| 【中文题名】 | 基于实例与基于规则混合推理的车辆诊断专家系统原型设计 |
| 【英文题名】 | Prototype Design of Vechicle-fault Diagnosis Expert System Based on Integration of Case-based and Rule-based Reasoning |
| 【学科专业】 | 车辆工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-9-18 |
| 【中关键词】 | 实例推理,规则推理,故障诊断,专家系统,, |
| 【英关键词】 | Case-based reasoning,Rule-based reasoning,Fault diagnosis,Expert system, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>专家系统、知识工程> |
| 【论文摘要】 |
本文简要分析了车辆现代诊断的发展趋势，讨论了此趋势对车辆智能诊断系统提出的新要求。针对基于规则推理和模型推理专家系统的局限性，提出将实例获取网络应用于基于实例推理的车辆诊断专家系统的必要性和融合实例与规则的混合推理方法，介绍了实例获取网络在车辆诊断专家系统中的设计方法、工作过程及其算法的改进方案，探讨了实例获取网络及相关策略的实现方法。根据车辆故障诊断的特点，建立了专家系统的整体实现框架和知识表示方案、解决了不同诊断单元在工作时难以互通诊断信息等问题，对专家系统的设计策略、实施步骤和组织结构做了详述。以Borland Delphi 5.0和InterBase6.0为开发工具，应用人工智能诊断方法和面向对象的程序设计方法，开发出了以车辆音响故障为研究对象的诊断专家系统原型，使用基于执行和非执行测试的方法，通过实例验证了以上方法的正确性和整体实现框架的有效性。 |
| 【论文题纲】 |
|
第一章 绪论 |
13-18 |
|
1．1 机械设备故障诊断技术的发展与车辆故障诊断研究的意义 |
13-14 |
|
1．2 人工智能与专家系统在故障诊断中的实现与发展趋势 |
14-15 |
|
1．3 本文研究的目的和意义 |
15-16 |
|
1．4 本文研究的主要内容 |
16-18 |
|
第二章 专家系统方法与车辆故障诊断 |
18-35 |
|
2．1 专家系统 |
18-25 |
|
2．1．1 专家系统的定义与特征 |
18-19 |
|
2．1．2 专家系统的一般结构及方法 |
19-22 |
|
2．1．2．1 人机接口 |
19-20 |
|
2．1．2．2 知识获取机构 |
20-21 |
|
2．1．2．3 知识库及其管理系统 |
21 |
|
2．1．2．4 推理引擎 |
21 |
|
2．1．2．5 数据库及其管理系统 |
21-22 |
|
2．1．2．6 解释机构 |
22 |
|
2．1．3 专家系统的建造与评价 |
22-25 |
|
2．1．3．1 专家系统的建造原则 |
22-23 |
|
2．1．3．2 专家系统的开发过程 |
23-24 |
|
2．1．3．3 专家系统的评价 |
24-25 |
|
2．2 专家系统的推理方法 |
25-30 |
|
2．2．1 基于规则的推理 |
25 |
|
2．2．2 基于模型的推理 |
25-26 |
|
2．2．3 基于实例的推理 |
26-30 |
|
2．2．3．1 基于实例推理的基本概念与原理 |
26-27 |
|
2．2．3．2 基于实例推理的分类 |
27-28 |
|
2．2．3．3 基于实例推理的工作过程 |
28-30 |
|
2．3 专家系统与车辆故障诊断 |
30-34 |
|
2．3．1 专家系统在机械设备故障诊断中的应用 |
30 |
|
2．3．2 现代车辆故障诊断的发展趋势 |
30-34 |
|
2．4 本章小结 |
34-35 |
|
第三章 于实例推理与基于规则推理方法相融合的研究 |
35-44 |
|
3．1 CBR与RBR结合概述 |
35-37 |
|
3．1．1 CBR与RBR的数学关系和性能比较 |
35-36 |
|
3．1．2 CBR与RBR的结合必然性 |
36-37 |
|
3．2 CBR与RBR的结合 |
37-40 |
|
3．2．1 专家系统的应用背景 |
37-38 |
