随着计算机技术和人工智能的发展,故障诊断和维修决策技术已发展到一个新的水平——智能化故障诊断与维修决策。智能诊断技术经过十几年的发展,在某些方面取得了成功,但在系统自适应能力、学习能力、知识自动获取以及对不精确信息的处理方面表现较差,而这些问题是依靠单一的智能技术难以解决的。另外,维修决策缺乏科学的评价方法,决策的智能化程度很低。因此,如何将多种智能技术集成,研究一种混合的智能诊断与维修决策的模型,对于推动诊断与维修决策的智能化和科学化将具有重要的理论意义和实际意义。本文将在提高诊断与维修决策的智能化程度方面进行探讨和研究,主要包括:建立一种面向诊断与维修决策任务的混合智能模型、研究诊断与维修决策中模糊知识的表达方式和处理技术、探索具有渐进学习能力的诊断方法、建立科学的维修决策体系等。 本文的研究主线是围绕智能化故障诊断与维修决策建模问题展开的,主要研究内容包括: 首先,综合分析了国内外关于智能化故障诊断与维修决策方面研究现状,指出了存在的问题。 其次,系统地分析了混合智能系统的基本概念,指出了混合智能系统需要研究的三个基本问题:智能技术的融合模式、知识的表示和推理技术;研究了诊断与维修决策系统应具备的五项基本要求,并针对这五项要求,探索性地提出了一种基于多态融合模式的混合智能模型。 第三,深入研究了混合智能模型中的两种基础而关键的智能——模糊知识处理和神经网络技术。针对诊断与维修决策中存在的不精确性,提出了一种双重模糊的知识表达方式,详细研究了与此表达方式相对应的模糊推理方法,研究出一种广义的模糊匹配的算法,提出了一种基于模糊匹配度和规则可信度的冲突消解策略,并研制出一个广义的模糊知识处理器系统平台。针对一般的神经网络不具备渐进学习功能、在故障诊断时易发生漏诊或误诊的问题,提出了一种面向诊断任务的组合径向基函数网络分类器,详细研究了该分类器的实现算法。该分类器的最大特点是具有渐进学习能力,能探测并识别新的故障类型。