一、范例推理综合故障诊断模型的建立及其应用（论文文献综述）
王唯[1]（2016）在《深孔钻削加工切削参数专家系统设计与研究》文中研究说明深孔加工作为一种“卡脖子”的基础加工技术,其过程具有封闭性和不可观性。随着我国工业迅速崛起,深孔行业的需求日益增加,应用于众多机器制造行业。深孔加工参数受多个因素限制,一旦选择不合理就会加大刀具、相关辅具以及深孔机床的磨损。如何合理、科学的选择深孔加工切削参数是领域中一个极为重要、有现实意义的课题。本文将人工智能、数据库技术和专家系统技术与深孔加工技术相结合,设计了深孔钻削切削参数专家系统,使深孔领域的知识和经验转化为实践的生产加工数据,建立了一个深孔领域的交流平台,使现有的专家专业优势可以应用到实际生产中,并利用实际生产来验证理论。从而满足产品不断提升的复杂度和质量要求,使其经济效益不断提高。首先,根据专家系统的结构功能和设计要求,通过对深孔加工系统的需求分析,完成了系统总体设计。选择Microsoft Visual Studio 2010作为开发软件,以windows 7系统中的.NET 4.0平台为开发环境,以C#主流高级程序设计语言为开发语言,以Microsoft SQL Server 2008数据库为专家系统的数据管理系统。其次,本文利用数据库系统建立了深孔加工知识库,用于存储基础性事实知识。采用基于面向对象法,以工程知识库为底层数据源,利用AD0.NET技术,建立了产生式表示法的工艺库和范例库。采用面向对象法建立的双层知识库,数据相对独立,方便管理,减少了冗余提高存储空间利用率,使程序运行的平稳、流畅。在此基础上,设计了规则推理和范例推理两种方法作为系统的推理方案。实现了根据工件要求,对刀具、材料、切削液和切削用量等工艺参数的优化选择。最后,系统采用面向对象编程技术实现了系统的开发。以方便理解、简单明了为宗旨完成了登陆系统、切削参数推理模块、个人中心,工程知识模块、范例管理模块以及系统管理模块的设计。系统设计符合人机交互的准则,满足基本的使用功能要求。
李林发,文正其,邓世聪,吕启深[2]（2015）在《基于模糊三比值法和案例匹配的变压器故障诊断方法研究》文中认为本文中作者提出了基于模糊三比值法和案例匹配的变压器故障诊断方法,建采用了欧式距离法计算目标案例与所选子空间中的案例的相似度,通过实例对研究方法进行了验证。
高明磊,张钟江,姬波[3]（2015）在《基于特征变换的DGA诊断范例推理方法》文中研究表明Pearson相关系数是一种衡量变量间线性关系的方法,广泛用于变压器中油中气体故障诊断（DGA）的范例推理匹配算法。但是,现有方法存在偏袒数据区间较大的特征以及认为所有特征对相关系数判定的贡献相同这两个问题。因此,在深入分析DGA色谱数据的基础上,提出采用对数特征变换方法缩小特征值域来解决偏袒大数据区间特征的问题,采用均方差特征赋权区分特征贡献度的方法进一步提高DGA故障检测效果,并构造了基于特征变换和特征权重的Pearson相关系数DGA诊断（FTWPearson）算法。实验结果表明,FTWPearson算法的DGA诊断正确率优于业界普遍使用的大卫三角形法、未考虑特征变换和权重的Pearson相关系数法以及贝叶斯算法和神经网络算法。
马刚,吴克河,李艺[4]（2014）在《一种电气设备状态诊断方法》文中进行了进一步梳理随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论（CRB）与支持向量机技术（SVM）为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.
陈帅均[5]（2014）在《基于专家系统的飞行器评估系统研究》文中研究说明针对当前专家系统知识自动获取困难、自学习机制不足，推理效率低下等问题，对基于MapReduce的知识抽取技术，基于范例推理、范例相似度计算、范例约简算法，和基于产生式推理的规则与事实的表示、推理机制、RETE匹配算法等进行了深入分析与研究，提出了一些优化算法与新的模型，解决在飞行器评估领域要求能处理模糊知识、实效性强的应用问题。飞行器的参数（属性）繁多，但仅有部分参数对模式分类和评估有重要作用，如何提取重要参数为专家后续分析、总结评估规则，具有重要意义。基于粗糙集的知识抽取技术便可以从历史数据中众多的参数里面抽取重要的参数，经典的算法是一次性将小数据集装入内存进行计算，但无法处理像飞行器历史数据这种大数据集。本文分析了粗糙集理论中知识抽取算法的可并行性，构建了一种基于MapReduce的知识抽取模型，用于并行计算基于正域、边界域、信息熵的参数重要性测度。最后在Hadoop平台上进行了相关实验，实验表明，该技术能高效地处理飞行器历史数据等海量数据集。飞行器评估规则不成熟，评估参数之间关系复杂，模糊性强，因此从参数到顶层事实的推理不能采用“非白即黑”的二值逻辑。为了计算顶层事实的状态及置信度，本文提出了基于范例推理的方法，即根据历史数据指导评估飞行器当前的状态。首先介绍了当前常用的范例相似度度量方法如枚举型距离、欧氏距离、基于本体论的语义相似度、曲线相似度等，针对KNN经典算法的不足，提出引入权值和概率分布的KNN改进算法。