|
3．2．2 CBR与RBR的结合方式 |
38-40 |
|
3．3 CBR与RBR的融合 |
40-43 |
|
3．3．1 CBR与RBR传统结合方式的问题 |
40-41 |
|
3．3．2 推理单元融合框架的建立 |
41-42 |
|
3．3．3 系统内的诊断信息容器 |
42 |
|
3．3．4 混合推理系统的整体框架 |
42-43 |
|
3．4 本章小结 |
43-44 |
|
第四章 实例和实例库建构模式的研究 |
44-61 |
|
4．1 专家系统中的知识 |
44-47 |
|
4．1．1 知识的基本概念和特点 |
44 |
|
4．1．1．1 知识的基本概念 |
44 |
|
4．1．1．2 知识具有的特性 |
44 |
|
4．1．2 知识的表示方法与组织 |
44-47 |
|
4．1．2．1 知识的常用表示方法及选择知识表方法的原则 |
44-46 |
|
4．1．2．2 知识的组织 |
46-47 |
|
4．2 实例的结构与描述方法 |
47-57 |
|
4．2．1 实例结构与描述方法的基本概念 |
49 |
|
4．2．2 实例结构的分解与组合 |
49-53 |
|
4．2．2．1 实例分解、组合的引入 |
49-50 |
|
4．2．2．2 实例分解与组合的基本概念 |
50-53 |
|
4．2．3 OAK中实例结构的设计 |
53-57 |
|
4．2．3．1 实例结构设计要求的总结 |
53-54 |
|
4．2．3．2 实例结构的设计方案 |
54-57 |
|
4．3 实例库的整体结构选择和重设计方法 |
57-60 |
|
4．3．1 实例库结构选择 |
57-58 |
|
4．3．2 实例库继承结构问题的解决 |
58-60 |
|
4．4 本章小结 |
60-61 |
|
第五章 实例获取方法的研究 |
61-80 |
|
5．1 基于句法的实例匹配一例——PATDEX中的实例匹配 |
62-65 |
|
5．1．1 没有策略引导的PATDEX实例获取 |
62-63 |
|
5．1．2 有策略引导的PATDEX实例获取 |
63-65 |
|
5．1．2．1 系统引导方式 |
63-64 |
|
5．1．2．2 用户引导方式 |
64-65 |
|
5．2 实例获取网络 |
65-70 |
|
5．2．1 实例获取网络的引入、概念和工作方法 |
65-68 |
|
5．2．1．1 车辆故障诊断的特点及它对专家系统提出的要求 |
65-66 |
|
5．2．1．2 实例获取网络的概念和工作方法 |
66-68 |
|
5．2．2 实例获取网络模型的正式定义 |
68-70 |
|
5．3 信息实体的距离分析和权系数的计算 |
70-76 |
|
5．3．1 信息实体的距离分析 |
71-72 |
|
5．3．2 信息实体权重的计算 |
72-76 |
|
5．3．2．1 确定权系数的特征向量法——理论和过程 |
72-75 |
|
5．3．2．2 特征向量法应用举例 |
75-76 |
|
5．4 基于枢轴的实例获取——跨类属的实例获取方法 |
76-78 |
|
5．5 本章小结 |
78-80 |
|
第六章 基于实例与规则融合推理的车诊专家系统实现 |
80-102 |
|
6．1 系统分析 |
80-84 |
|
6．1．1 需求分析 |
80-81 |
|
6．1．2 过程分析 |
81-83 |
|
6．1．3 数据流程分析 |
83-84 |
|
6．2 系统结构模式的选择与实现 |
84-90 |
|
6．2．1 客户／服务器体系结构的基本概念和优点 |
84-86 |
|
6．2．2 本系统中的客户／服务器结构 |
86-90 |
|
6．3 后端设计——后台数据库的实现 |
90-95 |
|
6．4 前端设计——系统界面与前台业务规则的实现 |
95-98 |
|
6．5 专家系统的其他特点 |
98-99 |
|
6．6 本文研究专家系统诊断过程的实例及系统原型的测试 |
99-101 |
|
6．7 本章小结 |
101-102 |
|
第七章 本文研究的结论与遗留问题 |
102-104 |
|
7．1 结论 |
102-103 |
|
7．2 问题与建议 |
103-104 |
|
参考文献 |
104-107 |
|
| 【DOI】 | LunWen.ID:2.2008.386674 |
