基于神经网络的液压挖掘机故障诊断推理技术及应用研究
|
摘要
本论文通过对工程机械领域故障诊断技术的系统研究，提出了一种基于专家经验的以神经网络为推理核心的分布式在线故障检测和诊断系统模型，并引入先进的ARM技术进行了可行性试验研究。通过深刻分析维修专家进行设备维修时的思路，采用利于神经网络推理计算的知识表示方法和启发式推理机制实现了故障的定位，充分利用了自然语言描述的专家经验，很大程度地减少了诊断过程的工作量，提高了诊断的准确性和效率。
第一章 介绍了目前故障诊断技术发展的概况和挖掘机结构组成及工作原理。然后介绍本学位论文的研究意义和主要研究内容。
第二章 分析了挖掘机的功能结构和组成，对整个系统进行了分布式划分，建立了液压挖掘机故障分类层次模型。分析比较了各种现代故障诊断方法，状态监测与故障诊断技术在国内外的研究现状、应用及发展趋势，分析了故障诊断领域的主要理论及研究内容，并提出了神经网络与专家系统相结合的故障诊断系统方案。
第三章 详细介绍了本故障诊断系统的推理核心——神经网络模型。包括该模型的神经元构造，神经网络结构和学习算法，以及神经元权值和阈值的定义和意义，给出了构建这种神经网络模型的方法和步骤。
第四章 着重阐述了液压挖掘机故障诊断专家系统的功能结构设计和软件流程。重点介绍启发式诊断推理和神经网络并行推理相结合的故障诊断推理方法。
第五章 介绍了所采用的ARM技术的开发机制、特点和应用，以及发展前景。对Embest IDE for ARM开发平台高度集成化的特点也作了简要介绍。最后给出了便携式故障诊断仪的硬件结构框图并进行了可行性探讨。
第六章 总结了本课题的创新点和已经完成的工作，对课题接下来的发展方向和需要解决的问题进行了展望，并对后续的工作做了分析，提出了几点建议。
Based on the systemic analysis of the configuration of the hydraulic excavator and the whole study of its fault diagnosis, this paper bring forward an on line, distributed fault diagnosis framework model which is based on masters experience and with a neural network as its consequence core. Then the fault diagnosis model is discussed about its feasibility with advanced RAM technique. Through deeply analysis of masters thinking when they check or maintain a set of equipment, faults of an fixture can be located by viable knowledge and heuristic consequence method. They are fit for the neural network exactly. The method can use maters experience adequately, so it can reduce the work of the procedure and enhance the precision and the veracity of the result to great extent. This paper can be divided into five chapters as follows:
Chapter 1 summarized the development status of the diagnosis detection technology. Then introduced the composing structure and working principle of hydraulic excavators. At the end, introduced the significance and main content of this paper.
Chapter 2 is about dividing a hydraulic excavators in distribute way, and founded a fault model with hiberarchy. According with the comparing and analysis of all kinds of modern fault diagnosis method, technique and their applications, brought forward the whole scheme of diagnosis system.
Chapter 3 introduced the neural network model, which is the core of the diagnosis system. It is composed with nerve cell, structure of the network and the study arithmetic. And the definition of the threshold and authority is a important part of the neural network. The process and method to made a neural network is provided also.
Chapter 4 expatiated the software flow and flow chart of the expert fault diagnosis system for hydraulic excavator. Pivot on the consequence method, thats integrated with heuristic consequence and neural network
consequence way.
Chapter 5 introduced the characters and applications of ARM technique, it can be adopted in a carry-home fault diagnosis apparatus for hydraulic excavator. Then research flat roof - Embest IDE for ARM is introduced in brief. At last, brought the hardware design of this apparatus and made some feasible discuss.
Chapter 6 is an ending part. It summarized some innovative features in this papers, and the accomplished parts of this project. Then mentioned some advices and assumptions about the next step of the project.