最后，针对经过多次范例推理后范例库不断增大而导致占用存储空间大、检索速度慢等问题，提出了基于效用值的范例库记忆算法和基于支持向量的范例约简算法。随着对飞行器评估研究的深入，专家总结的规则也不断增多，规则的增多会导致知识库的不一致和推理机效率的下降。因此本文研究了不确定性产生式专家系统的体系结构，介绍了产生式知识的表示、飞行器评估中不确定性的来源、不确定的传播、前向推理方式、知识库一致性维护、解释机制等，深入剖析了经典的RETE匹配算法及常用的改进策略，最后提出基于代价模型的RETE优化算法，减少了匹配过程中join结点的数目，降低RETE匹配过程中的空间复杂度和时间的复杂度，提高了推理效率。针对飞行器评估任务中数据种类多、数据量大、实时性强、评估过程复杂等问题，提出一种混合推理模式的飞行器评估系统。该系统包括多个功能独立的模块，能够完成从飞行器原始数据到最终评估结论的推理和寻因。为了满足实时性需求，本文提出评估树结构和触发点机制。根据飞行器评估的特点，提出知识库与推理机分离、计算与推理分离的三层结构的评估推理系统，在顶层事实获取阶段采用范例推理，充分利用其非精确推理和自学习的优点；在评估推理阶段，采用高效的精确的产生式推理机制。通过历史数据的仿真测试，该系统能够即时完成飞行器评估，评估过程全程自动化。
王永庆[6]（2014）在《基于分类方法的变压器故障诊断子系统的设计与实现》文中研究指明在电力系统中，变压器是电能转换和电压变换的重要装置，扮演着重要的角色，它的状态稳定与否与整个电力系统的安全运转有着密切的联系，因而对变压器的潜在故障类型进行预测非常重要。目前，电力系统中的变压器大部分是油浸式变压器，在使用过程中会产生多种气体并溶解在绝缘油中，进而可以根据油中溶解气体分析（DGA）预测变压器的潜在故障类型。随着近年来的快速发展，在使用DGA技术进行故障诊断中可以采用多种分类方法进行故障诊断，例如朴素贝叶斯分类方法和范例推理方法等。基于以上原因及用户现场需求，本文设计和实现了基于分类方法的变压器故障诊断子系统。首先，本文阐述了变压器在使用过程中的产气原理及变压器故障诊断子系统所采用的三比值法、朴素贝叶斯分类方法和范例推理分类法等三种分类方法的理论知识，进而阐述了三种分类方法的使用条件及使用流程。同时，描述了应用软件设计和实现中的设计思想、模式及所需的开发技术。这些理论知识和设计思想，为本子系统的设计和实现提供了坚实的基础。其次，本文基于分类方法对变压器故障诊断子系统进行设计和实现。设计重点包括本子系统的数据层设计、功能设计和详细设计。数据层的设计主要是对本子系统的数据输入、数据预处理和数据输出进行设计，以满足各种分类方法的分类对象预处理要求。功能设计主要包括本子系统的架构设计和功能模块设计，为后续设计提供基础。在子系统的详细设计中，主要阐述了三比值诊断模块、朴素贝叶斯诊断模块和范例推理诊断模块的内部流程，进而介绍了本子系统所需的系统类图。通过本子系统的设计，明确了本子系统的总体架构，业务逻辑及功能模块的划分。本子系统采用C++中的MFC框架进行最后的代码编写。最终，描述了本子系统的实际测试方案和结果。在功能测试中，采用从绝缘油中收集的原始气体含量进行故障诊断，测试本子系统诊断流程及本子系统的有效性和实用性。测试结果表明，本文所设计和实现的基于分类方法的变压器故障子系统能有效地诊断出变压器的潜在故障类型，为维护人员提供参考，良好地满足了用户的应用需求。
张炜[7]（2014）在《基于状态评价及风险评估的变电设备状态检修方法研究》文中研究说明研究基于设备安全性与经济性的状态评价模型,并依据风险评估模型计算单台设备风险值,为开展变电设备状态检修提供科学依据,为电网运行提供辅助决策信息。针对变电设备因制造工艺、科技水平、运行损耗及超期服役等影响因素而产生的安全隐患,制定状态检修策略；其中的状态评价模型、风险评估模型综合考虑安全、可靠性、环境、成本等要素可规避此类安全隐患,提高供电可靠性与运维经济性。状态评价对影响设备健康状态的各类工况数据以及设备可靠性的定量分析,按照预定的量化标准对各类数据进行分析,并求解设备当前及未来的健康指数、故障发生概率。状态评价可为设备资产的更换、维修、技术改造以及新设备规划等决策提供科学的指导依据,其主要作用在于辅助资产的可靠性管理、设备检修维护资源的合理安排及投资规划。风险评估分析设备故障发生概率和故障后果的处理情况,从电网性能、修复成本、人身安全、环境影响等方面计算电力企业所关心的各种风险值。风险评估不局限于对设备可靠性、检修资源的管理,还上升到电网风险管理的高度,为企业的资产管理和长远投资规划提供决策依据。实例分析表明,经状态评价与风险评估后的状态检修方法可量化设备健康指数、故障概率及风险值,指导变电设备的更换、改造、运行与检修试验等工作,具有工程应用价值。
