基于神经网络的异步电动机故障诊断专家系统的研究

基于神经网络的故障诊断

神经网络工具箱应用于故障诊断 1.问题描述 电力系统的安全运行具有十分重要的意义。当高压变压器或其他类似设备在运行中出现局部过热、不完全放电或电弧放电等故障时，其内部绝缘油、绝缘纸等绝缘材料将分解产生多种气体，包括短链烃类气体（C2H2、CH4等）和H2、CO2等，这些气体称作特征气体。而特征气体的含量与故障的严重程度有着很密切的关系，如下图1所示。将BP神经网络应用于变压器故障诊断对大型变压器的运行有着非常重要的意义。 2.神经网络设计 (1)输入特征向量的确定 变压器的故障主要与甲烷（CH4）、氢气（H2）、总烃（C1＋C2）以及乙炔（C2H2）4 种气体的浓度有关，据此可以设定特征向量由这 4 种气体的浓度组成，即CH4、H2、C1＋C2（总烃）和C2H2，同时也设定了网络输入层的节点数为4个。 (2) 输出特征向量的确定 输出量代表系统要实现的功能目标，其选择确定相对容易一些。只要问题确定了，一般输出量也就确定了。在故障诊断问题中，输出量就代表可能的故障类型。变压器的典型故障类型有：一般过热故障、严重过热故障、局部放电故障、火花放电故障以及电弧放电故障等5种类型，因此这里选择 5 个向量作为网络的输出向量，即网络输出节点确定为 5 个。根据Sigmoid 函数输出值在0 到1 之间的特点，这里设定以0 到1 之间的数值大小表示对应的故障程度，也可以理解为发生此类故障的概率，数值越接近 1 表示发生此类故障的几率越大或说对应的故障程度越大。针对本系统，

设定输出值大于等于0．5 时认为有此类故障，小于0．5 时认为无此类故障。 (3)样本的收集 输入、输出向量确定好以后就可以进行样本的收集。 数据归一化处理时，注意：在归一化处理的时候，因考虑到各气体浓度值相差较大，如总烃的浓度比H2的浓度值高出几个数量级，因此在归一化处理的时候，分别对各个气体浓度值进行处理，即最大值和最小值取的是各气体的最值，而不是所有样本值中的最值。 在本实例中采用：MATLAB利用归一化公式 u=(x-min(min(x)))./(max(max(x))-min(min(x))) （1） 在公式1中x表示所需归一化处理的数据，u表示归一化后的结果 处理结果如下：

人工智能小型动物分类专家系统的设计与实现PPT

小型动物分类专家系统的设计与实现 一、实验目的 通过本实验可使学生能够综合利用C语言(或C++)、面向对象程序设计、数据结构、数据库原理、人工智能、软件工程等课程的相关知识，设计并实现小型动物分类专家系统，培养学生综合运用所学计算机软件知识解决实际问题的能力，为今后从事计算机软件开发及应用打下基础。 二、实验内容 运用下列规则，设计并实现一个小型动物分类专家系统。 规则1： 如果：动物有毛发 则：该动物是哺乳动物 规则2： 如果：动物有奶 则：该单位是哺乳动物 规则3: 如果：该动物有羽毛 则：该动物是鸟 规则4： 如果：动物会飞，且会下蛋 则：该动物是鸟 规则5： 如果：动物吃肉 则：该动物是肉食动物 规则6： 如果：动物有犬齿，且有爪，且眼盯前方 则：该动物是食肉动物 规则7： 如果：动物是哺乳动物，且有蹄 则：该动物是有蹄动物 规则8： 如果：动物是哺乳动物，且是反刍动物 则：该动物是有蹄动物 规则9： 如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点 则：该动物是豹 规则10： 如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹 则：该动物是虎

