一、故障树在专家系统中的应用(论文文献综述)
何旋[1](2021)在《基于动态故障树的钻井泵故障诊断专家系统的设计与实现》文中研究指明本文受四川省重大科技专项项目“智能钻机研制及应用”(立项编号2019ZDZX0030)资助。钻井泵作为钻机的“心脏”,因工作环境复杂、条件恶劣,容易产生故障,影响钻机正常运作。为了保证生产的效率,要求在发生故障的初期能够快速准确地定位故障并解决。目前,故障树分析法作为诊断复杂机械故障的通用方法,其无法表示钻井泵某些部件只有按固定顺序失效才能导致系统故障的情况,导致诊断结果不准确。为了解决此问题,选择动态故障树分析法表示此类动态故障并诊断。同时建立专家系统,可以让工作人员在专家不在场时仍可以快速确定故障并获得专业的维修知识。主要研究内容分为以下几部分:首先,本文选择工作环境恶劣,故障情况复杂难以诊断的钻井泵作为研究对象。通过专家的指导与所提供的相关知识,分析其故障机理。以钻井泵的动力端作为实例,建立故障树,并验证了故障树分析法在故障诊断中的有效性。接着,针对故障树无法表征出钻井泵故障中各部件按顺序失效造成系统故障的情况,在故障树中引入动态逻辑门,构成动态故障树。结合钻井泵故障特点选择计算复杂度低且准确率较高的基于离散贝叶斯网络的动态故障树诊断模型,并对其诊断模型进行改进,通过加入“率参数λ--划分数n”对应关系,提高诊断可靠性与准确率。以钻井泵液力端作为实例验证了动态故障树在故障诊断中的有效性。然后,将传统故障树诊断模型与改进的离散时间贝叶斯网络的动态故障树诊断模型结合成为混合故障树诊断模型,作为故障诊断专家系统的故障推理机;设计知识库,根据钻井泵基本故障信息与诊断模型知识的特点,设计恰当的表示方式。最后,按照设计思路建立MVC框架的Web应用,开发具有友好的操作界面、良好的操作体验和完善的功能指引的故障诊断专家系统,并通过一个实例,证明本系统在钻井泵故障诊断中的一定指导意义与实用价值。
高宏鹏[2](2021)在《防爆无轨胶轮车故障诊断系统研究》文中指出防爆无轨胶轮车在现代煤矿的辅助运输中承担着十分重要的角色,在煤矿中得到广泛的应用。由于自身的结构较为复杂,加之煤矿井下环境恶劣,存在着许多不稳定的因素,使得无轨胶轮车的故障率较高。为了保证车辆在井下的安全运行,必须加强对防爆无轨胶轮车故障诊断的研究,减少车辆故障的发生,提高车辆的运行稳定性。本文以防爆无轨胶轮车作为研究对象,分析无轨胶轮车的特性和故障特点,总结车辆各系统组成及常见故障。研究故障树分析法与专家系统的诊断特性,建立无轨胶轮车各系统故障树模型,运用“产生式规则+框架表示法”将定性分析后的故障树转化为专家系统中的知识库,解决专家系统难获取知识的问题。将模糊矩阵与层次分析法结合,判定专家对底事件的评判权重,进而获得底事件产生故障的模糊概率,解决难以获得底事件故障概率的问题。利用底事件概率完成故障树定量计算,得到底事件的重要度,将其与专家系统中的推理机相结合,解决推理规则的优先级问题。推理机采用正向推理的方式完成对系统故障的推理。故障诊断系统将故障树分析法与专家系统分析法的优势结合,经过处理后应用到无轨胶轮车的故障诊断中,提高了系统的诊断效率。在柴油机的某些部位安装传感器,通过分析监测到的数据,辅助系统进行故障诊断。本文利用SQL Server2014数据库完成防爆无轨胶轮车故障诊断系统中知识库的建立,运用C#编程语言在Visual Studio2015环境下开发出防爆无轨胶轮车故障诊断系统软件,良好的人机交互界面实现了故障诊断的功能。利用诊断系统对无轨胶轮车故障进行诊断验证,结果满足设计要求,表明故障树分析法与专家系统结合用于防爆无轨胶轮车故障诊断的可行性。
林博宇[3](2020)在《热模锻压力机故障诊断专家系统构建与应用研究》文中提出在制造业的生产线中,主要装备的状态直接影响了整条生产线的生产效率,其正常工作是现代制造企业健康运转的根本保证,由于设备结构复杂,现场检测条件有限,使得设备的故障诊断以及诊断的及时性和准确性变得尤为重要。本论文以热模锻压力机为研究对象,意图建立符合设备特点的故障诊断专家系统。首先,对热模锻压力机的工作原理和整体结构进行了较为细致的调研,分析了热模锻压力机的正常工作模式和常见故障模式,对故障特点进行了总结分析。然后,依据故障特点的相关性质和原因现象的内在联系的匹配特点,建立与之适配的故障诊断模型,实现对故障原因到故障现象的集成建模,建立故障树、模糊数学和人工神经网络模型的综合模型,便于系统推理和系统自学习。在此基础上,进行专家系统的构建,建立相关知识库、推理机和人机接口,并对诊断结果测试调试,直至有效结果输出。为了保证专家系统的有效数据输入,有针对性地利用相关传感器对设备的重要部件进行监测和信息采集,将采集的信息进行处理和存储,过滤无用和干扰信息,挑选异常数据,将异常数据与设备正常参数进行拟合对比,确定阈值和节点权值,从而得到故障结论和解决办法,最终实现热模锻压力机故障的有效诊断。
曾一宁[4](2020)在《基于广义随机Petri网的复杂系统可靠性分析与维修策略》文中提出近年来,安全关键系统在汽车、航空航天和能源等行业得到广泛应用,这些系统对可靠性有非常高的要求。冗余技术的大量应用给系统带来高可靠性的同时,也增加了系统结构的复杂度。复杂系统的可靠性分析面临着认知不确定性、动态故障行为和共因失效等挑战。如何在这些因素的影响下对系统进行可靠性分析并制定相应的维修策略,具有极为重要的意义。首先,针对系统动态故障行为,采用动态故障树进行建模。针对复杂系统中采用大量冗余技术导致的认知不确定性问题,本论文提出一个利用专家评估来获取故障树底事件故障数据的框架。此框架聘请一组异质组专家对底事件进行评估,并通过直觉模糊加权平均算子聚合专家意见,最后通过去模糊化得到底事件故障率。同时,针对专家的主观性对评估结果的负面影响,采用模糊层次分析法和环比评分法确定混合专家权重。