基于人工智能方法的复杂过程故障诊断技术

被引:34
作者
桂卫华
刘晓颖
机构
[1] 中南大学信息科学与工程学院,中南大学信息科学与工程学院湖南长沙,湖南长沙
关键词
人工智能; 复杂过程; 故障诊断; 机器学习;
D O I
10.14107/j.cnki.kzgc.2002.04.001
中图分类号
TP277 [监视、报警、故障诊断系统];
学科分类号
0804 ; 080401 ; 080402 ;
摘要
由于复杂过程因素多 ,波动大 ,反应机理复杂 ,无法建立精确的数学模型 ,传统的故障诊断方法很难取得令人满意的结果。针对复杂过程的特点 ,利用智能技术无需建立对象精确模型的优势 ,研究适合复杂过程实现的基于人工智能方法的故障诊断技术。并对构造智能诊断系统所需要解决的机器学习技术从知识获取、深浅知识表示方法和规则更新方面进行了分析。最后对基于人工智能方法的复杂过程故障诊断技术研究的发展趋势和有待解决的问题进行了分析与探讨
引用
收藏
页码:1 / 6
页数:6
相关论文
共 24 条
[1]   一种改进遗传算法及其在企业原料采购优化中的应用 [J].
桂卫华 ;
黄泰松 ;
阳春华 .
矿冶工程, 2001, (03) :59-62
[2]   自适应监督式分布神经网络及其工业应用 [J].
王雅琳 ;
桂卫华 ;
阳春华 ;
吴敏 .
控制与决策, 2001, (05) :549-552+556
[3]   铅锌冶炼过程的故障诊断神经网络专家系统 [J].
刘晓颖 ;
桂卫华 ;
朱爽 .
上海海运学院学报, 2001, (03) :89-91+97
[4]   复杂过程的集成智能故障诊断技术 [J].
刘晓颖 ;
桂卫华 .
化工自动化及仪表, 2001, (04) :16-18
[5]   故障诊断系统中深浅知识集成表示方法的研究 [J].
王道平 ;
马少平 .
小型微型计算机系统, 2001, (09) :1025-1028
[6]   通用故障诊断软件系统的设计开发与研究 [J].
朱爽 ;
桂卫华 ;
刘晓颖 ;
周先德 ;
周永孝 .
基础自动化, 2001, (04) :36-39
[7]   动态数据库规则获取和更新的粗糙集方法 [J].
张学民 ;
安利平 .
天津大学学报, 2001, (04) :529-532
[8]   复杂过程的故障诊断技术 [J].
刘晓颖 ;
桂卫华 .
计算机工程与应用, 2001, (07) :11-13+16
[9]   动态系统的故障诊断方法 [J].
张萍 ;
王桂增 ;
周东华 .
控制理论与应用, 2000, (02) :153-158
[10]   神经网络故障诊断技术的可实现性 [J].
闻新 ;
周露 .
导弹与航天运载技术, 2000, (02) :17-22