基于案例推理的故障诊断

基于CBR的故障诊断系统

基于案例的推理简介（Case Based Reasoning,CBR）
设备在应用过程中由于各种因素的影响难免出现故障，如何判断设备的故障类型和故障部位并给出正确的处理办法就显得尤为重要，为了保证设备性能良好，维持正常的运转，降低维修成本，提高经济效益，增强企业竞争能力等，对设备进行故障诊断和预防是重要的和必需的，尤其是使用同类型批量设备的单位和部门，如环保行业的在线监测仪、除尘仪；钢铁行业的锅炉、轧机机械等。但是，目前对于这些复杂系统和设备，建立系统数学模型和故障过程模型是非常困难的。当前，用于这类对象的故障诊断方法主要有专家系统和智能的人工神经网络；但是应用时，又有其明显的缺点，见下表：
表1专家系统和神经网络系统的缺点
诊断方法 缺点
专家系统 1)诊断的效果与知识库的完善程度以及知识表示方法直接相关
2)知识的抽取和推理规则的建立是一项非常艰巨而且困难的任务
3)故障的多样性和不可预测性，一次性构建完善的知识库和推理库是不可能的
4)知识推理系统的可扩充性和灵活性不够，限制了它的应用范围
5)存在“知识获取”瓶颈
神经网络 1)结构和训练算法的确定需要得到大量试验资料
2)对于未经训练过的新故障难以进行诊断

案例推理(CBR)是人工智能领域新兴的一种问题求解方法，它通过目标案例的提示得到历史记忆中结构化存储的源案例，并由源案例进行相应的判断与推理来指导目标案例求解。所以CBR有以下优点:
1)、 利用案例中隐含的难以规则化的知识，以辅助规则推理的不足。
2)、 案例的获取比规则获取要容易，较好解决“知识获取”的瓶颈问题。
3)、 对过去的求解结果进行复用，提高对新问题的求解效率。
4)、 有持续不断的学习能力。

安可AKCBR介绍

一、安可AKCBRS简介
AKCBRS是安可科技研发的基于案例推理的故障诊断系统,是应用于各行业设备的一项现代故障智能诊断技术。
基于案例的推理（Case Based Reasoning,CBR）技术是人工智能中新崛起的一项重要推理技术，在很大程度上符合领