规则11： 如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类 则：该动物是长颈鹿 规则12： 如果：动物有黑条纹，且是有蹄类动物 则：该动物是斑马 规则13： 如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞 则：该动物是鸵鸟 规则14： 如果：动物是鸟，且不会飞，且会游泳，且是黑色的 则：该动物是企鹅 规则15： 如果：动物是鸟，且善飞 则：该动物是信天翁 动物分类专家系统由15条规则组成，可以识别七种动物，在15条规则中，共出现 30个概念（也称作事实），共30个事实，每个事实给一个编号，从编号从1到30，在规则对象中我们不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，事实与规则的数据以常量表示，其结构如下：Char *str{}={"chew_cud","hooves","mammal","forward_eyes","claws", "pointed_teeth","eat_meat","lay_eggs","fly","feathers","ungulate", "carnivore","bird","give_milk","has_hair","fly_well", "black&white_color","can_swim","long_legs","long_neck", "black_stripes","dark_spots","tawny_color","albatross", "penguin","ostrich","zebra","giraffe","tiger","cheetah","\0"} 程序有编号序列的方式表达了产生式规则，如资料中规则15，如果动物是鸟，且善飞，则该动物是信天翁。相应的规则数组第七条是{16，13，0，0，0，0}，第十三个是“bird”（鸟），如果事实成立，询问使用者下一个事实，第十六个“fly_well”（善飞），如果也成立，则查找结论断言编号数组{30,29,28, 27,26,25,24,3,3,13,12,12,11,11,0}中第七个“24”，这里24对应事实数组中的“albatross”（信天翁）。 上述就是程序的推理过程，也是程序中的重点，该部分是由规则类（类rul e）中的Query方法实现。 三、实验原理 一个基于规则专家系统的完整结构示于图1。其中，知识库、推理机和工作存储器是构成专家系统的核心。系统的主要部分是知识库和推理引擎。知识库由谓词演算事实和有关讨论主题的规则构成。推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成－如消解、前向链或反向链。用户接口可能包括某种自然语言处理系统，它允许用户用一个有限的自然语言形式与系统交互；也可能用带有菜单的图形接口界面。解释子系统分析被系统执行的推理结构，并把它解释给用户。

专家系统实例

一个专家系统的例子 一、建立动物识别专家系统的规则库，并用与/或图来描述这个规则库。 规则库由15条规则组成，规则名分别是；rule1，rule2，┉，rule15，规则库的符号名为ruleS。编写一段程序,把15条规则组成一个表直接赋值给规则库ruleS。 ( rules ((rule1 (if (animal has hair)) 若动物有毛发(F1) (then (animal is mammal))) 则动物是哺乳动物(M1) ((rule2 (if (animal gives milk)) 若动物有奶(F2) (then (animal is mammal))) 则动物是哺乳动物(M1) ((rule3 (if (animal has feathers)) 若动物有羽毛(F9) (then (animal is bird))) 则动物是鸟(M4) ((rule4 (if (animal flies)) 若动物会飞(F10) (animal lays eggs)) 且生蛋(F11) (then (animal is bird))) 则动物是鸟(M4) ((rule5 (if (animal eats meat)) 若动物吃肉类(F3) (then (animal is carnivore))) 则动物是食肉动物(M2) ((rule6 (if (animal Raspointed teeth)) 若动物有犀利牙齿(F4) (animal has claws) 且有爪(F5) (animal has forword eyes)) 且眼向前方(F6) (then (animal is carnivore))) 则动物是食肉动物(M2) ((rule7 (if (animal has mammal)) 若动物是哺乳动物(M1) (animal has hoofs)) 且有蹄(F7) (then (animal is ungulate))) 则动物是有蹄类动物(M3) ((rule8 (if (animal has mammal)) 若动物是哺乳动物(M1) (animal chews cud)) 且反刍(F8) (then (animal is ungulate))) 则动物是有蹄类动物(M3) ((rule9 (if (animal is mammal)) 若动物是哺乳动物(M1) (animal is carnivore) 且是食肉动物(M2) (animal has tawny color) 且有黄褐色(F12) (animal has dark sports)) 且有暗斑点(F13) (then (animal is cheetah))) 则动物是豹(H1) ((rule10 (if (animal is mammal)) 若动物是哺乳动物(M1) (animal is carnivore) 且是食肉动物(M2)

