故障诊断专家系统中诊断决策方法的研究

论文

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

故障诊断专家系统中诊断决策方法的研究

齐怡, 沈士团, 李驿华, 白亮

北京航空航天大学202教研室北京 100083

收稿日期:2002-03-26 修回日期:2002-09-25 出版日期:2003-04-25 发布日期:2003-04-25

Study of Decision Making Method Diagnostic Expert System

QI Yi, SHEN Shi-tuan, LI Yi-hua, BAI Liang

Faculty 202; Beijing University of Aeronautics and Astronautics; B eijing 100083; China

Received:2002-03-26 Revised:2002-09-25 Online:2003-04-25 Published:2003-04-25

摘要/Abstract

摘要： 被诊断系统的复杂性造成故障诊断过程效率低,耗费时间长。采用多属性决策方法可以将测试代价因素引入到对复杂系统故障诊断的决策中,以提高诊断的效率。根据故障诊断的实际情况,确定了对属性权值的约束条件,提出了一种求取MADM 权值的方法,解决了故障诊断决策中属性权值选取困难的问题。通过仿真证明和普通的方法相比,专家系统采用MADM 方法,故障诊断时间减少了1/ 5 。

关键词: 故障诊断, 多属性决策, 价值函数, 专家系统, 诊断效率

Abstract: The efficiency of the diagnostic process is important and should not be overlooked in the diagnosis for complex systems. An MADM(Multi-Attribute Decision Making) method was used to enhance the efficiency of the diagnostic expert system with two factors, which were the fault possibility and the test cost . This paper proposed amethod to calculate the two factor weights wiuh an actual constrained condition in order to solve the difficulty aboutconfirming the weights in MADM. The simulation shows that the MADM method enhances the diagnostic efficiency. It takes 80 percent of the time that the normal method spends.

Key words: fault diagnosis, MADM, value function, expert syst em, diagnostic efficiency

中图分类号:

TP182

齐怡;沈士团;李驿华;白亮. 故障诊断专家系统中诊断决策方法的研究[J]. 航空学报, 2003, 24(2): 147-151.

QI Yi;SHEN Shi-tuan;LI Yi-hua;BAI Liang. Study of Decision Making Method Diagnostic Expert System[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2003, 24(2): 147-151.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	于功也, 蔡伟东, 胡明辉, 刘文才, 马波. 故障机理与领域自适应混合驱动的机械故障智能迁移诊断[J]. 航空学报, 2023, 44(2): 426800-426800.
[2]	张烁, 刘治汶. 航空发动机轴承故障结构化贝叶斯稀疏表示[J]. 航空学报, 2022, 43(9): 625056-625056.
[3]	曹明, 黄金泉, 周健, 陈雪峰, 鲁峰, 魏芳. 民用航空发动机故障诊断与健康管理现状、挑战与机遇Ⅰ: 气路、机械和FADEC系统故障诊断与预测[J]. 航空学报, 2022, 43(9): 625573-625573.
[4]	张忠强, 张新, 王家序, 刘治汶. 基于重加权谱峭度方法的航空发动机故障诊断[J]. 航空学报, 2022, 43(9): 625445-625445.
[5]	韩淞宇, 邵海东, 姜洪开, 张笑阳. 基于提升卷积神经网络的航空发动机高速轴承智能故障诊断[J]. 航空学报, 2022, 43(9): 625479-625479.
[6]	孙灿飞, 黄林然, 沈勇. 复杂工况下的直升机行星传动轮系故障诊断[J]. 航空学报, 2022, 43(8): 625480-625480.
[7]	田晶, 张羽薇, 张凤玲, 艾辛平, 高崇. 基于多尺度量子熵的中介轴承故障诊断方法[J]. 航空学报, 2022, 43(8): 625485-625485.
[8]	康玉祥, 陈果, 尉询楷, 周磊. 深度残差对冲网络及其在滚动轴承故障诊断中的应用[J]. 航空学报, 2022, 43(8): 625201-625201.
[9]	聂同攀, 曾继炎, 程玉杰, 马梁. 面向飞机电源系统故障诊断的知识图谱构建技术及应用[J]. 航空学报, 2022, 43(8): 625499-625499.
[10]	林京, 张博瑶, 张大义, 陈敏. 航空燃气涡轮发动机故障诊断研究现状与展望[J]. 航空学报, 2022, 43(8): 626565-626565.
[11]	邵怡韦, 陈嘉宇, 林翠颖, 万程, 葛红娟, 石智龙. 小训练样本下齿轮箱故障诊断:一种基于改进深度森林的方法[J]. 航空学报, 2022, 43(8): 625429-625429.
[12]	王维民, 陈子文, 张旭龙, 陈康. 基于叶端定时的转子碰摩故障诊断方法[J]. 航空学报, 2022, 43(8): 625031-625031.
[13]	董昕昊, 周志杰, 胡昌华, 冯志超, 曹友. 基于分层置信规则库的惯导系统性能评估方法[J]. 航空学报, 2021, 42(7): 324456-324456.
[14]	黄旭星, 李爽, 杨彬, 孙盼, 刘学文, 刘新彦. 人工智能在航天器制导与控制中的应用综述[J]. 航空学报, 2021, 42(4): 524201-524201.
[15]	袁利, 王淑一. 航天器控制系统智能健康管理技术发展综述[J]. 航空学报, 2021, 42(4): 525044-525044.

故障诊断专家系统中诊断决策方法的研究

Study of Decision Making Method Diagnostic Expert System

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价