瓦斯監(jiān)測系統(tǒng)故障智能診斷技術(shù)研究.pdf

1、瓦斯監(jiān)測系統(tǒng)作為對安全性要求很高的一個(gè)復(fù)雜的動態(tài)系統(tǒng)，因單一故障診斷方法或?qū)＜抑R水平的局限性，往往不能滿足診斷系統(tǒng)實(shí)時(shí)性和準(zhǔn)確性的要求，所以需要集成運(yùn)用多個(gè)專家經(jīng)驗(yàn)才能獲得正確的結(jié)論。同時(shí)對診斷問題的求解要求實(shí)現(xiàn)集成化、智能化、自動化和網(wǎng)絡(luò)化，傳統(tǒng)的診斷技術(shù)已不能滿足此診斷性能的需要，必須采用新的診斷理論體系和結(jié)構(gòu)。Agent是一種具有自主行為的智能體，能夠?qū)崟r(shí)處理多維信息，通過Agent之間的互相通信與協(xié)作，可以在相同環(huán)境中采用不同

2、的方法解決問題，增強(qiáng)了診斷系統(tǒng)對環(huán)境的適應(yīng)性。本文以瓦斯監(jiān)測系統(tǒng)為研究對象，利用Agent的自主性，構(gòu)造基于多診斷Agent的故障診斷系統(tǒng)，實(shí)現(xiàn)對復(fù)雜的瓦斯監(jiān)測系統(tǒng)的故障智能診斷。
　　首先分析了影響瓦斯監(jiān)測系統(tǒng)可靠性的因素以及當(dāng)前煤礦機(jī)電設(shè)備故障診斷技術(shù)的現(xiàn)狀，據(jù)此提出了瓦斯監(jiān)測系統(tǒng)故障診斷應(yīng)包含的任務(wù)和內(nèi)容。針對瓦斯傳感器的故障模式和系統(tǒng)復(fù)雜性的特點(diǎn)，提出了從傳感器到系統(tǒng)的多Agent故障診斷規(guī)劃和實(shí)現(xiàn)策略。
　　從瓦斯

3、傳感器故障診斷出發(fā)，研究構(gòu)造了瓦斯傳感器的故障診斷Agent1。利用多傳感器信息融合技術(shù)對瓦斯監(jiān)測系統(tǒng)中相關(guān)傳感器(風(fēng)速傳感器、溫度傳感器、CO2傳感器等)提供的大量數(shù)據(jù)進(jìn)行融合，構(gòu)建高精度RBF網(wǎng)絡(luò)逼近器，以逼近值作為監(jiān)測瓦斯傳感器狀態(tài)的參考基準(zhǔn)，來實(shí)現(xiàn)對瓦斯傳感器有效的故障診斷。該方法能較準(zhǔn)確的診斷出瓦斯傳感器出現(xiàn)的速率較大的漂移故障和突變類型的故障以消除瓦斯傳感器故障的影響，是一種比較有效瓦斯傳感器故障診斷方法。
　　從監(jiān)測

4、系統(tǒng)的故障診斷出發(fā)，深入研究了基于故障樹模型的圖論理論，給出了瓦斯監(jiān)測系統(tǒng)井下分站的故障樹圖論模型，建立了瓦斯監(jiān)測系統(tǒng)運(yùn)行常見故障的故障樹，設(shè)計(jì)了由框架和規(guī)則混合知識表示的故障智能診斷系統(tǒng)。構(gòu)造了基于故障樹的瓦斯監(jiān)測系統(tǒng)的診斷Agent2。
　　建立了一種基于案例推理的瓦斯監(jiān)測系統(tǒng)診斷Agent3，并給出了該推理方法的詳細(xì)的實(shí)現(xiàn)過程。研究將神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法引入基于K-NN的CBR推理系統(tǒng)，用自適應(yīng)共振神經(jīng)網(wǎng)絡(luò)ART1模型的聚

5、類能力有效縮小問題搜索空間，同時(shí)基于遺傳算法對案例的特征權(quán)值向量進(jìn)行優(yōu)化，以提高對瓦斯監(jiān)測系統(tǒng)故障案例庫檢索時(shí)的效率與質(zhì)量。
　　本文研究了瓦斯監(jiān)測系統(tǒng)故障診斷的多Agent模型，提出了一種故障診斷的抽象MAS模型，研究針對瓦斯監(jiān)測系統(tǒng)使用該模型如何實(shí)現(xiàn)故障診斷。根據(jù)多診斷Agent解的特點(diǎn),對證據(jù)理論中的概率分配函數(shù)進(jìn)行了約束和具體化,提出了基于證據(jù)理論的多Agent合作診斷解的綜合步驟,并通過結(jié)論一致、部分沖突和完全沖突3個(gè)實(shí)