CBR检索模型的研究

针对传统专家系统解决机械故障诊断问题时存在的不足,将基于案例推理(CBR)方法引入到故障诊断中,提出了一种CBR故障诊断模型。在案例检索中,采用了一种改进的灰色关联模型来计算案例之间的相似度。该模型适用于对故障症状和故障原因之间关系不十分明确的场合,可以比较准确地检索到相似案例,提高案例检索速度。最后应用文中提出的方法建立了一个轴承故障诊断专家系统,此系统对生产和实践具有重要的指导价值。

牵引变压器在运行中易受到高电压、大电流、机械应力及其他环境因素的影响而产生发热、放电、绝缘不良等故障，为了制定合理的运维检修策略从而提高运行中牵引变压器的故障处理水平，提出一种基于规则推理(RBR)和基于案例推理(CBR)融合的牵引变压器运维决策方法：利用RBR获取能反映牵引变压器状态的关键参数，并根据规则库的知识储备得到初步检修方案；设计案例检索算法在状态检修案例库中匹配相似案例，提取检修策略；根据RBR的初步方案对CBR结果进行修改与复用，综合得到最优运维策略，指导检修工作。收集了60例目标

建立一个完整的案例推理系统, 提出一种高效的案例检索方法和一种案例调整策略. 在案例检索过程中, 提 出一种基于贝叶斯粗糙集的属性权重确定算法, 在此基础上利用最邻近法检索出与当前案例最相似的一组案例作为 参考. 使用检索出的相似案例训练分层混合专家模型, 并用微粒群算法优化模型参数, 实现了对案例的调整. 采用实 际转炉生产数据进行仿真, 结果表明了该案例推理系统的有效性.