其次,针对传统动态故障树分析方法存在状态空间爆炸问题,本论文提出一种将动态故障树模型转化为等效广义随机Petri网模型的分析方法。该方法将动态故障树的逻辑门、底事件、中间事件和顶事件向广义随机Petri网作一一映射,利用广义随机Petri网求解动态故障树。该方法与专家评估相结合,有效地解决了认知不确定性下对系统动态故障行为建模的问题;利用Oris仿真软件,可获得不同任务时间下系统可靠性和重要度等相关参数。算例分析验证了广义随机Petri网建模的有效性。再次,针对复杂系统中存在的共因失效问题,本论文分别对共因失效为故障率和故障概率两种情况进行了分析。针对共因失效为故障率的情况,本论文利用β因子模型求解独立故障率,建立了相应的广义随机Petri网模型,继而对复杂系统进行可靠性分析。针对共因失效为故障概率的情况,本论文将有效分解聚合法与广义随机Petri网模型相结合,利用托肯流动代替系统状态变化,简化了有效分解聚合法繁杂的分析和建模过程。最后,针对风险增加因子、Birnbaum重要度和测试代价等多源异构数据的多属性决策问题,本论文提出基于改进型灰色关联分析法的多属性决策算法。该算法采用离差最大化法求解属性权重值,通过对各方案贴近度进行排序求得最佳故障搜索方案,并制定复杂系统维修策略。最后以车地无线通信系统为例,讨论了系统失效时快速定位故障的诊断方案,以及系统正常运行时如何提高系统可靠性并预防重大事故的方案。算例仿真结果验证了本论文所提出方法的有效性。
张创[5](2020)在《机上故障诊断系统研究与设计》文中提出飞机是一种庞大且高安全性要求的重要装备。其故障种类复杂,不仅包括人为操作故障,还包括各种设备通信等故障。传统的机上故障识别,包括飞机维护工作的故障排查,均采用查阅飞机维修手册中的故障代码的方式。随着电子设备的快速发展,机上各系统的信号交联情况愈加复杂,使得现行的人工查手册的故障排查方法已无法满足机上故障的快速准确识别。为此,论文基于所在单位承研项目,设计实现了机上航电、无线电、飞行仪表三大系统中GJB289A、HB6096、RS422、CAN、LAN总线及离散量信号通信故障的实时监测与诊断系统。本文在深入研究机上各总线及非总线信号特征的基础上,设计了机上故障诊断系统,该系统主要包括机上三大系统信号数据的实时采集与存储、故障数据的ICD(Interface Control Document)分析与判读,以及故障定位。主要工作如下:1.在深入分析现有机上故障与诊断技术的基础上,结合系统运行的基本环境指标及系统六性指标等定量设计目标,完成了基于专家系统的机上多种信号故障分析与定位系统的方案设计。2.完成了机上总线故障分析与定位系统软硬件模块的设计。硬件部分完成采集装置中各控制板和信号采集板的设计,包括:核心控制板、矩阵继电器切换板、HB6096隔离信号板、RS422隔离信号版、GJB289A信号板、离散量信号隔离板及隔离电源转换电路等;软件部分完成了机上故障建模、解析、诊断等软件功能模块的优化设计,包括:故障树建立模块、ICD解析模块、监测模块、诊断模块、信息管理模块等,基于C#语言和SQL Server数据库平台,完成了软件驱动及应用程序的实现。3.基于我国某型飞机故障测试用例库,按照论文设计目标,针对EFIS故障、EFCAS故障、无线电罗盘故障及机载综合防撞设备故障这4个故障事例包含的39种故障现象,搭建了验证平台,完成了试验验证。基于一致故障数、基本一致故障数、未通过故障数及通过比率这4种航空领域机上故障定量分析方法,完成了本文设计系统试验结果分析,结果表明:测试通过率综合能力达到89.7%,未通过率10.3%,系统监测诊断多种信号的处理时间小于50ms,论文结果满足机上故障诊断系统的设计要求。
薛昊[6](2020)在《集中式汽车检测线故障诊断系统的研究》文中提出集中式汽车检测线以机械、电子、控制以及计算机技术为基础,利用传感器以及相应的检测设备对汽车的安全、性能等状态进行快速准确的测量,并通过对比相关国家标准作出性能评价。检测线系统中包含各种电子电路、机械设备等,一旦出现故障,需要诊断专家到达现场进行故障诊断,此种诊断模式费时费力,降低了检测线的使用效率,因此研究集中式汽车检测线故障诊断系统,对于提高故障诊断效率,保障集中式汽车检测线稳定运行有着重要意义。本文以集中式汽车检测线为研究对象,首先介绍了集中式汽车检测线的组成及其功能,并根据故障原理进行分类,主要分为检测设备系统故障、测控系统故障、数据采集系统故障,根据不同故障类型的特点,本文采用基于故障树的汽车检测线故障诊断专家系统对前两类故障进行诊断,采用基于神经网络的汽车检测线故障诊断方法对第三类故障进行诊断,并设计了基于ARM Cortex-M3的故障数据采集硬件电路,主要包括模拟信号采集电路以及数字信号采集电路,为故障诊断提供事实依据。基于故障树的集中式汽车检测线故障诊断专家系统:建立集中式汽车检测线故障树,涵盖三个大系统、十个子系统以及三十八个底事件。进行定性分析,确定其最小割集,采用基于信息指数修正的专家调查法对最小割集进行定量分析,得出其故障概率及概率重要度。之后建立故障诊断专家系统,根据汽车检测线故障树结构,设计故障部件知识表、故障数据知识表、故障现象知识表、故障规则知识表、故障维修知识表作为专家系统知识库,采用基于知识的产生式规则诊断推理融合方式作为推理方式。基于神经网络的集中式汽车检测线故障诊断:建立故障诊断神经网络模型,分别使用BP神经网络和LSTM神经网络构建集中式汽车检测线故障诊断模型,确定各状态参数,对输入故障数据进行预处理处理,根据训练结果,对神经网络模型的训练参数进行优化。之后对选取的数据进行测试,实验结果验证了基于神经网络的集中式汽车检测线故障诊断模型对于提高故障诊断准确率有着良好效果。最后对集中式汽车检测线故障诊断平台进行设计与实现,确定了客户端/服务器的架构模式,采用python语言、SQL Server关系型数据库进行开发,主要包含用户信息、故障诊断、检测数据监测及诊断、历史故障信息查询等模块,并对诊断平台进行测试,结果表明本文研究设计的故障诊断平台可以实现不同故障类型的诊断功能。
