1. 基於案例推理的故障診斷
基於CBR的故障診斷系統
基於案例的推理簡介（Case Based Reasoning,CBR）
設備在應用過程中由於各種因素的影響難免出現故障，如何判斷設備的故障類型和故障部位並給出正確的處理辦法就顯得尤為重要，為了保證設備性能良好，維持正常的運轉，降低維修成本，提高經濟效益，增強企業競爭能力等，對設備進行故障診斷和預防是重要的和必需的，尤其是使用同類型批量設備的單位和部門，如環保行業的在線監測儀、除塵儀；鋼鐵行業的鍋爐、軋機機械等。但是，目前對於這些復雜系統和設備，建立系統數學模型和故障過程模型是非常困難的。當前，用於這類對象的故障診斷方法主要有專家系統和智能的人工神經網路；但是應用時，又有其明顯的缺點，見下表：
表1專家系統和神經網路系統的缺點
診斷方法 缺點
專家系統 1)診斷的效果與知識庫的完善程度以及知識表示方法直接相關
2)知識的抽取和推理規則的建立是一項非常艱巨而且困難的任務
3)故障的多樣性和不可預測性，一次性構建完善的知識庫和推理庫是不可能的
4)知識推理系統的可擴充性和靈活性不夠，限制了它的應用范圍
5)存在「知識獲取」瓶頸
神經網路 1)結構和訓練演算法的確定需要得到大量試驗資料
2)對於未經訓練過的新故障難以進行診斷
案例推理(CBR)是人工智慧領域新興的一種問題求解方法，它通過目標案例的提示得到歷史記憶中結構化存儲的源案例，並由源案例進行相應的判斷與推理來指導目標案例求解。所以CBR有以下優點:
1)、 利用案例中隱含的難以規則化的知識，以輔助規則推理的不足。
2)、 案例的獲取比規則獲取要容易，較好解決「知識獲取」的瓶頸問題。
3)、 對過去的求解結果進行復用，提高對新問題的求解效率。
4)、 有持續不斷的學習能力。
安可AKCBR介紹
一、安可AKCBRS簡介
AKCBRS是安可科技研發的基於案例推理的故障診斷系統,是應用於各行業設備的一項現代故障智能診斷技術。
基於案例的推理（Case Based Reasoning,CBR）技術是人工智慧中新崛起的一項重要推理技術，在很大程度上符合領域專家求解新問題的過程，利用CBR技術解決故障診斷問題是當今人工智慧故障診斷領域的研究熱點，作為專家系統中的一個分支，其研究得到了學術界和工程界的高度重視，並相繼在各行各業中得到成功應用。不過在這些已報道的基於案例推理的故障診斷系統中，大多數都是針對某一具體設備的專用專家系統，雖然其對具體設備故障診斷比較實用，但其缺陷是通用性不強，因為不同問題領域，設備種類不同，其專家知識及推理機制也不相同；即使同一問題領域，也有各種功能不同的設備，這樣一來給通用基於案例推理的故障診斷系統的設計開發增加了較多的困難。AKCBRS是以用戶為中心的通用性基於案例推理的故障診斷系統，只要領域專家設置好必要的知識模塊，就可自行生成專用於同種功能設備的基於案例推理的故障診斷系統。
二、系統特點：
圖形化的參數層次結構建模
提供圖形化的工具配置案例集，使得領域專家通過滑鼠操作即可完成案例集和狀態向量、特徵向量關聯；特徵向量權重關系設置。如下圖：
優化的檢索策略
案例檢索是CBR的核心技術，從源案例庫中檢索出與新問題的目標案例最相似的歷史案例，將直接決定CBR的速度和精度。在基於案例推理的故障診斷系統中，由於故障可以根據其內部機理進行分類，且各案例的特徵包括故障狀態和故障數據兩種故障信息，因此通過領域專家對案例進行合理分類的基礎上，利用案例的故障狀態信息和改進的灰色關聯度計算方法，針對故障診斷系統，提出了一種類選、粗選、精選、擇優「四步走」的檢索策略。如下圖：
應用領域的廣泛性
在已報道的基於案例推理的故障診斷系統中，大多數都是針對某一具體設備的專用專家系統，雖然其對具體設備故障診斷比較實用，但其缺陷是通用性不強，因為不同問題領域，設備種類不同，其專家知識及推理機制也不相同；即使同一問題領域，也有各種功能不同的設備，這樣一來給通用基於案例推理的故障診斷系統的設計開發增加了較多的困難。AKCBRS是以用戶為中心的通用性基於案例推理的故障診斷系統，只要領域專家設置好必要的知識模塊，就可自行生成專用於同種功能設備的基於案例推理的故障診斷系統。
