基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置，所述方法包括：构建故障诊断知识库，其中，所述故障诊断知识库包括故障现象与故障原因的映射关系；基于问诊式故障上报流程获取上报的故障现象，根据所述故障诊断知识库中的所述映射关系，自动提示该故障现象所关联的故障原因的其他故障现象，获取用户对故障现象的选择进行选择性上报；将上报的故障现象输入预先建立的基于贝叶斯定理的故障诊断模型，获取所述故障诊断模型基于故障现象推理得到的故障原因。采用本发明专利技术实施例，将复杂的故障诊断过程化为简单的软件操作，替代人工经验判断故障的传统模式，达到精准诊断、高效维修和降低成本的目标。

【技术实现步骤摘要】
基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置
本专利技术涉及人工智能
，尤其是涉及一种基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置。
技术介绍
根据知识组织方式与推理机制的不同，可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型的诊断专家系统、基于模糊推理的诊断专家系统、基于事例的诊断专家系统和基于人工神经网络的诊断专家系统。在基于规则的诊断专家系统中，领域专家的知识与经验被表示成产生式规则，一般形式是：“if前提then结论”。其中前提部分表示能与数据匹配的任何模型，结论部分表示满足前提时可以得出的结论。基于规则的推理是先根据推理策略从规则库中选择相应的规则，再匹配规则的前提部分，及最后根据匹配结果得出结论。基于规则的诊断知识表达方式直观、形式统一，在求解小规模问题时效率较高，并且具有易于理解与实现的优点，因而取得了一定成功。20世纪90年代，国外在军用水压系统、电力供应网络等方面进行了应用。但是，对于复杂系统，所观测到的症状与对应的诊断之间的联系是相当复杂的，通过归纳专家经验来获取规则有着相当的难度，且诊断时只能对事先预想到的并能与规则前提匹配的事件进行推理，存在知识获取的瓶颈问题。在基于模型的诊断专家系统中，领域专家的专业知识包含在建立的系统模型中，这种基于模型的诊断更多地利用系统的结构、功能与行为等知识。相比基于规则的诊断专家系统，这种诊断方式能够处理预先没有想到的情况，并且可能检测到系统存在的潜在故障。这类系统的知识库相对容易建立并且具有一定的灵活性，已应用于航天器动力燃烧系统故障诊断等方面。但是，基于模型的诊断专家系统仍然依赖于专家的专业领域知识，在实时诊断中还将消耗巨大的计算资源，限制了其应用范围。在基于模糊推理的诊断专家系统中，其知识表示采用模糊产生式规则。模糊产生式规则是将传统产生式规则“if条件then动作(或结论)”进行模糊化，包括条件模糊化、动作或结论模糊化等。引入模糊的概念是为了更好地模拟人类的思维与决策过程，使计算机结果不再是简单的黑或白。在模糊推理中建立模糊隶属度是一个重要工作，确定隶属度的方法有对比排序法、专家评判法、模糊统计法、概念扩张法等。采用专家评判法，由专家根据经验直接给出论域中每个函数的隶属度，形成隶属度表，这样给出的隶属度比较准确。计算机在进行模糊推理时，先从用户接口接收证据及其相应的模糊词，如“很”“相当”“轻微”等，然后通过模糊属性表查出条件模糊词的隶属度，由此进行推理得到结论。基于模糊推理的诊断专家系统已应用在军用电力系统、集成电路、动态控制等方面。基于模糊推理的诊断存在的主要问题在于模糊诊断知识获取困难，尤其是故障与征兆的模糊关系较难确定，且系统的诊断能力依赖模糊知识库，学习能力差，容易发生漏诊或误诊。由于模糊语言变量是用隶属函数表示的，实现语言变量与隶属函数之间的转换是一个难点。基于事例的推理是利用以事例形式表示的以往求解类似问题的经验知识进行推理，从而获得当前问题求解结果的一种推理模式。一个有效的事例表示包括三部分内容:事例发生的原因或背景；事例的特点及过程；事例的解决方法和结果。事例推理的关键步骤包括事例检索、事例重用、事例修改/修正和事例保留等.基于事例的推理避免了采用基于规则的推理方法进行知识获取时的瓶颈问题，利用相关事例扩大了解决问题的范围，简化了求解过程，解的质量也得到提高，在军事制造业控制诊断、舰艇水压机等方面获得应用。基于事例的推理的缺点是在处理小规模问题时，其推理效率不高。神经网络只要求专家提出范例及相应的解，就能通过特定的学习算法对样本进行学习而获取知识。在基于人工神经网络的诊断专家系统中，知识表示不再是独立的规则，而是分布于整个网络中的权和阈值。专家知识及经验的获取是利用领域专家解决实际问题的实例(样本)来训练获取，在同样输入条件下神经网络能够获得与专家给出的方案尽可能相同的输出。基于人工神经网络的专家系统在知识表示、知识获取、并行推理、适应性学习、理想推理、容错能力等方面显示了明显的优越性。同时，实际应用中的大多数被诊断对象往往是复杂的非线性系统，无法得到其精确模型，甚至无法建模，由于神经网络的构建与训练不要了解被诊断对象的精确模型，因而对于非线性被诊断对象，神经网络也具有明显优势。目前，基于人工神经网络的诊断专家系统已成为研究的热点，已经应用于在线故障诊断、引擎自动管理系统、军舰动力系统故障诊断等方面。然而，神经网络专家系统也存在固有的弱点。首先，系统性能受到所选择的训练样本集的限制，训练样本集选择不当，特别是在训练样本集很少的情形下，很难获得较好推理能力；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含义；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，也是最根本的一点就是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专家系统。因此，人们正试图研究符号推理与数值推理相结合的集成式智能诊断系统，以期能更好地模拟人类的思维过程。
技术实现思路
本专利技术的目的在于提供一种基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置，旨在解决设备维修中由于“病情描述不准、资源调配盲目”导致的“欠维修”和“过度维修”，维修服务满意度低，维修机构和生产厂家精确维修无支撑，维修组织成本高，售后服务水平低等难题。本专利技术提供一种基于问诊式故障上报和贝叶斯定理的故障诊断方法，包括：S1.构建故障诊断知识库，其中，故障诊断知识库包括故障现象与故障原因的映射关系；S2.基于问诊式故障上报流程获取上报的故障现象，根据故障诊断知识库中的映射关系，自动提示该故障现象所关联的故障原因的其他故障现象，获取用户对故障现象的选择进行选择性上报；S3.将上报的故障现象输入预先建立的基于贝叶斯定理的故障诊断模型，获取故障诊断模型基于故障现象推理得到的故障原因。本专利技术提供一种基于问诊式故障上报和贝叶斯定理的故障诊断装置，包括：知识库模块：构建故障诊断知识库，其中，故障诊断知识库包括故障现象与故障原因的映射关系；故障上报模块：基于问诊式故障上报流程获取上报的故障现象，根据故障诊断知识库中的映射关系，自动提示该故障现象所关联的故障原因的其他故障现象，用户进行选择性上报；诊断模块：将上报的故障现象输入预先建立的基于贝叶斯定理的故障诊断模型，获取故障诊断模型基于故障现象推理得到的故障原因。本专利技术实施例还提供一种基于问诊式故障上报和贝叶斯定理的故障诊断装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述基于问诊式故障上报和贝叶斯定理的故障诊断方法的步骤。本专利技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有信息传递的实现程序，程序被处理器执行时实现上述基于问诊式故障上报和贝叶斯定理的故障诊断方法的步骤。采用本专利技术实施例，将复杂的故障诊断过程化为简单的本文档来自技高网...