宋新扩[7](2019)在《带式输送机故障分析及其诊断系统设计研究》文中认为带式输送机在我国国民生产中扮演着极其重要的角色,其广泛的应用于矿山、港口、钢铁等行业。煤矿的应用尤其典型,但由于煤矿井下的恶劣环境,导致带式输送机经常出现意想不到的故障,从而影响设备的正常运行,严重可能影响矿山的安全。本文综合分析了皮带机的特点及危险因素,以及皮带机安全实现的四种方法,及风险评价原则、方法、程序过程等。并对现有故障进行了分类,建立故障树,通过分析研究得到故障处理措施。基于多带式输送机故障的分析,系统的介绍了基于故障诊断的专家系统,包括其特点、构建、知识库、推理及搜索策略等,并利用专家系统原理建立了带式输送机故障诊断专家系统。并详细阐述了其知识库的建立、知识库储存、推理机制建立及解释机制的原理等内容。为带式输送机的稳定应用及故障处理提供了参考。该论文有图36幅,表1个,参考文献65篇。
杨莎莎[8](2019)在《基于故障树的直流充电桩故障诊断专家系统研究》文中指出充电桩是电动汽车与供电电源之间的重要连接部件,是实现电动汽车高效、快速充电过程必不可少的设备。目前,我国在充电桩的建设方面基本制定了较为全面的标准体系,这极大地促进了电动汽车的推广和应用。同时,高速发展的电动汽车行业对于充电桩可靠性和安全性的要求也越来越严格。然而,由于充电桩的市场应用时间相对较短,针对其故障诊断系统的研究理论和研究方法尚不完善,这在很大程度上导致充电桩的故障诊断过程费时费力,制约着电动汽车行业的进一步发展。因此,对充电桩故障诊断理论和技术进行研究是很有必要的。本文以直流充电桩为研究对象,研究了其故障诊断理论和诊断方法,建立起故障诊断知识库,并设计了直流充电桩故障诊断专家系统。通过人机交互界面,该专家系统可以实现用户与知识库的信息交互,帮助维修人员快速、准确地定位直流充电桩故障点,提高诊断效率。本文首先介绍了故障诊断过程中常用的故障树分析法,重点包括故障树建立过程及故障树定性、定量分析。其次,阐述了专家系统的基本原理、组成结构和功能。针对直流充电桩故障诊断,本文提出了将故障树分析法与专家系统相结合的诊断方法。通过对直流充电桩工作原理及常见故障的分析,建立了直流充电桩故障树并进行定性分析。针对故障树底事件概率值难以获取这一问题,采用应力分析法和基于模糊集理论与专家语义评判的事件概率估计法,得到了直流充电桩故障树底事件的模糊概率值,并对其进行了定量分析。将上述分析得到的结果应用于专家系统知识库的建立和推理机的设计,解决了故障诊断专家系统知识难获取的问题。在专家系统知识库的建立过程中,本文采用由产生式规则表示法和框架表示法相融合的规则框架法进行知识表示,以E-R(Entity Relationship Diagram)关系模型对知识进行分析,通过ACCESS数据库构建了知识库。同时,根据知识表示特点,对推理机进行了设计。本研究选用Visual Basic 6.0作为系统开发环境,开发了基于故障树的直流充电桩故障诊断专家系统。经测试,所开发系统运行效果可达预期目标,说明该系统能满足直流充电桩故障诊断的功能需求。
王昶[9](2019)在《基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发》文中提出随着我国工业持续发展,商品贸易以及基础设施建设的力度随之加大,对门式起重机这种重型起重设备的需求也越来越多,根据我国质检总局公布的相关消息,门式起重机相关事故在特种设备故障发生事故中占四成以上,由于门式起重机的监测诊断功能还不完善,需要通过专业人员现场勘查、肉眼识别来判断门式起重机运行状况和是否存在故障,这也导致了高强度作业的门式起重机无法得到及时有效的监测诊断,从而可能导致严重的安全隐患。针对这种监测与诊断功能不完善的情况,本文将基于Web开发一个MG型通用门式起重机远程监测与故障诊断系统,在B/S架构上实现对门式起重机实时在线监测和准确高效的故障诊断功能。本文主要的工作内容如下:1)分析门式起重机监测诊断的国内外研究现状。根据门式起重机的发展以及各个公司的研制情况,分析了门式起重机在国内外的监测诊断的发展情况,并依据Web技术的国内外发展现实,分析了基于Web技术上门式起重机监测与诊断的发展趋势。2)设计了基于Web的MG型通用门式起重机远程监测与故障诊断系统总体方案。通过参考相应的国家标准和书籍资料,分析了门式起重机监测所需的参数以及系统功能,确定了ajax的数据传输方案以及依托ActiveX控件技术的数据分析解决方案,并确立了MG型通用门式起重机故障诊断的主要内容。3)提出了基于形态分量分析(MCA)的GA-BP神经网络起重机齿轮箱故障诊断方法。分析了齿轮箱中齿轮与滚动轴承故障机理与特征,并建立表征故障情况的特征参数,采用GA算法来改善BP网络易于陷入局部最小的缺点,并采用MCA方法来优化提取齿轮箱振动数据的故障特征分量对GA-BP进行收敛速度以及诊断精确度的提高,并通过实验数据集和公开数据集来验证该方法的有效性和快捷性。4)提出了基于故障树分析(FTA)的门式起重机行车电气设备专家系统诊断方法。通过FTA来确定MG型通用门式起重机行车与电气设备的诊断方法,构建相关的故障树,并以此建立专家系统知识库。利用FTA以及最小分割集重要度分析进行专家系统推理机和冲突消解策略的研究与设计,并通过故障案例来验证对基于FTA的专家系统诊断的高效性和准确性。5)开发研制了基于Web的MG型通用门式起重机远程监测与故障诊断系统软件。通过系统总体方案以及故障诊断方法设计了数据库表单,并实现了相应的数据监测分析以及故障诊断功能,并保证了在移动端设备上软件使用的实时性和人机交互的便捷性。