大学人工智能期末考试题库

《人工智能与专家系统》试卷（1）参考答案与评分标准 问答题（每题5分，共50分） 1．人工智能是何时、何地、怎样诞生的？（5分） 答：人工智能于1956年夏季在美国达特茅斯（Dartmouth）大学诞生。（3分）1956年夏季，美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学者，汇聚在Dartmouth大学，举办了一次长达两个月的学术讨论会，认真而热烈地讨论了用机器模拟人类智能的问题。在这次会议上，第一次使用了“人工智能”这一术语，以代表有关机器智能这一研究方向。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生，具有十分重要的意义。（2分） 2．行为主义是人工智能的主要学派之一，它的基本观点是什么？（5分） 答：行为主义，又称进化主义或控制论学派。这种观点认为智能取决于感知和行动（所以被称为行为主义），它不需要知识、不需要表示、不需要推理。其原理是控制论和感知——动作型控制系统。 3．什么是知识表示？在选择知识表示方法时，应该考虑哪几个因素？（5分）答：知识表示是研究用机器表示知识的可行性、有效性的般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示实际上就是对人类知识的一种描述，以把人类知识表示成计算机能够处理的数据结构。对知识进行表示的过程就是把知识编码成某种数据结构的过程。（3分）在选择知识表示方法时，应该考虑以下几个因素：(1)能否充分表示相关的领域知识；(2)是否有利于对知识的利用；(3)是否便于知识的组织、维护和管理；(4)是否便于理解和实现。（2分） 4．框架表示法有什么特点？（5分） 答：框架表示法有如下特点：结构性、继承性、自然性。（5分） 5．何谓产生式系统？它由哪几部分组成？（5分） 答：把一组产生式放在一起，让它们相互配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，这样的系统称为产生式系统。（2分） 产生式系统一般由三个基本部分组成：规则库、综合数据库和推理机。（3分） 6．产生式系统中，推理机的推理方式有哪几种？请分别解释说明。（5分）答：产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。 正向推理：正向推理是从己知事实出发，通过规则库求得结果。 反向推理：反向推理是从目标出发，反向使用规则，求证已知的事实。 双向推理：双向推理是既自顶向下又自底向上的推理。推理从两个方向进行， 直至在某个中间界面上两方向结果相符便成功结束；如两方衔接不上，则推理失败。

专家系统的实例分析

专家系统的实例分析 张宏昊 研电1203 1122201030 一、实验要求 1.1 已知：电网的接线、操作前的开关、刀闸状态初始态、现场的运行规程、要操作的设备、操作前状态、操作后状态 求出：是否允许某设备在当前运行方式下，由操作前状态转换到操作后状态。 信息流图（系统结构图） 1.2 用产生式表示刀闸的操作规则 规则一：IF 与刀闸同间隔的开关分 THEN 刀闸能分或合 规则二：IF 与刀闸相关的接地刀闸/线全部为分 THEN 刀闸能合 规则三：IF 刀闸是母线刀闸 且 停电操作 且出线刀闸分 THEN 刀闸能分 规则四：IF 刀闸两端具备等电位条件 THEN 刀闸能分或合 1.3 知识表示方法（数据库结构设计） 以设备为核心 85 853 851 852 8530 8510 85J1 85J2 856 典型间隔 Typical Unit 855

二、程序设计 2.1 程序主界面 2.2程序功能介绍 2.2.1 图示模块 程序左上角有一个图示模块，在这个模块里可以直观的显示各个开关、断路器的开断状态，并且可以直接点击开关进行操作，操作结果也会动态显示在界面上。 2.2.2开关状态操作块

这个模块可以分别对各个开关和断路器今天开断操作，操作结果会与图示模块同步显示。 2.2.3操作日志表 操作日志表可以显示程序执行的各种状态，从启动程序起，这里将显示所有操作记录，例如当操作某个开关，则这里相应记录着操作。而且相关的操作提示也会在这里显示，例如当某个开关操作违反规程时，这里将进行具体提醒。 2.2.4 程序操作模块 这个模块是进行读取数据和保存操作日志表到本地的地方。 2.3 数据结构 该程序包含这实验一和实验二的两个数据结构。 实验一是用来计算系统节点的程序，数据结构全部由类实现。数据节点类有：IN_BranchInfo, IN_BreakerInfo, IN_NodeInfo和IN_SubSystemInfo,这些类用来记录每个branch，breaker，node和subsystem节点的信息。而这几个类的数据操作由相应的CAL_Branch, CAL_Breaker, CAL_Node, CAL_SubSystem来控制，在这几个类中包含着相应类型数据的读取，保存，设置，清除以及显示等操作。 最后，所有的这几个类都由一个CAL_Calculate来管理。这个类有个最高的管理权，每个类型数据的读取，保存等函数都是从这里调用的，而最关键的生成数据表的计算函数也在这个类中。 对于实验二的数据结构，鉴于已给的系统是固定的，而且程序包含了图像显示，为了简单操作，数据结构使用了固定形式，即实验二的节点数是不能修改的。 节点信息用SecEquiInfo这个类来实现，相应的读取，保存等操作是在SecEqui这个类中实现的。而对系统开关的控制，已经相应的规则逻辑判断是在CVCSBPowerFormView类中实现的，因为这是控制主界面的类。

