水質(zhì)監(jiān)控設(shè)備是應(yīng)用于集約化水產(chǎn)養(yǎng)殖過程中的先進物聯(lián)網(wǎng)系統(tǒng)設(shè)施,作為世界第一水產(chǎn)養(yǎng)殖大國、世界唯一水產(chǎn)養(yǎng)殖量遠遠超過捕撈量的國家,針對集約化水產(chǎn)養(yǎng)殖、工廠化水產(chǎn)養(yǎng)殖而展開的水產(chǎn)物聯(lián)網(wǎng)裝備相關(guān)的學(xué)術(shù)研究、技術(shù)積累,對我國實現(xiàn)水產(chǎn)物聯(lián)網(wǎng)、集約化水產(chǎn)養(yǎng)殖具有重要意義。為提高水產(chǎn)物聯(lián)網(wǎng)系統(tǒng)運行的穩(wěn)定性,針對水質(zhì)監(jiān)控設(shè)備故障,本文通過構(gòu)建貝葉斯診斷知識網(wǎng)絡(luò)、原因搜素算法、反饋算法,并設(shè)計實驗程序加以驗證,對水質(zhì)監(jiān)控設(shè)備故障的智能診斷方法進行研究,并在此基礎(chǔ)上實現(xiàn)故障診斷系統(tǒng)、利用雙房室評估模型對該診斷系統(tǒng)的效果進行定量評估。為實現(xiàn)對大量設(shè)備的故障信息處理,作者將癥狀的識別作為獨立于故障診斷的研究模塊。癥狀作為故障的表征,其實質(zhì)是數(shù)據(jù)；故障作為設(shè)備異常的表現(xiàn),其實質(zhì)是信息。癥狀的識別與故障的診斷都在診斷模型的框架內(nèi)進行。以貝葉斯網(wǎng)絡(luò)為基礎(chǔ),構(gòu)建診斷知識庫,支持率作為節(jié)點間的邏輯參數(shù),是故障診斷過程中的邏輯基礎(chǔ),貝葉斯網(wǎng)絡(luò)的易擴展性使得診斷模型對知識的學(xué)習(xí)與積累性較強,同時可以通過修改節(jié)點間支持率優(yōu)化診斷過程。癥狀的識別分為簡單閡值識別、無確定閾值故障的識別,癥狀的識別基于結(jié)構(gòu)模式識別框架。設(shè)備采集的... 

【文章來源】：山東農(nóng)業(yè)大學(xué)山東省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

技術(shù)路線圖

定量知識表示，定量描述節(jié)點與其父節(jié)點集之間的概率依賴程度，是網(wǎng)絡(luò)節(jié)點間不確定性的數(shù)量度量。圖2.1介紹了故障診斷Bayes網(wǎng)絡(luò)的組成。\ 變量集 y Sapport= P(^)I有向無環(huán)圖G(V，E)丨 I概率分布沒={沒,，沒故障診斷Bayes網(wǎng)絡(luò)V J圖2.1故障診斷Bayes網(wǎng)絡(luò)組成Fig 2.1 Constituent of fault diagnosis' Bayesian Network9

所得結(jié)果與故障樣本數(shù)據(jù)，即可得出診斷準確率。且準確率+誤判率=1圖3.4為該組實驗結(jié)果折線圖：推確芊(%}96.00% -| 94.00% ~ ^92.00% ^‘ ——? ?90.00% 88.00% ?—1—J—I—I 1—I—1 i—！iftkl七率-(%)圖3.4準確率與故障樣本比率關(guān)系折線圖Fig 3.4 Line chart of relationship between accuracy and fault samples由折線圖定性的分析，可得知，在一定量的樣本條件下，系統(tǒng)診斷的準確率與故障樣本比率呈正相關(guān)。且故障樣本比率在大于35%時，準確率提升幅度明顯增加。本章小結(jié)本章對癥狀識別與預(yù)處理方法進行了詳盡的敘述，癥狀的識別方法基于作者兩年運維經(jīng)歷中對水質(zhì)監(jiān)控設(shè)備故障的認識，以及故障診斷經(jīng)驗。文中的實驗是以實際的故障樣本為基礎(chǔ)展開的。本章首先提出了癥狀識別與預(yù)處理的概念，即必須將癥狀與故障區(qū)分出來，癥狀是數(shù)據(jù)的表征，是數(shù)據(jù)；故障是基于數(shù)據(jù)的信息。信息可以是數(shù)據(jù)，但是數(shù)據(jù)不一定就是信息。因此，將癥狀的識別獨立出來，有助于故障診斷從以前模糊的模塊，轉(zhuǎn)變22

【參考文獻】：
期刊論文
[1]基于支持向量機方法的水電機組狀態(tài)識別[J]. 杜洪斌,張雷,李明橋,侯紀坤,白亮.  西北水電. 2013(03)
[2]GM（1,N）和QSIM結(jié)合的復(fù)雜系統(tǒng)的定性仿真建模方法[J]. 王洪利.  智能系統(tǒng)學(xué)報. 2013(04)
[3]基于粗糙集和圖論的電力系統(tǒng)故障診斷方法[J]. 盧鵬,王錫淮,肖健梅.  控制與決策. 2013(04)
[4]基于融合神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷專家系統(tǒng)[J]. 魏紅娟.  計算機測量與控制. 2013(02)
[5]機械故障診斷的信號處理方法:頻域分析[J]. 王金福,李富才.  噪聲與振動控制. 2013(01)
[6]基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的信息融合在故障診斷中的應(yīng)用[J]. 李偉,梁玉英,朱賽.  計算機測量與控制. 2012(11)
[7]現(xiàn)代模式識別發(fā)展的研究與探索[J]. 霍桂利.  河北廣播電視大學(xué)學(xué)報. 2012(05)
[8]Nature Reviews Immunology2001～2010年度“亮點”（一）[J]. 劉蓉蓉,陳麗華.  細胞與分子免疫學(xué)雜志. 2012(05)
[9]模糊模式識別理論在土地利用規(guī)劃環(huán)境影響評價中的應(yīng)用[J]. 周鑫,劉志斌.  山西農(nóng)業(yè)科學(xué). 2012(03)
[10]運用模式識別與遺傳算法的復(fù)合磨床干涉檢測方法[J]. 劉福群,趙高暉,蔣麗琳,王姍姍,劉世紅.  現(xiàn)代制造工程. 2012(03)



本文編號：3144894