基于CBR的旋轉(zhuǎn)機械故障診斷系統(tǒng)的研究開發(fā).pdf

1、基于案例推理的技術(shù)（CBR）是人工智能領(lǐng)域一種新興的問題求解方法，將該方法應(yīng)用到旋轉(zhuǎn)機械故障診斷領(lǐng)域，對于克服傳統(tǒng)故障診斷方法的缺陷，推動故障診斷技術(shù)的發(fā)展具有重要的意義。本文對基于CBR的旋轉(zhuǎn)機械故障診斷模型、故障案例的表示方法、案例庫的組織、案例診斷中的關(guān)鍵技術(shù)、案例推理及檢索策略等進(jìn)行了深入研究，主要研究內(nèi)容如下：
　　 1.在查閱大量文獻(xiàn)的基礎(chǔ)上，分析了旋轉(zhuǎn)機械故障診斷的研究現(xiàn)狀，結(jié)合傳統(tǒng)故障診斷存在的困難和CBR技術(shù)的

2、特點，將CBR技術(shù)應(yīng)用到故障診斷，并提出將數(shù)據(jù)挖掘方法引入到CBR故障診斷中，以解決案例診斷的關(guān)鍵問題。
　　 2.提出了基于CBR技術(shù)的故障診斷模型，詳細(xì)分析了故障案例的表示內(nèi)容和方法，采用面向?qū)ο蠹夹g(shù)和數(shù)據(jù)庫技術(shù)相結(jié)合的案例表示方法，并對CBR旋轉(zhuǎn)機械故障診斷各環(huán)節(jié)中的關(guān)鍵技術(shù)進(jìn)行了分析和論述。
　　 3.著重研究了不平衡、不對中、動靜摩擦和油膜振蕩這四種典型故障，分析了這些故障的機理及其特征表現(xiàn)，并通過頻譜、時域和

3、時間趨勢分析得到故障特征屬性集，通過對屬性值的數(shù)學(xué)處理，形成了故障特征表。
　　 4.采用粗糙集方法對故障特征屬性進(jìn)行約簡，提取出關(guān)鍵屬性，形成故障案例庫。此外，采用聚類方法對案例庫的組織結(jié)構(gòu)進(jìn)行分級聚類，將案例庫組織為由代表案例庫和具體案例庫構(gòu)成的二級結(jié)構(gòu)。
　　 5.采用經(jīng)典的決策樹算法提煉故障判別規(guī)則，對可能或即將發(fā)生的故障進(jìn)行預(yù)測，有效控制故障的發(fā)生，并將聚類分析方法與CBR技術(shù)相結(jié)合對案例庫中沒有的新案例進(jìn)行診