马刚[8]（2013）在《输变电设备在线状态分析与智能诊断系统的研究》文中研究指明输变电设备是电网的重要组成部分,输变电设备的可用性与稳定性直接影响到电网的安全运行。及时发现并排除输变电设备的潜伏性故障是电网企业关注的一项重要课题。随着我国电力工业的发展,一方面,电网规模不断发展,输变电设备数量激增,用户对供电可靠性要求不断提高；另一方面,设备的信息化程度越来越高,设备状态监测技术日益成熟,设备运行数据与测试数据激增,借助信息技术对设备进行故障诊断势在必行。本文在学习和借鉴国内外相关研究成果的基础之上,建立基于范例推理的输变电设备状态智能诊断模型；以输变电设备的在线监测数据、历史运行数据等为基础,应用智能诊断模型对数据资源进行深度挖掘与分析,建立输变电设备在线状态分析与智能诊断系统。论文的研究主要工作体现在以下五个方面：（1）在深入研究设备故障诊断和基于数据驱动的设备故障诊断理论与技术体系的基础上,结合范例推理的理论,提出基于范例推理的故障诊断模型,并结合输变电设备故障诊断的实际情况,分析输变电设备故障诊断应用中需要解决的问题。模型以设备的各种数据信息为核心,为既缺乏明确的因果关系又需要大量经验的复杂设备诊断提供了新的思路。（2）针对基于范例推理的故障诊断模型的关键环节,重点研究解决模型范例库的建立和模型推理过程的设计问题。将核函数技术应用到模型中,构造对局部数据敏感、对数据提取完备的新的核函数,并将核函数应用到支持向量机的分类器中,为输变电设备状态智能诊断模型的提出奠定理论基础。（3）研究解决输变电设备在线状态分析与智能诊断系统的数据模型问题。以输变电设备数据为中心,建立设备信息模型；在此基础上,建立设备状况范例库,并利用支持向量机分类器,对范例库进行分类学习,建立设备故障分类器与设备指纹识别器,生成设备故障诊断树与设备故障指纹；最后,建立基于范例推理的输变电设备状态智能诊断模型与算法,为输变电设备故障诊断提供方法指导。（4）针对目前众多输变电设备在线监测系统存在的局限性,应用输变电设备状态智能诊断模型,将现有输变电设备相关的各系统数据进行深度整合,建立输变电设备在线状态分析与智能诊断系统,综合设备的运行巡视、离线试验、带电检测等信息对设备故障进行实时、综合、智能诊断,进一步完善设备故障诊断能力,提高设备故障诊断的准确性。（5）以某省电力公司额定电压为500KV的变压器作为实证研究对象,将变压器油中溶解气体分析结果组织成范例,应用输变电设备状态智能诊断模型,融合来自不同系统的设备基础和设备运行信息,实现变压器状态实时智能诊断,及时查找出变压器的潜伏性故障,排除可能导致变压器故障的潜在原因,验证输变电设备状态智能诊断模型的有效性。
王正[9]（2013）在《钻井参数优化及其知识建模的研究》文中指出钻井参数优化是钻井工程中的一项关键技术,多年来经过科技工作者的不懈努力,该技术取得了很大进步。但随着钻井工程技术的发展,地下条件日趋复杂、工具设备及测试仪表技术不断提高,给钻井参数优化技术带来了新的研究课题。同时,与钻井参数优化有关的基础学科和理论也处于不断发展变化之中,为进行钻井参数优化工作提供了理论基础。从钻井工程本身看,其内部各个工序存在着紧密的联系,优化工作的范围也需扩大,钻井工程优化工作内容也应拓宽。目前信息技术的发展非常迅速,出现很多新的优化方法,基于知识发现的优化方法有其独特的优势,应该将其应用于钻井工程领域这无论从学术上还是从钻井工程现场来看,都有重要意义。为了提高钻井参数优化的决策分析水平,本研究从知识系统的高度出发,以知识本体和问题求解方法为基础进行了基于本体的钻井参数优化知识建模的研究,主要工作有以下五个方面：（1）国内外钻井优化研究情况的调研收集、归纳与总结钻井参数优化理论与方法,提出全井钻井参数算法和流程,为钻井参数优化知识建模提供知识素材；（2）对本体理论和范例推理进行研究,并结合钻井参数优化技术实际提出基于本体的钻进参数优化实例推理系统的框架。（3）融合本体理论与范例推理方法,提出基于本体的案例表达的研究。（4）详细阐述基于本体的范例推理钻井参数优化,并提出优化知识模型（5）针对钻井参数优化,提出基于本体的范例推理钻井参数优化智能决策系统模型。
李建坡[10]（2008）在《基于油中溶解气体分析的电力变压器故障诊断技术的研究》文中提出本文在深入研究电力变压器油中溶解气体与故障类型之间关系的基础上,从状态评估、故障诊断和故障预测三方面研究基于油中溶解气体分析的电力变压器故障诊断技术。主要研究内容如下:（1）针对电力变压器状态评估,提出了基于加权灰靶理论的电力变压器状态评估方法。以不同程度故障的均值构造标准模式,并提出了档次分级和具体评分相结合的分级策略,提高了评估方法的稳定性和通用性。（2）针对电力变压器故障诊断,提出了基于改进的非线性同伦BP算法的电力变压器故障诊断方法。在避免陷入局部极小点的能力大大提高的同时,也提高了故障诊断的准确性和可靠性。（3）针对电力变压器故障预测,提出了基于改进的灰色预测GM（1,1,ρ）模型的电力变压器故障预测方法。能够有效预测变压器油中溶解气体在未来时刻的浓度,为故障预测提供依据。（4）构建了电力变压器故障诊断专家系统,并设计了其软件平台。提出了基于综合关联度分析的最佳源范例推理机制,在一定程度上弥补了专家系统浅层推理的不足。本文提出了对电力变压器进行状态评估、故障诊断和故障预测三位一体的研究理念,为电力变压器的状态维修提供了理论依据,对降低电力变压器的维修费用和提高电力变压器的可靠性具有重要的理论意义和实际应用价值。
二、范例推理综合故障诊断模型的建立及其应用（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、范例推理综合故障诊断模型的建立及其应用（论文提纲范文）