【技术保护点】
1.一种基于问诊式故障上报和贝叶斯定理的故障诊断方法，其特征在于，包括：/nS1.构建故障诊断知识库，其中，所述故障诊断知识库包括故障现象与故障原因的映射关系；/nS2.基于问诊式故障上报流程获取上报的故障现象，根据所述故障诊断知识库中的所述映射关系，自动提示该故障现象所关联的故障原因的其他故障现象，获取用户对故障现象的选择进行选择性上报；/nS3.将上报的故障现象输入预先建立的基于贝叶斯定理的故障诊断模型，获取所述故障诊断模型基于故障现象推理得到的故障原因。/n

【技术特征摘要】
1.一种基于问诊式故障上报和贝叶斯定理的故障诊断方法，其特征在于，包括：
S1.构建故障诊断知识库，其中，所述故障诊断知识库包括故障现象与故障原因的映射关系；
S2.基于问诊式故障上报流程获取上报的故障现象，根据所述故障诊断知识库中的所述映射关系，自动提示该故障现象所关联的故障原因的其他故障现象，获取用户对故障现象的选择进行选择性上报；
S3.将上报的故障现象输入预先建立的基于贝叶斯定理的故障诊断模型，获取所述故障诊断模型基于故障现象推理得到的故障原因。


2.根据权利要求1所述的方法，其特征在于，所述故障诊断知识库包括故障现象与故障原因的映射关系具体包括：
所述故障诊断知识库中包括故障现象节点、故障原因节点和节点路径，建立故障现象与故障原因多对多的因果关系。


3.根据权利要求2所述的方法，其特征在于，所述故障诊断知识库进一步包括：
在故障现象节点中自动记录的故障现象频次，在故障原因节点中自动记录的故障原因频次，在所述节点路径上自动记录的故障现象与故障原因的路径关联频次。


4.根据权利要求3所述的方法，其特征在于，所述故障诊断知识库包括故障现象与故障原因的映射关系具体包括：
在故障现象节点记录的故障现象频次，在故障原因节点记录的故障原因频次，在所述节点路径上记录的故障现象与故障原因的路径关联频次。


5.根据权利要求2所述的方法，其特征在于，所述方法进一步包括：对所述故障现象节点、故障原因节点和所述节点路径进行编辑操作，对所述节点频次和所述路径关联频次进行维护操作。


6.一种基于问诊式故障上报和贝叶斯定理的故障诊断装置，其特征在于，包括：
知识库模块：构建故障诊断知识库，其...

【专利技术属性】
技术研发人员：何斌，
申请(专利权)人：北京龙谷科技发展有限公司，
类型：发明
国别省市：北京;11