向日葵视频在线下载_向日葵视频网站_向日葵小视频APP污_向日葵视频污污下载

     摘要：本文借助案例推理技術(shù)在知識獲取、易于理解方面的優(yōu)勢，結(jié)合印刷機(jī)械設(shè)備的特點(diǎn)，將基于案例推理的方法引入到印刷設(shè)備的故障診斷領(lǐng)域，詳細(xì)論述了案例推理在設(shè)備故障診斷系統(tǒng)中的實(shí)現(xiàn)過程，并給出了該方法在印刷機(jī)械設(shè)備故障診斷中的應(yīng)用實(shí)例。        關(guān)鍵詞：基于案例的推理(CBR)；印刷機(jī)械；故障診斷 1．引言 現(xiàn)代印刷機(jī)械的結(jié)構(gòu)越來越復(fù)雜，自動化程度越來越高，功能出現(xiàn)多樣化，使得設(shè)備故障也越來越復(fù)雜化，很難建立一個完整的數(shù)學(xué)模型來描述它,隨之故障診斷與排除也越來越困難。一旦設(shè)備發(fā)生故障，將影響到整個生產(chǎn)系統(tǒng)的安全和穩(wěn)定運(yùn)行，特別是由于印刷的特殊性，在印刷工藝上要求高，加上紙張油墨的可變因素大，所以產(chǎn)生故障的因素很多，有時一種故障的產(chǎn)生有多種原因[2]。 當(dāng)前印刷行業(yè)的維修人員主要是靠感覺和個人經(jīng)驗(yàn)，對印刷機(jī)的故障進(jìn)行診斷和排除。令他們最頭痛的是印刷過程產(chǎn)生了故障而找不到產(chǎn)生故障的原因，往往為了套印不準(zhǔn)，墨杠，重影，紙給，倒順毛等故障，停機(jī)檢修幾個小時，有時為了解除一個故障甚至要花幾天時間[3]，充分說明了現(xiàn)在應(yīng)用在印刷領(lǐng)域的故障診斷技術(shù)已遠(yuǎn)遠(yuǎn)不能適應(yīng)現(xiàn)代化印刷的要求。 利用人工智能技術(shù)的故障診斷系統(tǒng)已經(jīng)成為設(shè)備故障診斷的發(fā)展方向。目前針對印刷領(lǐng)域的故障智能診斷系統(tǒng)主要有基于規(guī)則和神經(jīng)網(wǎng)絡(luò)的系統(tǒng)，由于這些系統(tǒng)采用的故障診斷方法存在某些不足，如知識獲取非常困難，系統(tǒng)對求解超出范圍的問題無能為力，診斷推理過程比較抽象，不容易理解等。而基于案例的診斷推理需要檢索的是現(xiàn)場發(fā)生的故障案例，大大減少了從專家那里獲取知識的必要，比較容易建立；在待診斷對象的故障與案例之間不完全匹配時也能給出相似的解；診斷結(jié)果是具體的案例，比較生動豐富，能夠反映故障的總體概貌，容易理解接受等。因此，本文采用案例推理技術(shù)進(jìn)行故障診斷，CBR的推廣可以使一般技術(shù)人員也可以對印刷機(jī)械進(jìn)行故障診斷。 2. 基于案例的推理技術(shù) 基于案例的推理(case-based reasoning, CBR)是人工智能領(lǐng)域新崛起的一種基于知識的問題求解和學(xué)習(xí)方法，它以獨(dú)特的推理風(fēng)格和成功的應(yīng)用，向人們展示了很強(qiáng)的生命力。CBR方法同人類的日常推理活動十分接近，它來自于人們的認(rèn)知心理活動，不同于傳統(tǒng)的基于知識的系統(tǒng)，CBR系統(tǒng)所依賴的知識主要是系統(tǒng)中儲存的相關(guān)領(lǐng)域中以前解決問題的具體記錄，例如：醫(yī)院中的病例。傳統(tǒng)的基于規(guī)則(RBR)推理方法所依賴的知識是由領(lǐng)域?qū)＜乙砸?guī)則的形式給出，而CBR推理方法則不需要從權(quán)威專家那里抽取規(guī)則這種非常繁重的工作，從而避免了知識獲取的瓶頸。 2.1 案例的表示 基于案例的推理首先要研究的是，怎樣把過去所解決問題的實(shí)例表示成案例的形式，以便于儲存在案例庫中。從問題求解的角度來看，案例應(yīng)該包含對問題的整體情況的描述，還應(yīng)該包含對問題的解或解決方法的描述，所以案例可以用一個有序?qū)Γ?lt;問題的描述，解的描述>來表示。 案例就是把以前處理過的問題，描述成由問題的特征集和解決方案組成的案例，儲存在案例庫中。case base={C1,C2……Cn}表示案例庫,其中Ci=C(Fi,Si)表示案例庫中的第i個案例；Fi=(fi1,fi2……fin)表示案例Ci的征兆集，fin表示案例Ci的第n個征兆；Si=(si1,si2……sin)表示案例Ci的解決方案集，sin案例Ci的第n解決方案(或者解決方案的第n個步驟)。案例它代表的是過去的經(jīng)驗(yàn)的積累，并不是一條規(guī)則，在案例庫中每個案例描述的是一種故障狀態(tài)，它們是相互獨(dú)立的。案例的表示如圖1所示。 2.2 相似度的計算 CBR是以相似性概念為中心的，而相似性是以相似度來衡量的，通過相似度客戶在可能解中尋找近似解，合適的度量方法可以快速、準(zhǔn)確地找到所需要的案例。所以在CBR系統(tǒng)中，相似度的計算顯得尤為重要。相似度是用0－1之間的實(shí)數(shù)來表示的，值越大表示兩個案例越相似，舊案例提供的建議解就越有用。 CBR相似度的計算公式： 給定兩個故障案例C1和C2，,SIM(C1,C2)；兩個案例之間的相似度，simj ；兩個案例對應(yīng)征兆間的相似度，wj ；對應(yīng)特征的權(quán)重，其中∑wj＝1。 (待續(xù))