（1）深孔钻削加工切削参数专家系统设计与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 课题来源 |
| 1.3 相关技术国内外研究现状 |
| 1.3.1 深孔加工技术国内外研究现状 |
| 1.3.2 专家系统国内外研究现状 |
| 1.4 本文的主要研究内容 |
| 1.5 本章小结 |
| 2. 专家系统整体方案设计 |
| 2.1 专家系统的结构和工作原理 |
| 2.2 专家系统的设计流程 |
| 2.3 系统需求分析 |
| 2.3.1 系统的功能需求分析 |
| 2.3.2 系统的性能需求分析 |
| 2.4 系统的功能与结构设计 |
| 2.4.1 系统功能设计 |
| 2.4.2 系统总体结构设计 |
| 2.5 开发工具的选择 |
| 2.5.1 系统开发环境 |
| 2.5.2 系统开发语言 |
| 2.5.3 系统开发数据库 |
| 2.6 本章小结 |
| 3. 专家系统知识库的建立 |
| 3.1 专家系统知识 |
| 3.1.1 知识的分类 |
| 3.2 知识的表示 |
| 3.3 工程知识库的建立 |
| 3.4 专家系统知识库的建立 |
| 3.4.1 刀具库 |
| 3.4.2 切削液库 |
| 3.4.3 产品库 |
| 3.4.5 切削参数库 |
| 3.5 本章小结 |
| 4. 基于规则推理模块设计 |
| 4.1 规则推理模块的工作模型 |
| 4.1.1 产生式系统 |
| 4.2 产生式系统规则库的建立 |
| 4.2.1 面向对象类和对象的结构设计 |
| 4.2.2 系统规则库的建立 |
| 4.3 规则推理控制策略 |
| 4.3.1 可信度规则选择和推荐结果评估 |
| 4.4 本章小结 |
| 5. 基于范例推理模块设计 |
| 5.1 范例推理特点及研究内容 |
| 5.2 范例库的建立 |
| 5.3 范例的相似度计算 |
| 5.4 范例推理过程和范例管理 |
| 5.5 本章小结 |
| 6. 深孔专家系统的实现 |
| 6.1 系统运行界面及运行实例 |
| 6.1.1 登陆系统 |
| 6.1.2 切削参数推理模块 |
| 6.1.3 个人中心模块 |
| 6.1.4 工程知识模块 |
| 6.1.5 范例管理模块 |
| 6.1.6 系统管理模块 |
| 6.2 本章小结 |
| 7. 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）基于模糊三比值法和案例匹配的变压器故障诊断方法研究（论文提纲范文）
| 1引言 |
| 2案例库构建 |
| 3算法实现 |
| 3.1模糊三比值 |
| 3.2案例空间选择 |
| 3.3案例匹配 |
| 4实例分析 |
| 4.1案例库 |
| 4.2目标案例 |
| 4.3目标案例分析 |
| 5总结 |
（3）基于特征变换的DGA诊断范例推理方法（论文提纲范文）
| 1 DGA范例推理方法 |
| 1.1 油中溶解气体分析方法 |
| 1.2 范例推理和Pearson相关系数法 |
| 2 FTW＿Pearson算法 |
| 2.1 特征变换 |
| 2.2 特征加权 |
| 2.3 FTW＿Pearson算法 |
| 2.3.1 算法伪码 |
| 2.3.2 时间复杂度分析 |
| 3 实验 |
| 3.1 实验数据集及实验评估方法 |
| 3.2 实验结果 |
| 3.2.1 三类特征变换的实验结果 |
| 3.2.2 特征加权后的实验结果 |
| 3.2.3 与其他智能化诊断算法的实验对比 |
（4）一种电气设备状态诊断方法（论文提纲范文）
| 1 基于范例推理的理论及应用研究 |
| 1.1 基于范例的推理 |
| 1.2 SVM回归分析 |
| 1.3 核函数构造 |
| 2 电气设备状态智能诊断模型 |
| 2.1 数据模型 |
| 2.2 电气设备状态指纹 |
| 2.3 诊断模型 |
| 3 实证分析 |
| 3.1 变压器状态分类 |
| 3.2 学习阶段 |
| 3.3 结果分析 |
| 4 结语 |
（5）基于专家系统的飞行器评估系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 飞行器评估国内外研究现状 |
| 1.2.2 专家系统国内外研究现状 |
| 1.3 当前构建专家系统的方法综述 |
| 1.3.1 约束推理 |
| 1.3.2 定性推理 |
| 1.3.3 贝叶斯网络推理 |
| 1.3.4 人工神经网络 |
| 1.3.5 模糊专家系统 |
| 1.4 与本文相关的基本理论 |
| 1.4.1 基于范例推理基本理论介绍 |
| 1.4.2 产生式专家系统基本理论介绍 |
| 1.4.3 飞行器评估系统基本理论 |
| 1.5 本文所做的工作及创新点 |
| 1.6 本文的组织结构 |
| 2 基于 MapReduce 的飞行器知识抽取技术研究 |
| 2.1 引言 |
| 2.1.1 知识获取简介 |
| 2.1.2 引入 MapReduce 技术的必要性 |
| 2.2 MapReduce 简介 |
| 2.2.1 映射和规约 |
| 2.2.2 分布式技术 |
| 2.2.3 MapReduce 的主要应用及举例 |