梁宝峰[10](2019)在《聚氨酯保温板生产线故障诊断系统》文中研究说明近年来随着科技学术的逐渐发展、客户要求的不断提高以及行业竞争压力的不断增大,聚氨酯保温板生产线设备的自动化程度也越来越高,并逐渐朝着大型化、系统化和智能化的方向发展。由于聚氨酯保温板生产线每次开机都需要消耗大量电能,并且生产所需的化工原料也很昂贵,一旦发生故障如不能及时处理,将会带来很大的损失。故障诊断技术在聚氨酯保温板生产线中的应用少之又少,原有的诊断系统自适应性差,缺乏学习功能,对于一些复杂的不确定性故障更无法准确诊断。为此本文采用一种神经网络和专家系统相结合的诊断方法来对聚氨酯保温板生产线进行故障诊断和监测。首先重点分析基于神经网络的故障诊断方法,诊断对象主要针对聚氨酯高压发泡机,发泡机是整个生产线的核心设备,为了及时准确的对故障进行诊断,故选用BP神经网络对其进行诊断。本文采用了自适应免疫遗传算法对BP神经网络进行优化,克服了BP神经网络原有的一些缺点,利用历史故障数据对优化后的BP神经网络进行MATLAB仿真测算,结果表明改进后的算法诊断速度和准确率都明显提高。其次介绍了基于故障树的诊断方法,诊断对象为聚氨酯保温板生产线其他设备,在对故障机理分析的基础上建立故障树模型,并使用故障树分析法和层次分析法来计算故障树的权重。然后构建聚氨酯保温板生产线专家系统,故障树分析法诊断部分,采用生产式表示法去描述故障规则,建立专家系统知识库,推理机制上采用正向推理对生产式规则知识进行推理诊断。在神经网络诊断部分,知识通过实例学习获取,存储在BP神经网络的结构中,推理过程由神经网络来完成。最后介绍诊断系统的整体设计方案,从硬件设计和软件设计两个方面展开。利用Visual Studio 2012、SQL Server 2012和MATLAB三款软件联合开发聚氨酯保温板生产线故障诊断软件系统。经模拟实验进行验证,结果表明该诊断系统有很高的实用性。
二、故障树在专家系统中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、故障树在专家系统中的应用(论文提纲范文)
(1)基于动态故障树的钻井泵故障诊断专家系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 钻井泵故障诊断存在的问题 |
1.2.2 动态故障树的国内外研究现状 |
1.2.3 专家系统的研究现状 |
1.3 研究目标与研究内容 |
1.4 论文结构安排 |
第二章 钻井泵故障树构建与诊断 |
2.1 钻机钻井泵的故障分析 |
2.1.1 钻井泵的结构研究 |
2.1.2 钻井泵故障分析 |
2.1.3 钻井泵故障诊断分析 |
2.2 故障树分析法介绍 |
2.2.1 故障树模型介绍 |
2.2.2 故障树的定性分析 |
2.2.3 故障树的定量分析 |
2.3 故障树分析法实例验证 |
2.4 本章小结 |
第三章 钻井泵动态故障树故障诊断模型研究与改进 |
3.1 动态故障树介绍 |
3.1.1 动态故障树基本理论 |
3.1.2 动态逻辑门 |
3.2 贝叶斯网络介绍 |
3.3 基于离散时间贝叶斯网络的动态故障树诊断模型的研究与改进 |
3.3.1 离散时间贝叶斯网络模型 |
3.3.2 逻辑门输出事件条件概率表的确定 |
3.3.3 离散时间贝叶斯网络模型的改进 |
3.4 实例分析 |
3.4.1 建立动态故障树 |
3.4.2 钻井泵液力端系统的贝叶斯网络模型 |
3.4.3 钻井泵液力端故障诊断 |
3.5 本章小结 |
第四章 钻井泵故障诊断专家系统的设计 |
4.1 专家系统总体结构设计 |
4.1.1 专家系统概述 |
4.1.2 专家系统总体框架设计 |
4.2 知识库的设计 |
4.2.1 知识来源和获取方式 |
4.2.2 知识的表示方式设计 |
4.2.3 知识的关系分析 |
4.3 推理机设计 |
4.3.1 推理方法设计 |
4.3.2 推理方向选择 |
4.4 解释机设计 |
4.5 本章小结 |
第五章 钻井泵故障诊断专家系统软件实现与验证 |
5.1 专家系统数据库的建立 |
5.1.1 故障基础数据表设计 |
5.1.2 维修建议数据表设计 |
5.1.3 故障样本知识表示 |
5.1.4 故障树数据表设计 |
5.1.5 贝叶斯网络模型数据表设计 |
5.1.6 总体设计关系 |
5.2 专家系统各模块的实现 |
5.2.1 登录界面 |
5.2.2 主界面 |
5.2.3 基础信息管理模块 |
5.2.4 故障诊断模块 |
5.2.5 维修建议模块 |
5.2.6 模型更新模块 |
5.2.7 模型查看模块 |
5.3 故障诊断实例分析 |
5.4 故障诊断专家系统诊断准确度验证 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来研究展望 |
致谢 |
参考文献 |
攻读硕士期间研究成果 |
(2)防爆无轨胶轮车故障诊断系统研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景及意义 |
1.2 故障诊断技术 |
1.2.1 国内外研究现状 |
1.2.2 发展概况 |
1.3 故障诊断方法分类 |
1.4 论文研究内容及结构安排 |
第二章 防爆无轨胶轮车故障分析 |
2.1 防爆无轨胶轮车特点 |
2.2 防爆无轨胶轮车的故障特点 |
2.3 无轨胶轮车常见故障分析 |
2.3.1 柴油机系统常见故障分析 |
2.3.2 底盘常见故障分析 |
2.3.3 电气系统常见故障分析 |
2.4 无轨胶轮车故障发生的原因分析 |
2.5 本章小结 |
第三章 故障树与专家系统在无轨胶轮车故障诊断中的应用研究 |
3.1 故障树分析法基本理论 |
3.2 故障树定性分析 |
3.3 故障树定量分析 |
3.4 底事件的模糊故障率分析 |
3.4.1 专家权重值的确定 |
3.4.2 底事件模糊故障率的形成 |
