专家系统故障诊断方法就是综合运用各种规则对计算机采集到的被诊断对象的信息进行一系列推理后，同时在必要时还可以随时调用各种应用程序并在运行过程中向用户索取必要的信息，然后能够快速的找到最终故障或最有可能的故障，由用户来确认的一种方法。专家系统获得巨大成功的原因在于，它将模仿人类思维规律的解题策略与大量的专业知识结合在一起。
专家系统主要由知识库、推理机、数据库、知识获取模块、解释程序和人机接口等部分组成。其内部具有某个领域专家的知识和经验，能够利用人类专家的知识和解决问题的方法来解决问题。专家系统解决的问题一般没有算法解，且往往在不完全信息的基础上进行推理、做出结论，故速度快、实时性强。该方法是人工智能理论在故障诊断领域中最成功的应用，也是目前故障诊断领域最常用的方法，其各部分的功能如图1所示。
3.2基于神经网络的故障诊断方法
神经网络用于设备故障诊断是近十几年来迅速发展起来的一个新的研究领域。神经网络具有并行分布处理、联想记忆、自组织及其子学习能力和极强的非线性映射特性，能对复杂的信息进行识别处理并给与准确的分类，因此可以用来对系统设备由于故障而引起的状态变化进行识别和判断，从而为故障诊断与状态监控提供了新的技术手段。
神经网络应用于故障诊断具有很多优点：
（1）并行结构和并行处理方式；
（2）具有高度的自适应性；
（3）具有很强的自学习能力；
（4）具有很强的容错性；
（5）实现了将知识表示、存储、推理三者融为一体。
然而，神经网络也存在固有的弱点。首先，系统性能受到所选择的训练样本集的限制；其次，神经网络没有能力解释自己的推理过程和推理依据及其存储知识的意义；再次，神经网络利用知识和表达知识的方式单一，通常的神经网络只能采用数值化的知识；最后，神经网络只能模拟人类感觉层次上的智能活动，在模拟人类复杂层次的思维方面，如基于目标的管理、综合判断与因果分析等方面还远远不及传统的基于符号的专家系统［7］。模式识别的神经网络诊断过程如图2所示，主要包括学习训练与诊断匹配两个过程，其中每个过程都包括预处理和特征提取两部分。
3.3基于模糊逻辑的故障诊断方法
设备运行过程本身的不确定性、不精确性以及噪声为处理复杂系统的大时滞、时变及非线性等方面带来了许多困难，而模糊逻辑在此显示了优越性。目前用于故障智能诊断的思路主要有三种：
本文关键字：智能 电工技术，电工技术 - 电工技术
上一篇：光电轴角编码器选型
