论文部分内容阅读
近年来智能故障诊断技术成为故障诊断领域的研究热点,该技术以复杂系统(设备、元件)的管理、监测和故障诊断为主要内容,以建立故障预防和系统维修体系为目标,在诸多生产实践领域得到应用。智能技术的应用提高了系统故障诊断的科学化、智能化水平,在实践中得到了充分检验,极大丰富了人们有关故障的领域知识。智能故障诊断技术主要包括专家系统、模糊故障诊断、神经网络、信息融合和Petri网等。尽管当前的智能故障诊断技术采用了许多成熟的数学方法和基于专家系统的推理算法,依然有许多关键问题需要进一步研究,包括知识表达和推理、知识学习、智能识别和信息融合等。智能故障诊断系统需要将诊断理论、专家经验知识有效融合,通过计算机软件编程加以实现。故障诊断专家往往不是诊断系统的具体实现者,而软件编程人员亦非有着丰富领域知识的专家,能否使诊断系统真正体现专家的意图和决策,决定了系统的优劣;能否使诊断过程清晰、高效,决定了系统是否可用、可推广。Petri网的诸多特性使其能够简洁方便的表示专家知识、诊断组织结构以及诊断推理过程,能够对专家知识及推理过程进行优化,能够很容易地融合模糊推理、神经网络和面向对象编程等技术。应用Petri网技术,可以使得诊断系统专家、系统开发人员、系统使用者紧密关联,体现了故障诊断从理论到智能再到应用的全过程。论文包括以下几方面内容:1、对Petri网技术的研究。以Petri网理论为基础,结合模糊产生式规则推理,研究模糊故障Petri网及建模方法;研究基于Petri网模型图的推理方法;重点研究、分析并设计了基于矩阵及其运算的推理方法;综合运用极值法、求和法实现正反向混合推理。2、对智能Petri网技术的研究。研究了加权模糊Petri网、自学习(自适应)模糊Petri网,分析其利用单一BP (Back Propagation)神经网络算法训练Petri网中的权值、阈值和置信度等参数的优缺点;研究了神经网络集成学习的理论,提出动态选择性集成与故障诊断Petri网融合方法。3、对PSO(Particle Swarm Optimization)算法的研究。在PSO算法研究的基础上,提出了改进的增强型PSO算法;研究了PSO算法与神经网络的融合技术,提出了基于改进的PSO算法的神经网络集成学习方法,并应用于智能Petri网的参数学习和训练。4、设计并实现了基于Petri网的远程智能故障诊断系统,应用于电厂汽轮机组故障诊断实例。深入研究并应用数据整形与压缩技术、网络通信技术、服务器推送技术等解决远程诊断过程中所面临的实际应用问题。