3.4.3 解模糊 |
3.5 无轨胶轮车常见故障的故障树分析 |
3.5.1 无轨胶轮车常见故障树的建立 |
3.5.2 无轨胶轮车故障树分析 |
3.6 专家系统分析 |
3.6.1 专家系统简介 |
3.6.2 专家系统的基本结构 |
3.6.3 专家系统推理机制 |
3.7 基于故障树的专家系统研究 |
3.8 本章小结 |
第四章 防爆无轨胶轮车故障诊断系统设计 |
4.1 专家系统知识库的设计 |
4.1.1 故障知识获取 |
4.1.2 知识表示 |
4.1.3 知识管理 |
4.2 专家系统推理机的设计 |
4.3 无轨胶轮车故障诊断流程 |
4.4 本章小结 |
第五章 防爆无轨胶轮车故障诊断系统实现 |
5.1 故障诊断系统整体设计 |
5.2 系统开发环境简介 |
5.3 数据库设计 |
5.4 故障诊断系统的实现 |
5.4.1 系统登录模块 |
5.4.2 系统主功能界面 |
5.4.3 系统故障诊断界面 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(3)热模锻压力机故障诊断专家系统构建与应用研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 引言 |
1.2 选题背景 |
1.3 国内外研究现状 |
1.3.1 专家系统发展趋势 |
1.3.2 热模锻压力机及故障诊断研究现状 |
1.4 研究目标及路线 |
1.4.1 研究目标 |
1.4.2 研究路线 |
1.5 研究内容及论文组织结构 |
1.5.1 研究内容 |
1.5.2 论文组织架构 |
第二章 热模锻压力机故障分析 |
2.1 设备系统结构及工作原理 |
2.1.1 系统结构 |
2.1.2 工作原理 |
2.2 设备故障模式分析 |
2.2.1 常见故障分析 |
2.2.2 故障特点 |
2.3 故障诊断分析流程 |
2.4 本章小结 |
第三章 系统诊断模型研究 |
3.1 故障树建模 |
3.1.1 故障树简介 |
3.1.2 故障树建立流程 |
3.1.3 热模锻压力机的故障树模型 |
3.2 模糊数学建模 |
3.2.1 模糊数学简介 |
3.2.2 模糊数学运算 |
3.2.3 热模锻压力机的模糊诊断模型 |
3.3 神经网络建模 |
3.3.1 神经网络简介 |
3.3.2 神经网络结构 |
3.3.3 神经网络学习方法 |
3.3.4 热模锻压力机的神经网络诊断模型 |
3.4 本章小结 |
第四章 专家系统的设计与构建 |
4.1 总体结构 |
4.2 知识库设计 |
4.2.1 知识获取 |
4.2.2 知识表示 |
4.2.3 知识库设计 |
4.3 推理机构建 |
4.3.1 推理方法简介 |
4.3.2 推理控制策略 |
4.3.3 冲突消解策略 |
4.4 解释程序及人机接口 |
4.4.1 解释程序 |
4.4.2 人机接口 |
4.5 本章小结 |
第五章 专家系统的应用与实践 |
5.1 硬件选型 |
5.2 数据采集基础 |
5.3 软件环境 |
5.4 软件界面 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 工作展望 |
参考文献 |
致谢 |
在学期间发表的学术论文和参加科研情况 |
(4)基于广义随机Petri网的复杂系统可靠性分析与维修策略(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容及组织结构 |
1.3.1 本文研究内容 |
1.3.2 技术路线 |
1.3.3 论文的组织结构 |
1.4 论文创新点 |
第2章 认知不确定性下复杂系统动态故障树模型的构建 |
2.1 故障树模型的构建 |
2.2 底事件故障率的估计 |
2.2.1 专家评估 |
2.2.2 混合专家权重 |
2.2.3 基于直觉模糊加权平均算子的聚合过程 |
2.3 本章小结 |
第3章 基于广义随机Petri网的动态故障树分析方法 |
3.1 广义随机Petri网 |
3.1.1 Petri网的基本概念 |
3.1.2 广义随机Petri网的基本概念 |
3.2 动态故障树转换为广义随机Petri网 |
3.2.1 基本事件向广义随机Petri网的转换 |
3.2.2 静态逻辑门向广义随机Petri网的转换 |
3.2.3 动态逻辑门向广义随机Petri网的转换 |
3.3 模型验证及算例分析 |
3.4 本章小结 |
第4章 考虑共因失效的复杂系统可靠性分析方法 |
4.1 共因失效的故障率模型 |
4.1.1 β因子模型 |
4.1.2 共因失效的GSPN模型 |
4.2 共因失效的故障概率模型 |
4.2.1 EDA方法 |
4.2.2 结合GSPN模型与EDA方法的可靠性分析方法 |
4.3 模型验证及算例分析 |
4.4 本章小结 |
第5章 基于灰色关联分析法的复杂系统维修策略 |
5.1 基于GSPN的系统可靠性参数计算方法 |
5.1.1 系统不可靠度 |
5.1.2 风险增加因子 |
5.1.3 Bimbaum重要度 |
5.1.4 测试代价 |
5.2 维修策略制定的基本流程 |
5.3 基于改进型灰色关联分析法的MADM算法 |
5.3.1 规范化决策矩阵的构建 |
5.3.2 计算正负距离矩阵 |
5.3.3 利用离差最大化法确定属性权重 |
5.3.4 计算灰色关联度 |
5.3.5 确定最佳搜索序列 |
5.4 本章小结 |
第6章 案例分析 |
6.1 构建动态故障树 |
6.2 获取底事件故障率 |
6.3 考虑共因失效的可靠性分析 |