| 2.2.4 工作原理 |
| 2.3 粗糙集理论 |
| 2.3.1 知识与分类 |
| 2.3.2 不可分辨关系、等价类与基本范畴 |
| 2.3.3 集合的下近似集、上近似集及边界域 |
| 2.3.4 信息熵和不可分辨对象 |
| 2.3.5 属性重要性测度 |
| 2.4 基于 MapReduce 的知识抽取技术 |
| 2.4.1 属性重要性测度的可并行性 |
| 2.4.2 算法描述 |
| 2.4.3 实验 |
| 2.5 本章小结 |
| 3 基于范例推理的顶层事实相似度研究 |
| 3.1 典型的范例相似度计算 |
| 3.1.1 枚举型属性相似度 |
| 3.1.2 连续型属性的相似度 |
| 3.1.3 曲线距离度量 |
| 3.1.4 基于本体论的语义相似度 |
| 3.2 基于权值和范例概率分布的 KNN 相似度计算模型 |
| 3.2.1 KNN 算法的分类函数和隶属度函数 |
| 3.2.2 KNN 算法的不足 |
| 3.2.3 引入权值和范例概率分布的 KNN 算法 |
| 3.3 基于效用值的范例库记忆算法研究 |
| 3.3.1 相关工作 |
| 3.3.2 记忆算法研究 |
| 3.3.3 遗忘策略研究 |
| 3.3.4 添加策略研究 |
| 3.3.5 实验 |
| 3.3.6 总结 |
| 3.4 基于支持向量的范例约简算法研究 |
| 3.4.1 范例的ε-边界研究 |
| 3.4.2 支持向量与ε-边界的确定 |
| 3.4.3 实验 |
| 3.4.4 结语 |
| 3.5 本章小结 |
| 4 飞行器评估系统产生式推理技术研究 |
| 4.1 飞行器评估产生式推理的技术难点 |
| 4.2 知识库技术研究 |
| 4.2.1 知识的表示研究 |
| 4.2.2 知识有效性和完整性检查 |
| 4.3 不确定性的传播算法 |
| 4.4 推理方法 |
| 4.5 冲突消解策略 |
| 4.6 规则匹配算法研究 |
| 4.6.1 模式匹配相关概念 |
| 4.6.2 RETE 算法介绍 |
| 4.6.3 飞行器评估系统中的 RETE 算法特点 |
| 4.6.4 飞行器评估中代价模型的 RETE 优化算法研究 |
| 4.6.5 总结 |
| 4.7 求解策略及解释机制 |
| 4.8 本章小结 |
| 5 混合推理模式的飞行器评估系统实现 |
| 5.1 评估系统的总体架构 |
| 5.2 评估系统数据流程 |
| 5.3 基于触发点的实时评估树设计 |
| 5.3.1 评估项与评估树 |
| 5.3.2 触发点机制 |
| 5.4 范例推理模块设计 |
| 5.4.1 .顶层事实的表示 |
| 5.4.2 顶层事实产生过程 |
| 5.5 产生式推理模块设计 |
| 5.5.1 非顶层事实的表示 |
| 5.5.2 规则的表示 |
| 5.5.3 产生式推理机制 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）基于分类方法的变压器故障诊断子系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 背景与意义 |
| 1.2 本文主要工作 |
| 1.3 本文的章节安排 |
| 2 变压器故障诊断的分类方法分析 |
| 2.1 变压器的产气原理 |
| 2.2 油中气体增长速率 |
| 2.3 三比值法 |
| 2.4 朴素贝叶斯分类法 |
| 2.4.1 贝叶斯分类器的简介 |
| 2.4.2 朴素贝叶斯分类器 |
| 2.5 范例推理分类法 |
| 2.5.1 基于欧式距离的范例检索算法 |
| 2.5.2 基于 Pearson 积矩相关系数的范例检索算法 |
| 2.6 小结 |
| 3 系统分析 |
| 3.1 设计思想和设计模式 |
| 3.1.1 MVC 思想和 C/S 模式 |
| 3.1.2 策略设计模式 |
| 3.2 开发技术 |
| 3.3 系统开发运行环境 |
| 3.4 小结 |
| 4 变压器故障诊断子系统的设计与实现 |
| 4.1 功能设计 |
| 4.1.1 系统的架构 |
| 4.1.2 子系统的功能模块设计 |
| 4.2 数据层的设计 |
| 4.2.1 输入层设计 |
| 4.2.2 数据预处理 |
| 4.2.3 输出层设计 |
| 4.3 详细设计 |
| 4.3.1 三比值模块设计 |
| 4.3.2 朴素贝叶斯分类模块设计 |
| 4.3.3 范例推理分类模块设计 |
| 4.3.4 系统类图 |
| 4.4 子系统的实现 |
| 4.5 小结 |
| 5 子系统的故障诊断测试 |
| 5.1 测试数据 |
| 5.2 诊断模块的测试 |
| 5.3 小结 |
| 6 总结与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）基于状态评价及风险评估的变电设备状态检修方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现况 |
| 1.3 本文的主要任务 |
| 第2章 状态检修管理体系分析 |
| 2.1 状态检修管理体系研究 |