基於WEB的故障檢索訪問
方便用戶通過網路，對故障記錄進行檢索。
方便的數據導出功能
可以選擇四種數據導出格式，PDF文件、Word文件、Excel文件及文本文件。
三、系統設計思路：
依據專家系統的特點和CBR的工作原理，AKCBRS設計思路分為以下幾個部分：
1)案例集配置。領域專家根據設備的情況，劃分案例類別，並設置案例集的狀態參數，關鍵指標狀態參數的值；特徵參數及特徵參數的權重，系統通過層次分析法計算特徵參數的權重向量，並進行一致性檢查。案例集配置好以後領域專家根據以往處理設備故障的經驗或類似的經歷,按照案例集的組織結構和屬性輸入各案例集中的案例，形成案例庫。
2)設備故障產生。設備故障產生後,記錄故障產生的經過、現象等。依據優化的案例檢索策略進行案例檢索。
3)設備故障匹配。對於有大於相似度預設閥值的案例按相似度大小和故障發生頻率給出故障處理報告。
4)案例庫學習、調整、擴充。對於匹配結果沒有大於相似度閥值的情況系統給出提示，由用戶對故障信息處理後並給出處理結論，然後由領域專家驗證是否擴充到案例庫中；領域專家也可以對一下案例集中的案例處理結論進行修正，也可以對一些無效案例進行刪除。
四、系統模塊：
2. AI(人工智慧)在機械領域有哪些應用
1.機械領域的主要應用：1.1 機械設計 機械設計實際上是一個模型的綜合和分析的過程，它不僅包括大量的計算、分析、繪圖等數值計算型工作；還包括擬定初始方案，選擇最優方案，制定合理結構等方案設計工作。 目前， 有些企業已引入CAD/CAM 系統， 由於CAD/CAM系統對符號推理工作需要綜合運用多種科學的專門知識和豐富的實踐經驗才能解決，這需要CAD/CAM系統具有智能性，因此，設計智能化已成為機械設計中一個很熱門的研究課題之一，它把計算機從數值處理擴展到非數值處理，包括知識與經驗的集成、推理和決策，力圖使機械設計過程自動化，減少人類專家在設計過程中由於個人因素造成的不足。此外，與傳統設計方法相比，專家系統在機械設計中有著不可比擬的優勢，它不僅可以長期穩定工作、節省成本，還可以為專家知識特別是啟發式知識提供存儲手段和傳授途徑、易於繼承。1.2 機械製造 在機械生產製造過程中，需要為工廠中所有的裝配機器供應零件。目標可能由監控者提供，也可能由系統對當時狀態做出評估而產生。智能系統怎樣推斷出適當的目標，然後構造試圖達到目標的動作序列，這個過程通常稱為規劃(planning), 它是自動問題求解的特例，是人工智慧研究的重要子領域。 此外，計算機集成加工系統（CIMS）和柔性加工系統（FMS）在近年來獲得迅速發展。在一個復雜的加工過程中，不同條件下的多種操作是必要的。環境的不確定性以及系統軟硬體的復雜性，向當代工程師們設計和實現有效的集成控制系統提出了挑戰。為了把現有的Petri 網技術用於現代加工系統，需要開發一種新技術，把機器智能技術和Petri 網理論以及智能離散事件控制器連接起來。1.3 機械電子工程 在許多工程系統中，往往由於內部結構復雜，存在著對加工過程式控制制及故障診斷等方面的困難，一般的PID 等典型控制方法雖然能解決一些問題，但在一些場合已不能滿足生產的要求，當前，典型的機電一體化產品- 數控機床、交流伺服驅動裝置等正在向數字化、小型化、高精度等方向發展，為監控帶來新的挑戰，由於模糊神經網路控制不依賴控制對象和數學模型，具有較強的魯棒性，是一種非線性的控制方法，在解決此類問題中有很好的優勢。而專家系統主要用於復雜的機械繫統，能夠克服基於模型的故障診斷方法對模型的過分依賴性。1.4 機械繫統故障診斷 對機械設備進行故障診斷主要是通過對設備敏感部位的信號利用感測器進行數據採集和特徵提取，根據不同機械部件在不同時間和狀態下具有不同的特徵，來判斷是否工作正常。它包含兩方面的內容，即對系統運行狀態進行監測和發現異常情況後對故障進行分析、診斷。