经元，相邻层之间的神经元单向连接。而同层内的神经元相互之间无连接关系，各层神经元的个数根据实际问题确定。输入层是信息采集单元，隐含层和输出层是计算单元。图1专家系统的结构网状结构特点是任何两个神经元之间都存在双向的连接关系，所有神经元既作为输入节点，同时也是输出节点。随着神经元数目的增知识库：用于存放专家知识，从专家处获取知识后，

8、按规定的格式加。互联网络结构会迅速复杂化，从而大大增加网络的计算量。输入知识库。推理机：主要任务是在问题求解过程中适时的决定知识的选择和3专家系统与人工神经网络的集成运用。确定推理控制策略和推理方式，编写推理规则，输入计算机系3．1专家系统存在的问题统。传统的专家系统存在如下一些问题：人机接口：主要是将用户的输入信息翻译为专家系统可接受和识知识获取的瓶颈问题，一方面，传统的专家系统不能通过自学习别的内部形式，把系统向用户输出的信息转换成便于人类理解的外部获取知识，需要