本文關(guān)鍵詞：基于案例信息檢索的車輛故障診斷系統(tǒng)

  更多相關(guān)文章： 故障診斷 人工智能 中文分詞 案例匹配

【摘要】：伴隨當代社會經(jīng)濟的發(fā)展,人民物質(zhì)生活水平不斷提高,汽車成為絕大多數(shù)家庭都擁有的、應(yīng)用最為廣泛的交通工具;同時,伴隨現(xiàn)代工業(yè)化程度的加深,信息技術(shù)實業(yè)的繁榮,越來越多的精密電子模塊及計算機技術(shù)被運用到汽車之上。在滿足代步這一基本功能需求的基礎(chǔ)上,安全性、舒適性和娛樂性也成為評價汽車品質(zhì)的重要指標,這帶來了汽車結(jié)構(gòu)的日益復雜,使得汽車保養(yǎng)、維修等問題的重要性日益凸顯,如何對可能產(chǎn)生的汽車故障進行預防、對已產(chǎn)生的汽車故障及時進行修理成為當下汽車行業(yè)研究的重點及難點。在這樣的背景環(huán)境下,車輛故障診斷技術(shù)這一新興學科應(yīng)運而生,為汽車維修業(yè)建立一個完善的易于使用的車輛故障診斷系統(tǒng)成為亟需解決的問題。車輛故障診斷作為一門綜合性的技術(shù),涵蓋了多個學科領(lǐng)域:現(xiàn)代控制理論、信號處理、人工智能、應(yīng)用數(shù)學、數(shù)理統(tǒng)計等等,這些學科領(lǐng)域的突破和進展也促進汽車故障診斷技術(shù)日趨成熟:從單靠人工經(jīng)驗、圖表分析等診斷方式走向儀器化設(shè)備化的診斷方法,從傳統(tǒng)的“三分技術(shù),七分工具”轉(zhuǎn)變?yōu)椤捌叻衷\斷,三分修理”,實現(xiàn)了以檢測和試驗相結(jié)合的方式對汽車故障進行綜合的分析。本文通過對汽車故障的成因及類型進行分析,加深了對汽車故障診斷重要性的認識,旨在通過對汽車故障實例獲取的基礎(chǔ)上,完成基于人工智能的汽車故障認知診斷系統(tǒng)的設(shè)計與實現(xiàn),為用戶提供一個方便快捷的故障診斷平臺,便于汽車維修人員有針對性的對車輛的故障進行檢修和維護。本文完成的主要工作如下:1)對自然語言處理技術(shù)進行研究,并結(jié)合車輛故障描述的特點進行中文分詞,根據(jù)詞典與語料庫統(tǒng)計完成汽車故障案例分詞;2)建立基于案例的車輛故障搜索引擎,支持用戶通過搜索的方式獲取車輛故障診斷結(jié)果,完成案例匹配;3)通過對主題模型進行學習和研究實現(xiàn)器件標注;4)采用數(shù)據(jù)庫管理模塊管理和維護包括語料庫、案例庫、器件庫和用戶操作記錄等數(shù)據(jù)信息,為增加車輛故障案例和系統(tǒng)的進一步完善提供數(shù)據(jù)基礎(chǔ)。
【關(guān)鍵詞】：故障診斷 人工智能 中文分詞 案例匹配
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U472.9;TP391.3
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-22
• 1.1 故障診斷概述12-15
• 1.1.1 故障診斷目的12-13
• 1.1.2 故障診斷的內(nèi)容13-14
• 1.1.3 國內(nèi)外故障診斷歷史14-15
• 1.2 自然語言處理15-17
• 1.2.2 自然語言處理的范疇15-16
• 1.2.3 自然語言處理的歷史16-17
• 1.3 車輛故障診斷技術(shù)17-20
• 1.3.1 車輛故障形成原因17-18
• 1.3.2 車輛故障診斷方法18-19
• 1.3.3 車輛故障診斷技術(shù)的研究現(xiàn)狀及未來發(fā)展趨勢19-20
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)20-21
• 1.4.1 本文的主要研究內(nèi)容20
• 1.4.2 文章結(jié)構(gòu)20-21
• 1.5 本章小結(jié)21-22
• 第2章 基于案例信息檢索的車輛故障診斷系統(tǒng)總體架構(gòu)22-26
• 2.1 系統(tǒng)需求分析22-24
• 2.1.1 系統(tǒng)功能分析22
• 2.1.2 故障診斷工作流程22-24
• 2.2 系統(tǒng)總體架構(gòu)24
• 2.3 系統(tǒng)主要特點24-25
• 2.4 本章小結(jié)25-26
• 第3章 系統(tǒng)關(guān)鍵技術(shù)研究26-37
• 3.1 人工智能26-27
• 3.1.1 自然語言處理和人工智能27
• 3.2 案例分詞27-29
• 3.2.1 基于字符串匹配的分詞方法28
• 3.2.2 基于理解的分詞方法28-29
• 3.2.3 基于統(tǒng)計的分詞方法29
• 3.3 案例匹配29-32
• 3.3.1 詞項加權(quán)29-31
• 3.3.2 詞向量31-32
• 3.3.3 編輯距離32
• 3.4 器件標注32-35
• 3.4.1 TextRank算法33
• 3.4.2 主題模型33-35
• 3.5 本章小結(jié)35-37
• 第4章 故障診斷系統(tǒng)的設(shè)計與實現(xiàn)37-46
• 4.1 案例分詞37-41
• 4.1.1 語料庫38
• 4.1.2 原子分詞38-39
• 4.1.3 N最短路徑分詞39-40
• 4.1.4 未登錄詞識別40-41
• 4.2 案例匹配41-43
• 4.2.1 基于案例的車輛故障搜索引擎41-42
• 4.2.2 文本相似度計算42-43
• 4.2.3 故障碼精確定位43
• 4.3 器件標注43-44
• 4.4 數(shù)據(jù)管理44
• 4.5 本章小結(jié)44-46
• 第5章 系統(tǒng)測試及應(yīng)用46-51
• 5.1 系統(tǒng)運行環(huán)境46-47
• 5.1.1 編程環(huán)境46
• 5.1.2 編程語言46-47
• 5.1.3 開發(fā)平臺47
• 5.1.4 數(shù)據(jù)來源47
• 5.2 系統(tǒng)測試及應(yīng)用47-50
• 5.2.1 系統(tǒng)界面展示47-48
• 5.2.2 系統(tǒng)測試與結(jié)果48-50
• 5.3 本章小結(jié)50-51
• 第6章 總結(jié)與展望51-53
• 6.1 總結(jié)51-52
• 6.2 展望52-53
• 參考文獻53-56
• 作者簡介及科研成果56-57
• 致謝57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 迪麗達爾·迪力沙提;;自然語言處理中的中文自動分詞技術(shù)[J];信息與電腦(理論版);2012年11期