基于神经网络的专家系统

基于神经网络的专家系统 摘要：人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。 关键词：专家系统；神经网络；系统集成； 0 引言 专家系统（Expert System）是一种设计用来对人类专家的问题求解能力建模的计算机程序。专家系统是一个智能计算机程序，其内部含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。一个专家系统应具有以下三个基本特征：启发性——不仅能使用逻辑性知识还能使用启发性知识；透明性——能向用户解释它们的推理过程，还能回答用户的一些问题；灵活性——系统中的知识应便于修改和扩充；推理性——系统中的知识必然是一个漫长的测试，修改和完善过程。专家系统是基于知识的系统。它由如图1所示的5个基本的部分组成[1,2,3]。 知识库存储从专家那里得到的特定领域的知识，这些知识包括逻辑性的知识和启发性知识两类。数据库用于存放专家系统运行过程中所需要和产生的信息。推理机的作用是按照一定的控制策略，根据用户提出的问题和输入的有关数据或信息，按专家的意图选择利用知识库的知识，并进行推理，以得到问题的解答，它是专家系统的核心部分。人机接口部分的功能是解释系统的结论，回答用户的问题，它是连接用户与专家系统之间的桥梁。知识的获取是为修改知识库原有的知识和扩充知识提供的手段。 1 传统专家系统存在的问题 传统专家系统是基于知识的处理的系统，将领域知识整理后形式化为一系列系统所能接受并能存储的形式，利用其进行推理实现问题的求解。尽管与人类专家相比，专家系统具有很大的优越性。但是，随着专家系统应用的日益广泛及所处理问题的难度和复杂度的不断扩大和提高，专家系统在某些方面已不能满足是实际工作中的需求，具体体现在以下一个方面[1,2]：（1）知识获取的“瓶颈”问题。（2）知识获取的“窄台阶”。（3）缺乏联想功能、推理能力弱。（4）智能水平低、更谈不上创造性的知识。（5）系统层次少。（6）实用性差。 2 神经网络与传统专家系统的集成 神经网络是基于输入\输出的一种直觉性反射，适用于进行浅层次的经验推理，其特点是通过数值计算实现推理；专家系统是基于知识匹配的逻辑推理，是深层次的符号推理。将两者科学的结合形成神经网络专家系统，可以取长补短。根据侧重点的不同，神经网络与专家系统的集成有三种模式[2]：（1）神经网络支持专家系统。以传统的专家系统为主，以神经网络的有关技术为辅。 （2）专家系统支持神经网络。以神经网络的有关技术为核心，建立相应领域的专家系统，采用专家系统的相关技术完成解释等方面的工作。 （3）协同式的神经网络专家系统。针对大的复杂问题，将其分解为若干子问题，针对每个子问题的特点，选择用神经网络或专家系统加以实现，在神经网络和专家系统之间建立一种耦合关系。