| 2.1.1 国外研究机构的相关研究情况 |
| 2.1.2 国内研究机构的相关研究情况 |
| 2.1.3 研究的技术关键与方向 |
| 2.2 体系构建 |
| 2.3 原理流程 |
| 2.4 体系要素 |
| 2.5 主要状态量选取 |
| 2.5.1 选取原则 |
| 2.5.2 数据类型 |
| 2.6 数学分析模型制定 |
| 2.6.1 状态评价建模分析 |
| 2.6.2 风险评估建模分析 |
| 2.6.3 故障类型诊断 |
| 2.7 本章小结 |
| 第3章 状态评价模型 |
| 3.1 设备老化模型 |
| 3.1.1 老化公式 |
| 3.1.2 老化常数 |
| 3.1.3 设备的厂家和型号 |
| 3.1.4 变压器的负载系数分析 |
| 3.1.5 变压器的环境系数分析 |
| 3.1.6 老化健康指数计算 |
| 3.2 状态评价结果修正 |
| 3.2.1 生产厂商的特性参数 |
| 3.2.2 设备外观的特性参数 |
| 3.2.3 预防性试验的特征参数 |
| 3.2.4 故障历史的特征参数 |
| 3.2.5 缺陷历史的特征参数 |
| 3.2.6 套管状态特征参数的分析 |
| 3.2.7 有载调压开关的健康状态分析 |
| 3.2.8 设备状态修正系数的综合 |
| 3.3 油中溶解气体健康指数分析 |
| 3.4 油质健康指数分析 |
| 3.5 糠醛健康指数分析 |
| 3.6 最终健康指数计算 |
| 3.7 故障发生概率计算 |
| 3.7.1 故障的划分 |
| 3.7.2 故障概率计算公式 |
| 3.7.3 故障概率计算 |
| 3.8 功能概述 |
| 3.8.1 状态评价开展方式 |
| 3.8.2 状态评价流程图 |
| 3.8.3 状态评价流程说明 |
| 3.9 状态评价分析结果举例 |
| 3.10 本章小结 |
| 第4章 风险评估模型 |
| 4.1 电网性能风险计算 |
| 4.1.1 电网性能风险的平均故障后果 |
| 4.1.2 电网性能风险的相对重要等级 |
| 4.2 故障修复成本风险计算 |
| 4.2.1 修复成本的平均故障后果 |
| 4.2.2 修复成本的相对重要等级 |
| 4.3 人身安全风险计算 |
| 4.3.1 人身安全的平均故障后果 |
| 4.3.2 人身安全风险的相对重要等级 |
| 4.4 环境影响风险计算 |
| 4.4.1 环境影响风险的平均故障后果 |
| 4.4.2 环境影响风险的相对重要等级COAE |
| 4.5 变压器风险评估分析结果举例 |
| 4.6 本章小结 |
| 第5章 状态检修故障诊断 |
| 5.1 诊断方法 |
| 5.2 故障类型的范例匹配方法 |
| 5.2.1 范例推理流程 |
| 5.2.2 分层诊断及其范例库分类 |
| 5.2.3 范例分级检索 |
| 5.2.4 识别模型网络结构 |
| 5.3 自适应调整学习率的模型构建 |
| 5.3.1 自适应调整学习率算法 |
| 5.3.2 数据归一化处理 |
| 5.3.3 数据筛选归类 |
| 5.3.4 网络训练流程 |
| 5.4 变压器故障诊断分析结果举例 |
| 5.5 本章小结 |
| 第6章 状态检修经济性分析 |
| 6.1 资本的时间价值 |
| 6.2 风险的时间折算 |
| 6.3 设备最佳投资时问的确定 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
| 作者简介 |
（8）输变电设备在线状态分析与智能诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究的现状 |
| 1.2.1 设备状态检修的研究现状 |
| 1.2.2 设备故障诊断的研究现状 |
| 1.2.3 数据驱动理论的研究现状 |
| 1.3 论文研究的主要内容 |
| 1.4 论文组织结构 |
| 第2章 故障诊断理论研究及应用分析 |
| 2.1 引言 |
| 2.2 设备故障诊断概述 |
| 2.2.1 设备故障及分类 |
| 2.2.2 设备故障规律 |
| 2.2.3 设备故障诊断 |
| 2.3 基于数据驱动的故障诊断方法 |
| 2.3.1 基于统计分析的故障诊断方法 |
| 2.3.2 基于信号分析的故障诊断方法 |
| 2.3.3 基于定量知识的故障诊断方法 |
| 2.4 基于范例的推理 |
| 2.4.1 基于范例推理概述 |
| 2.4.2 基于范例推理过程分析 |
| 2.4.3 范例的知识表示 |
| 2.4.4 范例的检索策略 |
| 2.4.5 基于范例推理故障诊断的特点 |
| 2.5 基于范例推理的故障诊断模型及应用分析 |
| 2.6 本章小结 |
| 第3章 输变电设备状态智能诊断模型提出及相关技术研究 |
| 3.1 引言 |
| 3.2 输变电设备状态智能诊断模型的提出 |
| 3.3 输变电设备状态智能诊断相关技术研究 |
| 3.3.1 输变电设备数据主元分析 |
| 3.3.2 诊断核函数构造 |
| 3.4 支持向量机分类器研究 |
| 3.4.1 诊断模型线性分类器 |
| 3.4.2 支持向量机分类器 |
| 3.4.3 分类算法研究 |