6.4 制定最佳维修策略 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 未来工作展望 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(5)机上故障诊断系统研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 论文研究的背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.3 论文研究的主要内容及结构 |
第二章 机上故障特征及诊断方法 |
2.1 机上故障特征 |
2.2 机上故障诊断技术 |
2.3 专家故障诊断方法 |
2.3.1 具备能力 |
2.3.2 组成模块 |
2.4 本章小结 |
第三章 机上故障诊断系统的方案设计 |
3.1 系统设计目标 |
3.2 整体方案设计 |
3.3 开发环境指标分析 |
3.3.1 基本环境指标 |
3.3.2 系统六性指标 |
3.3.3 硬件开发环境 |
3.3.4 软件开发环境 |
3.4 本章小结 |
第四章 机上故障诊断系统的硬件设计 |
4.1 硬件整体构架设计 |
4.2 核心控制板设计 |
4.3 矩阵继电器切换板设计 |
4.4 HB6096 信号隔离板设计 |
4.5 RS422 信号隔离板设计 |
4.6 GJB289A信号板设计 |
4.7 离散量信号隔离板设计 |
4.8 隔离电源转换电路设计 |
4.9 本章小结 |
第五章 机上故障诊断系统的软件设计 |
5.1 软件系统架构设计 |
5.1.1 软件流程优化设计 |
5.1.2 软件数据库设计 |
5.2 故障树软件模块设计 |
5.2.1 故障树模型建立 |
5.2.2 故障树推理流程优化 |
5.3 ICD解析模块设计 |
5.3.1 ICD总体结构设计 |
5.3.2 ICD接口与管理优化 |
5.4 故障监测模块设计 |
5.5 故障诊断模块设计 |
5.5.1 故障诊断流程优化 |
5.5.2 故障处理流程优化 |
5.6 信息管理模块设计 |
5.6.1 数据信息管理模块 |
5.6.2 故障信息管理模块 |
5.7 软件驱动与应用程序实现 |
5.7.1 驱动程序实现 |
5.7.2 应用程序实现 |
5.8 本章小结 |
第六章 测试验证与结果分析 |
6.1 测试系统的搭建 |
6.2 测试结果的提取 |
6.3 结果分析与讨论 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简介 |
(6)集中式汽车检测线故障诊断系统的研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题来源、研究背景及意义 |
1.1.1 课题来源 |
1.1.2 研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 故障诊断技术的研究现状及发展趋势 |
1.2.2 集中式汽车检测线故障诊断的研究现状及发展趋势 |
1.3 论文主要研究内容 |
第二章 集中式汽车检测线故障诊断系统设计 |
2.1 集中式汽车检测线组成及功能 |
2.1.1 检测仪器设备系统组成及功能 |
2.1.2 电气测控系统组成及功能 |
2.1.3 人机交互系统组成及功能 |
2.2 集中式汽车检测线工作过程中的常见故障情况分析 |
2.3 故障诊断算法选择 |
2.4 故障数据采集模块硬件设计 |
2.4.1 最小系统设计 |
2.4.2 模拟信号量数据采集模块设计 |
2.4.3 数字信号量数据采集模块设计 |
2.5 故障诊断系统结构设计 |
2.6 本章小结 |
第三章 基于故障树的集中式汽车检测线故障诊断专家系统 |
3.1 故障树分析法 |
3.1.1 简介 |
3.1.2 故障树的表示与构造过程 |
3.1.3 故障树数学模型的建立 |
3.1.4 故障树定性分析 |
3.1.5 故障树定量分析 |
3.2 集中式汽车检测线故障树设计 |
3.2.1 概述 |
3.2.2 建立集中式汽车检测线故障树 |
3.2.3 集中式汽车检测线故障树定性分析 |
3.2.4 集中式汽车检测线故障树定量分析 |
3.3 专家系统 |
3.3.1 简介 |
3.3.2 专家系统的组成与功能 |
3.3.3 知识的获取与表示 |
3.3.4 专家系统的推理机制 |
3.3.5 故障树与专家系统的联系 |
3.4 集中式汽车检测线故障诊断专家系统设计 |
3.4.1 故障诊断专家系统开发分析 |
3.4.2 故障诊断专家系统总体设计 |
3.4.3 故障诊断专家系统知识库设计 |
3.4.4 故障诊断专家系统推理机设计 |
3.5 本章小结 |
第四章 基于神经网络的集中式汽车检测线故障诊断模型 |
4.1 故障检测与识别 |
4.1.1 数据选取与处理 |
4.1.2 故障识别标准 |
4.2 神经网络故障诊断原理 |
4.2.1 BP神经网络 |
4.2.2 LSTM神经网络 |
4.3 故障诊断神经网络模型建立 |
4.3.1 状态参数采集 |
4.3.2 数据预处理 |
4.3.3 神经网络训练参数 |
4.3.4 网络层数及节点数 |
4.4 训练实验及结果分析 |
4.5 本章小结 |
第五章 集中式汽车检测线故障诊断系统的设计与实现 |
5.1 故障诊断系统需求分析 |
5.2 故障诊断系统总体设计 |
5.2.1 系统架构及开发环境选择 |
5.2.2 系统总体结构设计 |
5.3 数据库设计 |
5.4 系统运行界面及测试 |
5.4.1 用户信息管理模块 |
5.4.2 故障诊断模块 |
5.4.3 检测数据监测及诊断模块 |
5.4.4 历史故障信息查询模块 |
5.5 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(7)带式输送机故障分析及其诊断系统设计研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 背景和意义 |