在系統運行過程中，若某一時刻系統發生故障，領域專家可以憑借視覺、聽覺、嗅覺、觸覺或測量設備得到一些客觀數據，並根據對系統結構和系統故障歷史的深刻了解很快做出判斷，確定故障的原因和部位。對於較為復雜的系統，這種基於專家系統的故障診斷方法尤為有效。2 人工智慧在機械繫統中的應用方法 應用機械繫統的AI 技術傳統上可以分為專家系統（ES）、人工神經網路(ANN)、模糊集理論(FST)和啟發式搜索(GA)四類。2.1 專家系統（Expert System .ES） 專家系統是人工智慧的主要分支之一。一個典型的專家系統由四部分組成：知識庫、推理機、知識獲取機制和人機界面。專家系統按其知識表達方式不同，可分為基於規則和基於框架的專家系統；按其推理方式不同可分為正向推理和逆向推理。在知識表達方面，利用產生式規則進行知識表達，一方面得有益於現有人工智慧語言，另一方面，它的表達合乎人的心理邏輯，便於進行知識獲取，利於人們接受，利用框架進行知識表達得到了越來越多的應用。在診斷推理方面，主要表現在對推理邏輯和推理模型的研究，在人工智慧領域，存在著許多推理邏輯，在專家系統中廣泛使用模糊推理邏輯降低系統復雜性，在機械繫統故障診斷上能產生很好的效果。專家系統技術的研究和應用正以前所未有的速度在故障診斷、模擬模擬、自動控制、工藝編程、生產規劃、產品設計等許多機械工程領域不斷發展。隨著研究工作的不斷深入，一些新的技術方法和先進製造技術正融入機械工程專家系統技術的研究和應用中，不僅使知識表示、知識庫構建、知識獲取和推理模式等關鍵技術的研究取得了一定成果，還出現了一些集成式的新型專家系統，如神經網路專家系統、模糊專家系統、基於Internet 的專家系統、CAD 專家系統、CAPP 專家系統等。他們綜合利用了專家系統啟發性、透明性、靈活性以及具有處理不確定知識能力的特點，使機械工程專家系統的應用領域不斷拓寬。2.2 人工神經網路（artificial neural network. ANN） 人工神經網路是模擬的生物激勵系統，將一系列輸入通過神經網路產生輸出。這里輸出、輸入都是標准化的量，輸出是輸入的非線性函數，其值可由連接各神經元的權重改變，以獲得期望的輸出值，即所謂的訓練過程。基於數值計算方法的神經網路，將已有數據和已知系統模式作樣本，通過學習獲得兩者的映射關系，實現了對人類經驗思維的模擬。 由於神經網路具有原則上容錯、結構拓撲魯棒、聯想、推測、記憶、自適應、自學習、並行和處理復雜模式的功能，使其在工程實際存在著大量的多故障、多過程、突發性故障、龐大復雜機器和系統的監測及診斷中發揮著較大作用。 在機械繫統的應用方式有：從模式識別角度應用神經網路作為分類器進行故障診斷；從預測角度應用神經網路作為動態預測模型進行故障預測；利用神經網路極強的非線性動態跟蹤能力進行基於結構映射的故障診斷；從知識處理角度建立基於神經網路的診斷專家系統等。目前，為提高神經網路在實用中的學習和診斷性能，主要從神經網路模型本身改進和模塊化模型診斷策略兩方面開展研究；同時，與模糊邏輯的結合研究也是一個研究熱點。2.3 模糊集理論（Fuzzy Sets Theory. FSN） 人的認知世界包含大量的不確定之時，需要對所獲信息進行一定的模糊化處理，以減少問題的復雜度。1965 年Zadeh 創立的模糊集理論是處理不確定性的一種很好的方法。模糊邏輯可認為是多值邏輯的擴展，能夠完成傳統數學方法難以做到的近似推理。目前基於多類電量測試信息模糊融合的模擬電路故障診斷方法已經提出。基於K故障節點診斷法和最小標准差法的元件故障隸屬函數構造方法,以及基於可測點電壓與不同測試頻率下電路增益的模糊信息融合診斷演算法也已闡述。分別利用此兩類測試信息及K 故障診斷法和最小標准差法,對電路進行初步診斷,再運用模糊變換及故障定位規則, 得到融合的故障診斷結果。模擬實驗結果表明,所提方法大大提高了機械繫統故障定位的准確率。2.4 啟發式搜索（Heuristic Search. HS） 遺傳演算法（Genetic Algorithms ,GA）和模擬退火（Simulated Annealing ,SA）演算法是近年來逐漸興起的兩種啟發式搜索，通過隨機產生新的解並保留其中較好的結果，並避免陷入局部最小，以求得全局最優解或近似最優解。