2 鐘義信;;人工智能的突破與科學方法的創(chuàng)新[J];模式識別與人工智能;2012年03期

3 李稚楹;楊武;謝治軍;;PageRank算法研究綜述[J];計算機科學;2011年S1期

4 李德毅;;網(wǎng)絡(luò)時代人工智能研究與發(fā)展[J];智能系統(tǒng)學報;2009年01期

5 馮志偉;自然語言處理的學科定位[J];解放軍外國語學院學報;2005年03期

6 吳明強,李霽紅,曹愛東,史慧;故障診斷專家系統(tǒng)綜合智能推理技術(shù)研究[J];計算機測量與控制;2004年10期

7 蘇占東,江亞東,陳新中;模糊神經(jīng)網(wǎng)絡(luò)推理技術(shù)及在故障診斷中的應(yīng)用[J];裝備指揮技術(shù)學院學報;2003年05期

8 賴朝安,孫延明,齊德昱,鄭時雄;基于自然語言理解的專家系統(tǒng)研究[J];計算機工程;2003年01期

9 薛勝軍,高孝洪;基于模糊神經(jīng)網(wǎng)絡(luò)的語言識別[J];武漢交通科技大學學報;1998年01期

10 尹鋒,林亞平;神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在漢語言處理方面的應(yīng)用[J];軟件世界;1996年12期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張弘;基于遺傳模糊系統(tǒng)的知識獲取方法研究[D];吉林大學;2004年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 金永夫;車輛故障診斷專家系統(tǒng)的研究和設(shè)計[D];浙江工業(yè)大學;2010年

2 蔡浩;汽車故障診斷系統(tǒng)的設(shè)計和開發(fā)[D];上海交通大學;2009年

3 韋卓;自然語言理解中篇章的名詞聚類在測試計量中的應(yīng)用[D];西安電子科技大學;2008年

，

本文編號：1085708