人工神经网络在设备故障诊断中的应用

人工神经网络在设备故障诊断中的应用 程瑞琪 (西南交通大学　成都　610031) 摘　要　介绍了神经网络技术在设备故障诊断中应用的2个主要方向———故障模式识别和诊断专家系统,对应用的方法、特点及存在的问题也 作了概略分析。 关键词　神经网络　故障诊断　模式识别　专家系统中图分类号　TP 18 近年来人工神经网络(Artificial neural network -ANN )的研究发展迅速,ANN 以其诸多优点在设备状态监测与故障诊断中受到了愈来愈广泛的重视,为设备故障诊断的研究开辟了一条新途径。 ANN 具有以下主要特征:①实现了并行处理机制,可提供高速的信息处理能力;②分布式信息存储,可提供联想与全息记忆的能力;③网络的拓扑结构具有非常大的可塑性,使系统有很高的自适应和自学习能力;④具有超巨量的联接关系,形成高度冗余,使系统具有很强的容错能力;⑤是一类大规模非线性系统,提供了系统自组织与协同的潜力。本文作者仅就ANN 用于故障模式识别及诊断专家系统这两个方面应用的主要方法、特点及存在的问题作概括介绍。 1　神经网络与故障模式识别 模式识别是ANN 应用的一个较成功的领域,诊断问题实质上就是一种模式分类,是将系统的状态区分为正常状态或某一种故障状态的问题。通常故障模式的分布是非常不规则的,故要求所用模式分类方法能在模式空间里形成各种非线性分割平面,ANN 的特性使其可以作为一类性能良好的非线性分类器。1.1　方法及特点 ANN 故障模式识别可用图1所示BP 模型来说明 。 图1　BP 网模型 其中网络输入节点对应故障征兆,输出节点对应故障原因。进行故障模式识别时,先用一批故障样本 对模型进行训练,以确定网络结构(隐层及其节点数)和参数(节点间的联接权);网络训练好后,故障的模式分类就是根据给定的一组征兆,实现征兆集到故障集之间非线性映射的过程。 用ANN 作故障模式识别的特点有:①可用于系统模型未知或系统模型较复杂及非线性系统的故障模式识别;②兼有故障信号的模式变换与特征提取功能;③对系统含有不确定因素、噪声及输入模式不完备的情况不太敏感;④可用于复杂多模式的故障诊断;⑤可用于离线诊断,也能适应实时监测的要求。1.2　模型 用于故障模式识别的ANN 模型按学习方式可分有监督学习模型和无监督学习模型两大类,前者主要包括B P 网和径向基函数(RB F )网;后者主要包括自适应共振(ART )网和自组织特征映射(SOM )网。1.2.1　有监督学习模型 BP 网是目前故障诊断中应用最多且较成熟的一种模型,其神经元的非线性映射函数采用Sigmoid 函数,网络训练采用误差反向传播(Back pr opagation )学习算法。BP 网的结构及学习算法简单,但应用中还存在2个问题:一是关于网络的学习,因BP 算法是自适应最小均方(LMS )算法的推广,故网络的学习速度较慢,且可能陷入局部极小值点,针对这一问题已有许多改进的BP 算法;二是关于网络的结构设计,即如何选取隐层及隐层节点数,目前尚无确定的理论和方法。根据Hecht -Nilson 的映射定理:对任何闭区间上的一个连续函数,总可以用含一层隐单元的感知器网来映射;目前应用中多采用含一层隐单元的BP 网。关于隐层节点下限的确定已有一些研究结果,鉴于问题的复杂性,此处不作说明。选择较多的隐层及隐层节点虽可加快学习速度,但使网络的结构变得复杂,网络的推广能力也会变差。实际应用中,通常用对测试样本与学习样本的误差进行交叉评价的试错 法来选择隐层及隐层节点数。 RB F 网是一种较新颖的ANN 模型,只有一层隐含层,输出节点是线性的,隐单元采用对称的高斯基 · 13·第12卷第1期 《机械研究与应用》 ME CHANICAL RESE ARCH &APPLICATION Vol 12No .1　1999

人工智能小型专家系统的设计与实现解读

人工智能技术基础实验报告 指导老师：朱力 任课教师：张勇

实验三小型专家系统设计与实现 一、实验目的 （1）增加学生对人工智能课程的兴趣； （2）使学生进一步理解并掌握人工智能prolog语言； （3）使学生加强对专家系统课程内容的理解和掌握，并培养学生综合运用所学知识开发智能系统的初步能力。 二、实验要求 （1）用产生式规则作为知识表示，用产生系统实现该专家系统。 （2）可使用本实验指导书中给出的示例程序，此时只需理解该程序，并增加自己感兴趣的修改即可；也可以参考该程序，然后用PROLOG语言或其他语言另行编写。 （3）程序运行时，应能在屏幕上显示程序运行结果。 三、实验环境 在Turbo PROLOG或Visual Prolog集成环境下调试运行简单的PROLOG程序。 四、实验内容 建造一个小型专家系统（如分类、诊断、预测等类型），具体应用领域由学生自选，具体系统名称由学生自定。 五、实验步骤 1、专家系统： 1.1建造一个完整的专家系统设计需完成的内容： 1．用户界面：可采用菜单方式或问答方式。

2．知识库（规则库）：存放产生式规则，库中的规则可以增删。 3．数据库：用来存放用户回答的问题、已知事实、推理得到的中 间事实。 4．推理机：如何运用知识库中的规则进行问题的推理控制，建议 用正向推理。 5．知识库中的规则可以随意增减。 1.2推理策略 推理策略包括：正向（数据驱动），反向（目标驱动），双向 2、动物分类实验规则集 （1）若某动物有奶，则它是哺乳动物。 （2）若某动物有毛发，则它是哺乳动物。 （3）若某动物有羽毛，则它是鸟。 （4）若某动物会飞且生蛋，则它是鸟。 （5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。（6）若某动物是哺乳动物且吃肉，则它是食肉动物。 （7）若某动物是哺乳动物且有蹄，则它是有蹄动物。 （8）若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 （9）若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 （10）若某动物是食肉动物且黄褐色且有黑色斑点，则它是猎豹。 （11）若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 （12）若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 （13）若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。