第一章 介绍了目前故障诊断技术发展的概况和挖掘机结构组成及工作原理。然后介绍本学位论文的研究意义和主要研究内容。
第二章 分析了挖掘机的功能结构和组成，对整个系统进行了分布式划分，建立了液压挖掘机故障分类层次模型。分析比较了各种现代故障诊断方法，状态监测与故障诊断技术在国内外的研究现状、应用及发展趋势，分析了故障诊断领域的主要理论及研究内容，并提出了神经网络与专家系统相结合的故障诊断系统方案。
第三章 详细介绍了本故障诊断系统的推理核心——神经网络模型。包括该模型的神经元构造，神经网络结构和学习算法，以及神经元权值和阈值的定义和意义，给出了构建这种神经网络模型的方法和步骤。
第四章 着重阐述了液压挖掘机故障诊断专家系统的功能结构设计和软件流程。重点介绍启发式诊断推理和神经网络并行推理相结合的故障诊断推理方法。
第五章 介绍了所采用的ARM技术的开发机制、特点和应用，以及发展前景。对Embest IDE for ARM开发平台高度集成化的特点也作了简要介绍。最后给出了便携式故障诊断仪的硬件结构框图并进行了可行性探讨。
第六章 总结了本课题的创新点和已经完成的工作，对课题接下来的发展方向和需要解决的问题进行了展望，并对后续的工作做了分析，提出了几点建议。
Based on the systemic analysis of the configuration of the hydraulic excavator and the whole study of its fault diagnosis, this paper bring forward an on line, distributed fault diagnosis framework model which is based on masters experience and with a neural network as its consequence core. Then the fault diagnosis model is discussed about its feasibility with advanced RAM technique. Through deeply analysis of masters thinking when they check or maintain a set of equipment, faults of an fixture can be located by viable knowledge and heuristic consequence method. They are fit for the neural network exactly. The method can use maters experience adequately, so it can reduce the work of the procedure and enhance the precision and the veracity of the result to great extent. This paper can be divided into five chapters as follows:
Chapter 1 summarized the development status of the diagnosis detection technology. Then introduced the composing structure and working principle of hydraulic excavators. At the end, introduced the significance and main content of this paper.
Chapter 2 is about dividing a hydraulic excavators in distribute way, and founded a fault model with hiberarchy. According with the comparing and analysis of all kinds of modern fault diagnosis method, technique and their applications, brought forward the whole scheme of diagnosis system.
Chapter 3 introduced the neural network model, which is the core of the diagnosis system. It is composed with nerve cell, structure of the network and the study arithmetic. And the definition of the threshold and authority is a important part of the neural network. The process and method to made a neural network is provided also.
Chapter 4 expatiated the software flow and flow chart of the expert fault diagnosis system for hydraulic excavator. Pivot on the consequence method, thats integrated with heuristic consequence and neural network
consequence way.
Chapter 5 introduced the characters and applications of ARM technique, it can be adopted in a carry-home fault diagnosis apparatus for hydraulic excavator. Then research flat roof - Embest IDE for ARM is introduced in brief. At last, brought the hardware design of this apparatus and made some feasible discuss.
Chapter 6 is an ending part. It summarized some innovative features in this papers, and the accomplished parts of this project. Then mentioned some advices and assumptions about the next step of the project.
引文
1．黄文虎，夏松波，刘瑞岩，设备故障诊断原理技术及应用，北京：科学出版社，1996．8
2．杨叔子，丁洪等，基于知识的诊断推理，北京：清华大学出版社，1993．12
3．吴今培，肖健华，智能故障诊断与专家系统，北京：科学出版社，1997．9
4．闻新，张洪钺，周露，控制系统的故障诊断和容错控制，北京：机械工业出版社，1998．2
5．周东华，叶银忠，现代故障诊断与容错控制，北京：清华大学版社，2000．6
6. Beard R V. Failure accommodation in linear systems through seIf—reorganization. Report MVT—71—1, Man Vehicle Lab, MIT, Cambridge, Massachusetts, 1971
7. Mehra R K, Peschon J. An innovation approach to fault detection and diagnosis indynamics. Automatica, 1971, 7: 637～640