| 3.4.4 模型分类器参数优化 |
| 3.5 本章小结 |
| 第4章 输变电设备状态智能诊断模型及算法研究 |
| 4.1 引言 |
| 4.2 输变电设备信息模型 |
| 4.2.1 设备模型 |
| 4.2.2 设备状况范例模型 |
| 4.2.3 设备状况范例的数据结构 |
| 4.3 设备故障分类器与指纹模型 |
| 4.3.1 设备故障分类器模型 |
| 4.3.2 设备故障指纹模型 |
| 4.4 输变电设备状态智能诊断模型 |
| 4.5 输变电设备状态智能诊断算法 |
| 4.6 本章小结 |
| 第5章 输变电设备在线状态分析与智能诊断系统的建立 |
| 5.1 引言 |
| 5.2 系统概述 |
| 5.3 系统总体设计 |
| 5.3.1 系统架构 |
| 5.3.2 系统功能设计 |
| 5.3.3 系统物理架构 |
| 5.4 系统实现 |
| 5.4.1 系统实现方案 |
| 5.4.2 基于构件架构技术的系统实现 |
| 5.5 系统开发与应用环境 |
| 5.6 本章小结 |
| 第6章 实证分析 |
| 6.1 引言 |
| 6.2 传统变压器故障诊断 |
| 6.3 故障诊断实例 |
| 6.3.1 变压器状态分类 |
| 6.3.2 变压器故障范例学习阶段 |
| 6.3.3 变压器故障诊断阶段 |
| 6.3.4 诊断结果分析 |
| 6.4 本章小结 |
| 第7章 总结及展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（9）钻井参数优化及其知识建模的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 钻井参数优化的发展阶段与发展方向 |
| 1.2.1 钻井参数优化研究现状 |
| 1.2.2 知识工程领域研究 |
| 1.3 论文的研究内容及创新点 |
| 1.3.1 论文的研究内容 |
| 1.3.2 创新点 |
| 第二章 钻井参数优化理论与技术研究 |
| 2.1 钻井参数检测技术 |
| 2.1.1 钻井参数监测技术现状 |
| 2.1.2 钻井参数监测系统 |
| 2.2 钻井参数优化设计步骤 |
| 2.3 钻井参数优化理论基础研究 |
| 2.3.1 钻井方程 |
| 2.3.2 钻井参数实时优化技术 |
| 2.4 复合钻进时钻井参数优选 |
| 2.5 目标函数极小值的存在性研究 |
| 2.6 基于本体的钻进参数优化系统设计思路 |
| 2.6.1 基于范例推理的钻井参数优化方法 |
| 2.6.2 钻井参数评价和优选的模糊综合评判方法 |
| 2.6.3 以上两种方法的不足 |
| 2.6.4 基于本体的范例推理的钻井参数优化系统 |
| 第三章 本体和范例推理研究 |
| 3.1 数据、信息和知识 |
| 3.2 本体理论介绍 |
| 3.3 知识模型构建理论 |
| 3.3.1 知识建模的含义 |
| 3.3.2 知识本体建模方法 |
| 3.4 基于本体的知识建模理论 |
| 3.5 基于本体的范例推理理论研究 |
| 3.5.1 范例推理基本理论 |
| 3.5.2 范例推理(CBR)工作原理与过程 |
| 3.5.3 本体与范例推理(CBR)的结合 |
| 第四章 钻井参数优化知识模型研究 |
| 4.1 本体开发方法概述 |
| 4.2 知识系统构成 |
| 4.3 需求本体模型 |
| 4.3.1 任务本体的目的和任务 |
| 4.3.2 用例模型表示法 |
| 4.3.3 任务的分解 |
| 4.4 概念本体模型 |
| 4.4.1 概念本体的描述 |
| 4.4.2 用E-R图创建钻井参数概念本体 |
| 4.5 方法本体模型 |
| 4.5.1 知识系统的问题解决方法 |
| 4.5.3 钻井参数范例推理方法本体 |
| 4.6 基于本体的范例推理系统框架描述 |
| 4.6.1 知识源 |
| 4.6.2 基于本体[的案例对象库 |
| 4.6.3 基于本体案例对象库 |
| 4.6.4 范例推理 |
| 4.6.5 元数据管理 |
| 4.7 基于本体的案例表达模型 |
| 第五章 钻井参数优化知识模型的实现 |
| 5.1 系统设计目标与设计思想 |
| 5.2 系统功能模块设计 |
| 5.3 优化钻井领域本体知识库的开发 |
| 5.4 基于本体钻井参数范例库的建立 |
| 5.5 基于本体的范例推理钻井参数优化系统的实现途径 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 详细摘要 |
（10）基于油中溶解气体分析的电力变压器故障诊断技术的研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 电力变压器故障诊断技术的国内外研究现状 |
| 1.2.1 电力变压器故障诊断研究现状 |
| 1.2.2 电力变压器状态评估研究现状 |
| 1.2.3 电力变压器故障预测研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本章小结 |
| 第2章 电力变压器内部故障与油中溶解气体的关系 |