基于神经网络专家系统的研究与应用

摘要 现代化的建设需要信息技术的支持，专家系统是一种智能化的信息技术，它的应用改变了过去社会各领域生产基层领导者决策的盲目性和主观性，缓解了我国各领域技术推广人员不足的矛盾，促进了社会的持续发展。但传统专家系统只能处理显性的表面的知识，存在推理能力弱，智能水平低等缺点，所以本文引入了神经网络技术来克服传统专家系统的不足，来试图解决专家系统中存在的关系复杂、边界模糊等难于用规则或数学模型严格描述的问题。本文采用神经网络进行大部分的知识获取及推理功能，将网络输出结果转换成专家系统推理机能接受的形式，由专家系统的推理机得到问题的最后结果。最后，根据论文中的理论建造了棉铃虫害预测的专家系统，能够准确预测棉铃虫的发病程度，并能给用户提出防治建议及措施。有力地说明了本论文中所建造的专家系统在一定程度上解决了传统专家系统在知识获取上的“瓶颈”问题，实现了神经网络的并行推理，神经网络在专家系统中的应用具有较好的发展前景。 关键词神经网络专家系统推理机面向对象知识获取

Abstract Modern construction needs the support of IT, expert system is the IT of a kind of intelligence, its application has changed past social each field production subjectivity and the blindness of grass-roots leader decision-making, have alleviated the contradiction that each field technical popularization of our country has insufficient people, the continued development that has promoted society. But traditional expert system can only handle the surface of dominance knowledge, existence has weak inference ability, intelligent level is low, so this paper has led into artificial neural network technology to surmount the deficiency of traditional expert system, attempt the relation that solution has in expert system complex, boundary is fuzzy etc. are hard to describe strictly with regular or mathematics model. This paper carries out the most of knowledge with neural network to get and infer function , changes network output as a result into expert system, inference function the form of accepting , the inference machine from expert system gets the final result of problem. Finally, have built the expert system of the cotton bell forecast of insect pest according to the theory in this thesis, can accurate forecast cotton bell insect become sick degree, and can make prevention suggestion and measure to user. Have proved on certain degree the expert system built using this tool have solved traditional expert system in knowledge the problem of " bottleneck " that gotten , the parallel inference that has realized neural network, Neural network in expert system application has the better prospect for development. Key words Neural network Expert system Reasoning engine Object-orientation Knowledge acquisition

基于BP神经网络的故障诊断方法

基于BP神经网络的故障诊断方法

《智能控制基础》 研究生课程设计报告 题目基于BP神经网络的故障诊断方法学院机械与汽车工程学院 专业班级车辆工程 学号221601852020 学生姓名李跃轩 指导教师武晓莉 完成日期2016年12月10日

目录 1 设计概述 (2) 1.1研究对象介绍 (2) 1.2设计内容及目标 (2) 2 设计原理、方法及步骤 (3) 2.1基于BP算法的神经网络模型 (3) 2.2 神经网络信息融合故障诊断步骤 (4) 3 结果及分析 (6) 3.1数据仿真 (6) 3.2 结果分析 (9) 4 设计小结 (10) 参考文献 (10) 附录程序 (11)

1 设计概述 1.1研究对象介绍 信息融合是多源信息综合处理的一项新技术，是将来自某一目标(或状态)的多源信息加以智能化合成，产生比单一信息源更精确、更完全的估计和判决。信息融合所处理的多传感器信息具有更为复杂的形式，可以在不同的信息层次上出现。多传感器信息融合的优点突出地表现在信息的冗余性、容错性、互补性、实时性和低成本性。 神经网络是由大量互联的处理单元连接而成，它是基于现代神经生物学以及认知科学在信息处理领域应用的研究成果。它具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点，有很强的自适应学习和非线性拟合能力，从而可以替代复杂耗时的传统算法，使信号处理过程更接近人类思维活动。 柴油机故障具有相似性，故障与征兆的关系不明确，具有较强的模糊性，故障特征相互交织，柴油机故障诊断是一个复杂的问题。综合柴油机故障的特点以及神经网络的优势，采用基于BP神经网络的多传感器信息融合技术对柴油机机械故障进行诊断。 1.2设计内容及目标 设计内容：针对传统故障诊断方法存在的诊断准确性不高的问题，提出了BP神经网络信息融合的方法，实现对柴油机的机械故障诊断。由多个传感器采