1.2 带式输送机故障诊断国内外研究现状及存在问题 |
1.3 主要研究内容 |
2 输送机安全及其评价研究 |
2.1 输送机特点及其危险因素 |
2.2 输送机安全方案 |
2.3 安全评价分析 |
2.4 本章小结 |
3 带式输送机故障分析 |
3.1 故障分析 |
3.2 带式输送机故障树分析 |
3.3 本章小结 |
4 基于故障树的输送机故障诊断专家系统 |
4.1 基于故障树的故障诊断专家系统概述 |
4.2 输送机故障诊断专家系统设计 |
4.3 本章小结 |
5 故障诊断操作终端构建及示范 |
5.1 专家系统开发工具的选择 |
5.2 专家系统登陆模块与主界面构建 |
5.3 输送机知识库管理模块构建 |
5.4 输送机参数模块构建及示范 |
5.5 输送机故障诊断模块构建及示范 |
5.6 故障诊断应用示范 |
5.7 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(8)基于故障树的直流充电桩故障诊断专家系统研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景和意义 |
1.2 电动汽车充电桩国内外发展现状 |
1.3 故障诊断概述 |
1.3.1 故障诊断的基本内容 |
1.3.2 国内外研究现状 |
1.3.3 故障诊断常见方法 |
1.3.4 直流充电桩故障诊断技术的研究现状 |
1.4 论文的主要工作安排 |
2 故障树分析法与专家系统 |
2.1 故障树分析 |
2.1.1 基本概念及符号表示 |
2.1.2 故障树建立过程 |
2.1.3 故障树的结构函数 |
2.1.4 故障树的定性分析 |
2.1.5 故障树的定量分析 |
2.2 专家系统 |
2.2.1 专家系统的基本概念及组成 |
2.2.2 知识表示 |
2.2.3 知识获取 |
2.2.4 推理机 |
2.3 故障树分析法与专家系统的联系 |
2.4 本章小结 |
3 基于故障树的直流充电桩故障分析 |
3.1 直流充电桩概述 |
3.1.1 直流充电桩结构分析 |
3.1.2 工作原理 |
3.2 直流充电桩故障树建立 |
3.2.1 直流充电桩常见故障 |
3.2.2 建立直流充电桩故障树 |
3.3 故障树定性分析 |
3.4 本章小结 |
4 底事件概率不确定性分析及定量分析 |
4.1 应力分析法 |
4.1.1 基本概念 |
4.1.2 应力分析法应用过程 |
4.1.3 元器件型的底事件故障概率计算 |
4.2 基于模糊集理论和专家语义评判的事件概率估计法 |
4.2.1 专家权重的确定 |
4.2.2 底事件模糊数的建立与合成 |
4.2.3 解模糊 |
4.3 本章小结 |
5 直流充电桩故障诊断专家系统设计 |
5.1 直流充电桩故障诊断专家系统的开发分析 |
5.1.1 可行性分析 |
5.1.2 性能需求 |
5.1.3 易用性及稳定性需求 |
5.1.4 拓展性及维护性需求 |
5.2 构建故障诊断专家系统知识库 |
5.2.1 专家系统故障知识获取及表示 |
5.2.2 知识模型选用 |
5.2.3 专家系统知识存储 |
5.2.4 专家系统知识库的管理 |
5.3 故障诊断专家系统推理机设计 |
5.3.1 推理控制策略确定 |
5.3.2 推理方式确定 |
5.3.3 推理机设计方案确定 |
5.4 本章小结 |
6 直流充电桩故障诊断专家系统实现 |
6.1 专家系统人机界面介绍 |
6.1.1 系统登录界面及主界面 |
6.1.2 故障检索及故障浏览界面 |
6.1.3 故障诊断实例 |
6.1.4 知识库管理界面 |
6.2 本章小结 |
7 总结与展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 远程监测和故障诊断国内外研究现状 |
1.2.1 起重机故障诊断发展背景 |
1.2.2 起重机故障诊断方法概述 |
1.2.3 基于Web的故障诊断的发展 |
1.3 论文工作安排 |
第二章 MG型通用门式起重机远程监测与故障诊断系统总体设计 |
2.1 MG型通用门式起重机运行特点 |
2.2 门式起重机系统需求分析 |
2.2.1 系统功能需求 |
2.2.2 监测参数需求 |
2.3 系统总体结构设计 |
2.4 系统功能模块设计与解决方案研究 |
2.4.1 用户管理 |
2.4.2 配置方案管理 |
2.4.3 起重机管理 |
2.4.4 状态监测 |
2.4.5 数据分析 |
2.4.6 故障诊断 |
2.5 本章小结 |
第三章 基于MCA改进GA-BP的齿轮箱故障诊断方法研究 |
3.1 齿轮箱故障特征与振动机理分析 |
3.1.1 齿轮箱故障情况总览 |
3.1.2 齿轮振动机理和振动信号模型 |
3.1.3 滚动轴承振动机理和振动信号模型 |
3.2 基于GA的 BP神经网络的齿轮箱故障诊断方法研究 |
3.2.1 遗传算法概述 |
3.2.2 BP神经网络概述 |
3.2.3 GA-BP神经网络的齿轮箱故障诊断算法设计 |
3.3 基于MCA的齿轮箱故障特征提取研究 |
3.3.1 MCA概述 |
3.3.2 MCA算法设计 |
3.4 基于MCA改进GA-BP的齿轮箱故障诊断 |
3.4.1 MCA提取齿轮故障特征 |
3.4.2 MCA提取滚动轴承故障特征 |
3.4.3 基于MCA改进GA-BP的齿轮箱故障诊断实验验证 |
3.5 本章小结 |
第四章 基于FTA的门式起重机行车电气设备专家系统故障诊断研究 |
4.1 故障树分析法 |
4.1.1 故障树分析的基本概念 |
4.1.2 故障树的常用符号与数学表示 |
4.1.3 FTA中故障树的建立和处理 |
4.2 专家系统基本结构与功能 |