| 2.1 引言 |
| 2.2 电力变压器油中溶解气体产生的机理 |
| 2.2.1 气体产生的原理 |
| 2.2.2 气体在油中的溶解 |
| 2.2.3 正常运行时油中溶解气体含量 |
| 2.3 电力变压器内部故障与油中溶解气体的关系 |
| 2.4 本章小结 |
| 第3章 电力变压器状态评估方法的研究 |
| 3.1 引言 |
| 3.2 灰靶理论的基本思想 |
| 3.2.1 灰模式 |
| 3.2.2 标准模式 |
| 3.2.3 灰靶变换 |
| 3.2.4 靶心度分级 |
| 3.2.5 状态评估的计算流程 |
| 3.3 基于灰靶理论的电力变压器状态评估方法 |
| 3.3.1 基于均权灰靶理论的电力变压器状态评估方法 |
| 3.3.2 基于加权灰靶理论的电力变压器状态评估方法 |
| 3.3.3 电力变压器状态分级策略 |
| 3.3.4 实验结果分析 |
| 3.4 结论 |
| 3.5 本章小结 |
| 第4章 电力变压器故障诊断方法的研究 |
| 4.1 引言 |
| 4.2 人工神经网络理论 |
| 4.2.1 人工神经元模型 |
| 4.2.2 神经网络的类型 |
| 4.2.3 神经网络的学习方式 |
| 4.3 BP网络原理及其学习算法 |
| 4.3.1 BP网络的原理 |
| 4.3.2 BP网络学习算法的不足及常用改进方法 |
| 4.4 同伦 BP算法 |
| 4.4.1 同伦算法的基本理论 |
| 4.4.2 同伦BP算法 |
| 4.4.3 非线性同伦BP算法 |
| 4.5 基于非线性同伦BP算法的电力变压器故障诊断方法 |
| 4.5.1 输入和输出模式的确立 |
| 4.5.2 网络数据的归一化处理 |
| 4.5.3 训练样本的获取 |
| 4.5.4 激活函数的选择 |
| 4.5.5 初始权值的选取 |
| 4.5.6 网络隐含层数及隐含层神经元数的确定 |
| 4.5.7 BP算法的选取 |
| 4.6 仿真实验分析 |
| 4.6.1 网络模型的训练 |
| 4.6.2 电力变压器故障诊断实验分析 |
| 4.7 结论 |
| 4.8 本章小结 |
| 第5章 电力变压器故障预测方法的研究 |
| 5.1 引言 |
| 5.2 灰色预测 GM(1，1)模型 |
| 5.2.1 GM(1，1)模型的建立 |
| 5.2.2 模型精度检验 |
| 5.2.3 GM(1，1)模型的建模步骤 |
| 5.3 基于改进的灰色预测 GM(1，1，ρ)模型的电力变压器故障预测方法 |
| 5.3.1 模型数据预处理 |
| 5.3.2 数据模型的选取 |
| 5.3.3 模型背景值的改进 |
| 5.3.4 预测模型的改进 |
| 5.3.5 改进 GM(1，1，ρ)模型的建模步骤 |
| 5.4 实验结果分析 |
| 5.5 结论 |
| 5.6 本章小结 |
| 第6章 电力变压器故障诊断专家系统的设计及软件实现 |
| 6.1 引言 |
| 6.2 专家系统 |
| 6.2.1 专家系统的定义 |
| 6.2.2 专家系统的组成 |
| 6.3 基于综合关联度分析的电力变压器故障诊断方法 |
| 6.3.1 面积关联度分析方法 |
| 6.3.2 斜率关联度分析方法 |
| 6.3.3 综合关联度分析方法 |
| 6.4 基于 DGA的电力变压器故障诊断专家系统设计 |
| 6.4.1 知识库 |
| 6.4.2 数据库 |
| 6.4.3 推理机 |
| 6.5 专家系统的软件实现 |
| 6.5.1 专家系统的结构 |
| 6.5.2 应用系统功能构成 |
| 6.6 诊断实例 |
| 6.7 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其他成果 |
| 致谢 |
| 摘要 |
| ABSTRACT |
四、范例推理综合故障诊断模型的建立及其应用（论文参考文献）
- [1]深孔钻削加工切削参数专家系统设计与研究[D]. 王唯. 中北大学, 2016(08)
- [2]基于模糊三比值法和案例匹配的变压器故障诊断方法研究[J]. 李林发,文正其,邓世聪,吕启深. 变压器, 2015(12)
- [3]基于特征变换的DGA诊断范例推理方法[J]. 高明磊,张钟江,姬波. 计算机科学, 2015(10)
- [4]一种电气设备状态诊断方法[J]. 马刚,吴克河,李艺. 南京师范大学学报(工程技术版), 2014(03)
- [5]基于专家系统的飞行器评估系统研究[D]. 陈帅均. 中国科学院研究生院（光电技术研究所）, 2014(10)
- [6]基于分类方法的变压器故障诊断子系统的设计与实现[D]. 王永庆. 郑州大学, 2014(02)
- [7]基于状态评价及风险评估的变电设备状态检修方法研究[D]. 张炜. 华北电力大学, 2014(01)
- [8]输变电设备在线状态分析与智能诊断系统的研究[D]. 马刚. 华北电力大学, 2013(11)
- [9]钻井参数优化及其知识建模的研究[D]. 王正. 西安石油大学, 2013(08)
- [10]基于油中溶解气体分析的电力变压器故障诊断技术的研究[D]. 李建坡. 吉林大学, 2008(11)