GA是由數字串的集合表示優化問題的解，通過遺傳運算元，即選擇、雜交和變異的操作對數字串尋優。SA 在已知解的鄰近區產生新的解，並逐漸縮小鄰近區域的大小，直到逼近全局的最優解。兩種方法都可以用來求解任意目標函數和約束的最優化問題。 在交流伺服系統中採用遺傳演算法的模糊神經網路控制較之傳統的PID 控制方式具有響應速度快、誤差小、無震盪、伺服性能強等優點，模擬結果表明，將遺傳演算法融入模糊神經網路控制器來控制交流伺服系統，其系統的響應超調量明顯減少，具有較好的抗干擾性、伺服性。3 人工智慧在機械繫統中的發展趨勢 人工智慧中的四種主要工具， 即ES、ANN、FST 和GA，雖然在機械領域有不同程度的應用，但各自都存在一些局限：ES 存在知識獲取的「瓶頸」、知識難以維護、應用面窄、診斷能力弱等問題。ANN 在外推時誤差較大、系統結構變化時ANN 的組成結構也要變化、難以實現基於結構化知識的邏輯推理、缺乏解釋能力等。FST 存在可維護性問題。GA 在依據的信息發生畸變時，難以保證可靠性等。 目前，缺少一種普遍有效的方法應用於機械繫統的各個領域。混合智能，即綜合多種智能技術用以設計、控制、監測機械繫統成為新的發展趨勢。結合的方式主要有基於規則的專家系統與神經網路相結合，CBR 與基於規則系統和神經網路的結合，模糊邏輯、神經網路與專家系統的結合等。其中模糊邏輯、神經網路與專家系統結合的診斷模型是最具發展前景的，也是目前人工智慧領域的研究熱點之一。混合智能在機械繫統的應用中有如下發展趨勢：由基於規則的系統到混合模型的系統，由領域專家提供知識到機器學習、由非實時診斷到實時診斷、由單一推理控制到混合推理控制策略等。4 人工智慧在機械繫統中的應用實例 智能技術在機械領域已經有了許多成功的應用。在工程中，典型的專家系統有幫助工程師發現結構分析問題的分析策略的SACON 系統；幫助識別和排除機車故障的DELTA 系統；幫助操作人員檢測和處理核反應堆事故的REACTOR 系統。 在故障診斷方面,1967 年在美國航天局（NASA）倡導下，由美國海軍研究室（ONR）主持美國機械故障預防小組（MFPG），積極從事故障診斷技術研究和開發。目前各種類型的故障診斷和維修專家系統已用於美國F- 15 戰斗機、B- 1B 轟炸機、海軍艦艇、陸軍軍械裝置等現役裝備的故障診斷和維修中。在我國，華中理工大學研製了用於汽輪機組工況監測和故障診斷的智能系統DEST；哈爾濱工業大學和上海發電設備成套設計研究所聯合研製了汽輪發電機組故障診斷專家系統MMMD- ；清華大學研製了用於鍋爐設備故障診斷的專家系統等等。 在電路和數字電子設備方面，MIT 研製用於模擬電路操作並演繹出故障可能原因的EI 系統；美國海軍人工智慧中心開發了用於診斷電子設備故障的IN- ATE 系統;波音航空公司研製了診斷微波模擬介面MSI 的IMA 系統；義大利米蘭工業大學研製用於汽車啟動器電路故障診斷的系統。 2006 年初，上海交通大學機電控制研究所、上海市農業機械研究所成功研製了適用於我國數字農業特點的兩種主要智能型農業機械：中、小型收割機智能測產系統及其配套軟體；智能變數施肥、播種機及其配套軟體。雖然相關的應用實例還有很多，但它們大都處於實驗室或小范圍試驗狀態，限於成本、技術等問題，不能得到普及應用，這將成為智能技術在機械領域應用的「瓶頸」。引用： http://teardown.eefocus.com/xuweitao/blog/08-01/141923_aa9c4.html
3. 格靈深瞳的列車故障診斷人工智慧演算法引擎性能怎麼樣
有數據顯示，格靈深瞳磨兆搏自研列車故障診斷人工智慧演算法引擎，關鍵性故障檢出率99%，測量類項點精度達到亞毫米級，隨機猜枯變形類項點精度達到毫米級，達到行業領先水平，也瞎祥得到了業內人士和行業的高度認可。可以網路搜索，獲得更多相關信息。