4.2.1 专家系统原理以及结构 |
4.2.2 专家系统知识获取及表示 |
4.2.3 专家系统推理机制 |
4.3 基于FTA的门式起重机行车电气设备专家系统设计 |
4.3.1 专家系统故障树设计 |
4.3.2 基于FTA的专家系统知识库设计 |
4.3.3 基于FTA最小割集的专家系统推理机设计 |
4.4 基于FTA的门式起重机电气设备专家系统故障实例分析 |
4.4.1 故障实例介绍 |
4.4.2 最小分割集求解 |
4.4.3 重要度分析 |
4.5 本章小结 |
第五章 MG型通用门式起重机远程监测与故障诊断系统数据库设计和软件实现 |
5.1 软件系统开发环境简介 |
5.2 系统数据库设计 |
5.2.1 系统及用户管理 |
5.2.2 数据监测与方案配置 |
5.2.3 齿轮箱故障诊断 |
5.2.4 行车电气设备专家系统 |
5.3 MG型通用门式起重机远程监测与故障诊断系统B/S软件实现 |
5.3.1 系统登录及功能首页 |
5.3.2 用户管理以及起重机管理 |
5.3.3 配置方案管理与数据监测 |
5.3.4 历史数据分析 |
5.3.5 基于形态分量GA-BP网络齿轮箱诊断 |
5.3.6 基于FTA的行车电气设备专家系统 |
5.3.7 其他功能 |
5.4 移动端B/S软件的测试与运行 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间成果 |
(10)聚氨酯保温板生产线故障诊断系统(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与实际意义 |
1.2 聚氨酯保温板生产线研究现状 |
1.2.1 国外聚氨酯保温板生产线研究现状 |
1.2.2 国内聚氨酯保温板生产线研究现状 |
1.3 国内外故障诊断研究现状 |
1.3.1 国外故障诊断研究现状 |
1.3.2 国内故障诊断研究现状 |
1.4 本文主要研究内容与结构安排 |
第2章 聚氨酯保温板生产线结构及故障分析 |
2.1 引言 |
2.2 聚氨酯保温板生产线组成与工作原理 |
2.2.1 聚氨酯保温板生产线组成 |
2.2.2 聚氨酯保温板生产线工作原理 |
2.3 聚氨酯板材生产流水线故障机理分析 |
2.3.1 放卷机故障机理分析 |
2.3.2 层压输送机故障机理分析 |
2.3.3 切断机故障机理分析 |
2.3.4 码垛机故障机理分析 |
2.4 本章小结 |
第3章 聚氨酯保温板生产线故障诊断理论与建模 |
3.1 引言 |
3.2 BP神经网络 |
3.2.1 BP神经网络模型与结构 |
3.2.2 BP神经网络学习算法原理 |
3.2.3 BP神经网络算法步骤 |
3.3 免疫遗传算法 |
3.3.1 遗传算法的基本思想及存在的问题 |
3.3.2 免疫遗传算法的基本原理 |
3.4 基于自适应免疫遗传BP神经网络的诊断方法 |
3.4.1 高压发泡机工作原理与特征参数选取 |
3.4.2 网络设计与优化步骤 |
3.4.3 实验仿真与结果分析 |
3.4.4 基于改进BP神经网络诊断方法的不足 |
3.5 基于故障树的诊断方法 |
3.5.1 故障树分析法的概念与符号 |
3.5.2 聚氨酯保温板生产线故障树的建立 |
3.5.3 故障树权重的确定 |
3.5.4 故障诊断系统中故障树分析法的优势和不足 |
3.6 本章小结 |
第4章 聚氨酯保温板生产线故障诊断专家系统的构建 |
4.1 引言 |
4.2 专家系统与神经网络的融合 |
4.2.1 专家系统概述 |
4.2.2 神经网络与专家系统结合的优势 |
4.3 知识库的构建 |
4.3.1 知识的获取 |
4.3.2 知识的表示 |
4.3.3 知识的存储 |
4.3.4 知识的管理 |
4.4 推理机的构建 |
4.4.1 基于专家系统的推理 |
4.4.2 基于改进BP神经网络的推理 |
4.5 本章小结 |
第5章 聚氨酯保温板生产线故障诊断专家系统的设计 |
5.1 引言 |
5.2 诊断系统整体结构 |
5.3 诊断系统硬件结构设计 |
5.3.1 硬件结构 |
5.3.2 传感器系统设计 |
5.3.3 上位机与PLC的通讯设计 |
5.4 故障诊断专家系统软件设计 |
5.4.1 故障诊断系统软件结构 |
5.4.2 故障诊断系统主要界面设计 |
5.4.3 专家系统的验证 |
5.5 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间所发表的学术论文及科研成果 |
致谢 |
四、故障树在专家系统中的应用(论文参考文献)
- [1]基于动态故障树的钻井泵故障诊断专家系统的设计与实现[D]. 何旋. 电子科技大学, 2021(01)
- [2]防爆无轨胶轮车故障诊断系统研究[D]. 高宏鹏. 太原科技大学, 2021
- [3]热模锻压力机故障诊断专家系统构建与应用研究[D]. 林博宇. 机械科学研究总院, 2020(01)
- [4]基于广义随机Petri网的复杂系统可靠性分析与维修策略[D]. 曾一宁. 南昌大学, 2020
- [5]机上故障诊断系统研究与设计[D]. 张创. 西安电子科技大学, 2020(08)
- [6]集中式汽车检测线故障诊断系统的研究[D]. 薛昊. 长安大学, 2020(06)
- [7]带式输送机故障分析及其诊断系统设计研究[D]. 宋新扩. 中国矿业大学, 2019(04)
- [8]基于故障树的直流充电桩故障诊断专家系统研究[D]. 杨莎莎. 北京交通大学, 2019(01)
- [9]基于Web的MG型通用门式起重机远程监测与故障诊断系统的研究与开发[D]. 王昶. 东南大学, 2019(06)
- [10]聚氨酯保温板生产线故障诊断系统[D]. 梁宝峰. 江苏科技大学, 2019(03)