發(fā)布時間：2018-06-29 20:29

  本文選題：典型故障 + 框架理論�。� 參考：《江西理工大學》2011年碩士論文

【摘要】：故障診斷技術發(fā)展數十年來,已經從簡單的觀察,數據處理到以傳感器和動態(tài)測試技術為手段,以信號處理和建模處理為基礎的現代診斷技術,現在到了新的階段——智能診斷技術階段。本論文主要是以典型的旋轉機械——風機為研究對象,在診斷系統構建方面做了相關研究。本文研究的重點是粗糙集約簡可以讓診斷過程更快速,也更準確;構建了診斷平臺,使之能識別典型的故障,這之中構建了知識庫和設計了知識推理的策略。系統來說,本文做了以下方面的研究和探討: 1)介紹了故障征兆提取和故障推理方法。 2)用Access2003和框架理論建立風機征兆數據庫,然后用VB6.0有效的連接建立起數據庫,結合正向推理策略構建成診斷系統。 3)提取出各常見風機故障的特征,然后按照征兆順序依次排列,一一對應數字化后,組成特征向量,運用粗糙集和約簡理論,借助MATLAB實現證明約簡后的診斷結果,更快,更全面。 4)采用了模糊推理理論,在建立知識庫的基礎上進行判別診斷。模糊推理是利用模糊性知識進行的一種不確定性推理,模糊推理理論的基礎是模糊集理論以及在此基礎上發(fā)展起來的模糊邏輯,它所處理的事物自身是模糊的,適用于故障知識的識別,通過建立起的仿真診斷也可說明這點。 5)運用VB6.0構建故障診斷系統時,當邏輯層次比較復雜的時候,無可避免的要面對復雜的知識搜索等問題,需要考慮知識組織和推理機制的改進,此系統具有不斷完善的功能,知識庫可以不斷添加和維護,為此故障診斷可以隨著使用時間的推移,診斷結果可以越來越精確。
[Abstract]:Over the past decades, fault diagnosis technology has developed from simple observation, data processing to modern diagnostic technology based on signal processing and modeling processing by means of sensors and dynamic test techniques. Now it's a new phase-intelligent diagnostic technology. In this paper, the typical rotating machinery-fan as the research object, in the diagnosis system construction has done the related research. The emphasis of this paper is that rough set reduction can make the diagnosis process faster and more accurate, and the diagnosis platform is constructed to identify typical faults, and the knowledge base and the strategy of knowledge reasoning are designed. In this paper, the following aspects are studied and discussed: 1) the methods of fault symptom extraction and fault reasoning are introduced. 2) the fan symptom database is established by using Access2003 and frame theory. Then the database is established with VB6.0 effectively, and the diagnosis system is constructed by combining forward reasoning strategy. 3) the features of the common fan faults are extracted, then arranged in sequence according to the symptoms, and then digitized one by one. The feature vector is made up of rough set and reduction theory, and the diagnosis result after the reduction is proved by MATLAB. 4) Fuzzy inference theory is adopted to discriminate diagnosis based on the establishment of knowledge base. Fuzzy reasoning is a kind of uncertain reasoning based on fuzzy knowledge. The basis of fuzzy reasoning theory is fuzzy set theory and fuzzy logic developed on this basis. It can also be illustrated by the simulation diagnosis built up. 5) when using VB6.0 to build fault diagnosis system, when the logic level is more complicated, It is necessary to consider the improvement of knowledge organization and reasoning mechanism in the face of complex knowledge search and other problems. This system has the function of continuous improvement, and the knowledge base can be added and maintained continuously. For this reason, fault diagnosis can be more and more accurate over time.
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：TH165.3

【參考文獻】

相關期刊論文 前10條

1 劉曉慧;;面向對象的知識表示方法研究[J];電腦學習;2010年01期

2 張聰炳;范志鵬;吳敦勝;;關于用VB實現知識推理的研究[J];電腦開發(fā)與應用;2010年04期

3 孫海軍,蔣東翔,錢立軍,戰(zhàn)祥森;基于粗糙集理論的旋轉機械故障診斷方法[J];動力工程;2004年01期

4 劉曉波,黃其柏;基于動態(tài)核聚類分析的水輪機組故障模式識別[J];華中科技大學學報(自然科學版);2005年09期

5 劉曉波;黃其柏;;水輪發(fā)電機組故障診斷模糊專家系統研究[J];華中科技大學學報(自然科學版);2006年01期

6 年志剛;梁式;麻芳蘭;李尚平;;知識表示方法研究與應用[J];計算機應用研究;2007年05期

7 劉亞娟;張曉芹;;基于支持向量機的旋轉機械故障診斷[J];計算機工程與設計;2005年12期

8 張吉先,鐘秋海,戴亞平;RBF及模糊神經網絡在旋轉機械故障診斷中的應用[J];系統仿真學報;2004年03期

9 王計生,黃惟公,喻俊馨;小波分析和神經網絡技術在故障診斷中的應用[J];振動、測試與診斷;2004年01期

10 趙沖沖;廖明夫;于瀟;;基于支持向量機的旋轉機械故障診斷。[J];振動、測試與診斷;2006年01期

相關碩士學位論文 前10條

1 昌大偉;旋轉機械故障診斷專家系統知識庫與診斷推理的研究[D];浙江工業(yè)大學;2001年

2 劉海龍;基于框架理論的電機故障診斷專家系統的研究[D];大連理工大學;2002年

3 李小彭;機械設備故障智能診斷系統研究[D];沈陽工業(yè)大學;2003年

4 孫增國;神經網絡和模糊專家系統在故障診斷中的應用[D];大連理工大學;2004年

5 謝鋒;基于框架理論的操作票自動生成專家系統[D];武漢大學;2003年

6 吳良樹;KBE的系統集成技術與網絡化應用開發(fā)研究[D];機械科學研究院;2004年

7 趙紅浪;基于知識的智能診斷系統LSTS_IDS的設計與實現[D];中國科學院研究生院（計算技術研究所）;1998年

8 王連波;模糊推理在網絡故障診斷中的應用研究[D];電子科技大學;2007年

9 林家國;風機實時在線狀態(tài)監(jiān)測與故障診斷模糊神經專家系統研究[D];江西理工大學;2007年

10 柯英宇;旋轉機械故障診斷實驗臺的研究[D];北京化工大學;2008年

，

本文編號：2083282