农业专家系统应用实例分析资料

农业专家系统应用实例分析 摘要:专家系统是人工智能领域中较为成熟的一个分支。本文阐述了专家系统的基本概念及基本要素，介绍了专家系统在我国农业中的应用和我国农业专家系统的发展趋势。 关键词:人工智能;专家系统;农业专家系统;应用 农业专家系统也可叫农业智能系统,是一个具有大量农业专门知识与经验的计算机系统。它应用人工智能技术,依据一个或多个农业专家提供的特殊领域知识、经验进行推理和判断,模拟农业专家就某一复杂农业问题进行决策。典型的农业专家系统主要由知识库、数据库、模型库、推理机、知识库管理系统、解释器、用户界面7个部分组成。其中,知识库和推理机是农业专家系统最核心部分,这是任何一个农业专家系统都不可缺少的组成部分。知识库的质量直接影响到农业专家系统质量及可信度;推理机是农业专家系统的运行动力。而知识库管理系统则是对知识库中的知识进行检查和检索,还可以把推理过程中使用知识的实际情况显示出来,这是数据库管理系统中所没有的。知识获取是农业专家系统开发过程中的瓶颈,其主要任务是完成领域知识的收集与整理.解释器是用来向用户,特别是专用户,解释推理的结果和在推理过程中所发生的一切。 专家系统有四个特点,即:启发性,能运用专家的知识和经验进行推理和判断;透明性,能解决本身的推理过程,能回答用户提出的问题;灵活性,能不断地增长知识,修改原有的知识。综合性,能解答种子、土肥、植保、农经等多专业问题,克服了单个农业专家的专业局限。研发农业专家系统的主要目的是使计算机在农业领域中起农业专家的作用,对那些需要专家知识才能解决的难题提供相关专业权威专家水平的解答。 专家系统在世界农业领域中的应用始于20世纪70年代末,经过20余年发展,应用已遍及作物栽培管理、设施园艺管理、畜禽管理、水产养殖、植物保护、育种以及经济决策等各方面。专家系统在灌溉、施肥、栽培、病虫害的诊断与防治、作物育种、作物产量预测、畜禽饲养管理和水产养殖管理等方面,展示了广阔的应用前景。 一．农业专家系统在作物病虫害综合治理中的应用 根据以往的研究和病虫害综合治理的过程，专家系统的研究主要集中在6个方面: 1.1病虫害诊断在病虫害诊断中，如果人工开具病虫处方，工作人员必须有牢固的植物保护基础知识和丰富的实践经验，需要查询大量资料，无法及时满足农户的需要。专家系统把这些资料编制成简单的程序，达到迅速确定目标的目的，从而得到最佳防治时期和方案。 1.2预测预报病虫预测预报需要的基本信息是:病虫害的生物学参数(如发生

神经网络的电网故障诊断资料

基于新型神经网络的电网故障诊断方法 1引言 快速事故后恢复系统正常运行是减少电能中断时间和增强供电可靠性的必要条件。作为事故恢复的第一步,应实现快速、准确的故障诊断以隔离故障元件并采取相应措施以恢复电能供应。然而在线快速、准确地故障诊断仍是一个悬而未决的难题,尤其在保护和断路器不正常动作或多重故障的情况下,故障诊断更为困难。 故障诊断一般基于SCADA系统所提供的保护和断路器信息来判别电力系统中的故障元件。多种人工智能技术已用于解决此问题,如专家系统[1~4],随机优化技术[5~10]和人工神经网络[11~14]等等。其中基于专家系统的方法得到了广泛的注意和研究。这种方法能够提供强有力的推理并具解释能力,然而专家系统中知识的获取、组织、校核和维护等都非常困难,并成为其应用的瓶颈。而且,专家系统必须搜索庞大的知识库以得到最终的诊断结论,这使得它不能满足故障诊断实时的要求。另外,当系统中存在保护和断路器不正常动作时,专家系统可能会因缺乏识别错误信息的能力而导致错误的诊断结论。 用于故障诊断的另一种较有潜力的方法是基于工程随机优化的方法。这种方法的主要原则是将故障诊断表述为一个整数优化问题,随后使用全局优化方法,如波尔兹曼机[5]、遗传算法[6~8]、仿蚂蚁系统[9]或tabu搜索[10]等,去求解该优化问题。这种方法在实际应用过程中也出现了一些问题:如何确定这些随机优化方法的参数以实现快速正确的故障诊断;如何使这些方法适用于保护和断路器不正常动作的情况等等。 近年来,人工神经网络[11~14]引起了研究工作者的兴趣,因为它具有学习、泛化和容错能力。并且神经元的计算是并行的,这有利于实现实时应用。在神经网络的各种模型中,应用得最为广泛的模型就是BP(Back-Propagation)神经网络。标准的BP模型使用梯度下降算法训练,因此BP神经网络的结构必须是事先已知的,而且该学习算法收敛速度很慢,并有可能收敛于局部最小点。这些不利因素限制了BP模型在故障诊断中的应用。 本文提出使用径向基函数(Radial basis function,RBF)神经网络[15~16]解决电力系统中的故障诊断问题。理论上讲RBF神经网络具有任意函数逼近能力[17]。

人工智能习题&答案-第6章-专家系统

第六章专家系统 6-1 什么叫做专家系统?它具有哪些特点与优点? 专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 特点： (1)启发性 专家系统能运用专家的知识与经验进行推理、判断和决策 (2)透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。 (3) 灵活性 专家系统能不断地增长知识，修改原有知识，不断更新。 优点： (1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 (2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 (3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。 (4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。 (5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力。 (6) 军事专家系统的水平是一个国家国防现代化的重要标志之一。 (7) 专家系统的研制和应用，具有巨大的经济效益和社会效益。 (8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。

人工智能第六章_专家系统_的要点

1什么是专家系统。有什么特点和优点？ 专家系统是一个具有大量的专门知识与经验的程序系统 专家系统是一种模拟人类专家解决领域问题的计算机程序系统特点： 启发性，能够运用专家的知识进行推理判断与决策 透明性，能够解释推理过程和回答用户问题 灵活性，能不断增长知识，更新知识库 专家系统的优点，自己课后了解一下。 2专家系统由哪些部分构成？各部分的作用？ 知识库；综合数据库；推理机；解释器；接口 知识库，存储各领域专家的专门知识。静态。硬盘 综合数据库，存储初始问题数据和推理过程的中间数据。内存推理机，根据知识进行推理并导出结论。ＣＰＵ 接口，用户界面，和用户进行交互。向用户提问，回答用户问题，并进行必要的解释。

知识获取机制是将专业知识转换成机器能理解的表达形式。 解释机制向用户解释以下问题：系统为什么要向用户提出该问题（Why）？计算机是如何得出最终结论的（How）？ ３专家系统的分类，自己课下了解。 ４建造专家系统的关键步骤。 专家系统团队关系图

是否拥有大量知识是专家系统成功与否的关键。因此知识表示是设计专家系统的关键 一．设计初始数据库 二．原型机的开发与实验 三．知识库的改进与归纳 建立专家系统的步骤图６．３P156页 ５基于规则的专家系统

知识库：包含解决问题用到的领域知识，知识表达成为一序列规则。每个规则使用IF(条件)THEN(动作)结构指定的关系。当满足规则的条件部分时，便激发规则，执行动作部分。 数据库：包含一序列事实（一个对象及其取值构成了一个事实），所有的事实都存放在数据库中，用来和知识库中存储的规则的IF（条件）部分相匹配。 3. 基于规则的专家系统的推理机制 推理机制分为两大类：前向连接和后向链接 前向链接就是根据已有事实推断出新的事实。例如已知事实A is x，根据规则IF A is x THEN B is y。获得B is y。然后将B is y加入数据库。再寻找新的规则，即IF B is y THEN ….。

人工智能系统之专家系统

天津财经大学 TIANJIN UNIVERSITY OF FINANCIAL AND ECONOMY 论文题目人工智能系统之专家系统 学生姓名秦健应 学生学号201011148 所在班级计算机学科学与技术1002班 院系名称理工学院信息科学与技术系

总论 人工智能又称机器智能，是计算机科学中的一门边缘科学。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。 起源与发展 20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1965年，f.a.费根鲍姆等人在总结通用问题求解系统的成功与败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral ，用其可以推断化学分子的结构。20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。 专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。 构造与工作过程 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。

专家系统及其应用

专家系统及其应用 计算机12班马洪旭 01055050 mhx1220@https://www.sodocs.net/doc/237789348.html, 一．专家系统的基本概念 1．何谓专家系统 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。 为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。 开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。 2．专家系统的基本结构 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。 在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系