8. Willsky A S. A survey of design methods for failure detection in dynamic systems. Automatica, 1976, 12: 601-611
9. Himmelblau D M. Fault detection and diagnosis in chemical and petrochemical process. Amsterdam: Elsevier Press, 1978
10. Gertler J J. Survey of model based Failure detection and isolation in complex plants. IEEE Control Systems Magzine, 1988, 8(6): 3-11
11. Frank P M. Fault diagnosis in dynamic systems using analytical and knowledge—based redundancy—a survey and some new results. Automatica, 1990, 26(3): 459～474
12. Isermann R. Fault diagnosis of machines via parameter estimation and knowledge processing—a tutorial paper. Automatica, 1993, 29(4): 815～835
13. Patton R et al(eds.). Fault diagnosis in dynamic systems. New York: Prentice Hall, 1989
14．张洪钺，闻新，周露。国内控制系统故障诊断技术的现状与展望。火力与指挥控制，1997，22(3)：1～6
15．周东华，孙优贤。控制系统的故障检测与诊断技术。北京：清华大学出版
社，1994
16．张育林，李东旭。动态系统故障诊断理论与应用。长沙：国防科技大学出版社，1997
17．周东华，王庆林．基于模型的控制系统故障诊断技术的最新进展，自动化学报，1995，21(2)：244—248
18．周东华，叶吴，王桂增，Ding X．基于观测器方法的故障诊断技术若干重要问题的探讨．自动化学报，1998，24(3)：338—344
19. Garcia E A, Frank P M. On the relationship between observer and parameter identification based approaches to fault detection. Proc. Of IFAC World Congress, 1996: 25～29
20. Frank P M, Ding X. Survey of robust residual generation and evaluation methods in observer—based fault detection systems. Proc. Cont., 1997, 7(6): 403～424
21. Vemuri A T, Polycarpou M M. Robust nonlinear fault diagnosis in input—output systems. Int. J. Control, 1997, 68(2): 343～360
22. Ye H, Wang G Z, Fang C Z. Application of wavelet transform to leak detection and location and location in transport pipelines. Engineering Simulation, 1996, 13: 1025～1032
23．李渭华，基于自适应信号处理的非模型故障诊断方法，[博士论文]，北京：清华大学，1994，4
24. Wang H. Fault detection and diagnosis for unknown nonlinear systems: a generalized framework via neural network. In: Proc Of IEEE Int. Con. On Intelligent Processing Sysdtems, 1997, 1506～1510
25. Patton R J et al. Fault diagnosis in nonlinear dynamic systems via neural network. IEE Conference Publication, 1994, 2(389): 21～24
26. Mihiar A, Isermann R. Neural—fuzzy systems for diagnosis. Fuzzy Sets and Systems, 1997, 89(3): 289～307
27．王庆海，液压挖掘机故障诊断专家系统的方案设计和推理方法研究，浙江大学硕士学位论文，2002
28．虞和济，侯广琳，故障诊断的专家系统，冶金工业出版社，1991，11月
第一版
29．郭坚毅．火箭布(扫) 雷车故障诊断技术及应用研究．中国人民解放军理工大学博士学位论文，2003．7
30. Balakrishnan, Karthik, Honavar, Vasant, Intelligent diagnosis systems. Journal of Intelligent Systems v 8 n 3—4 1998: 239～290
31．温熙森，徐永成，易晓山．智能理论在BIT设计与故障诊断中的应用．国防科技大学学报，1999，1(21)：97～101
32．何岭松，王峻峰，杨叔子．基于因特网的设备故障远程协作诊断技术．中国机械工程，1999，3(10)：336～338，24
33．赵翔，李著信，萧德云．故障诊断技术的研究现状与发展趋势．机床与液压，2002(4)，3-7，133
34．周东华．王桂增．故障诊断技术综述．化工自动化及仪表1998，25(1)：58-62
35．徐章遂，房立清，王希武，左宪章，故障信息诊断原理及应用，国防工业出版社，2000，7月
36．朱鲲鹏，韩凤琴，曾凡师．水轮发电机组故障诊断专家系统知识库的设计．水电能源科学 2001，19(4)，67-70
37．余涛，王晶，沈善德，朱守真，分布式水电机组故障诊断专家系统的研究，动力工程，2002，22(4)，1902-1907
38．杨廷勇，施冲，基于经验思维和逻辑思维的故障诊断专家系统，2002，22(10)．-24-27
39．江丽，甄少华，基于BP神经网络的液压系统故障诊断专家系统，机床与液压，2002(4)．-169-170，225
40．廖锐全，吴凌云，关治洪，基于神经网络的抽油机井井下故障诊断专家系统，2002，26(4)，457-459
41．范浩，肖明清，项海林，基于神经网络的故障诊断专家系统，现代电子技术，2002(9)．-29-31
42．郑剑铭，郑捷庆，秦德兴，基于神经网络技术的发动机故障诊断专家系统，福建水产，2002(3)．-106-110
43．徐伟杰，蔡智勇，万军，基于数据库的故障诊断系统知识管理方法，机械与
电子，2002(5)．-76-77
44．袁洪芳，江志农，FMS故障诊断专家系统知识获取子系统的开发，北京化工大学学报，2002，29(4)．-68-71
45．束洪春，孙向飞，司大军．电力变压器故障诊断专家系统知识库建立和维护的粗糙集方法．中国机电工程学报，2002，22(2)．-31-35
46．骆德汉、陈伟海，基于ANN的故障诊断专家系统的应用研究，北京航空航天大学学报，1998，24(5)．-611-614；
47．周龙，基于神经网络的模糊诊断方法及应用研究，2002(3)．-32-36
48．吴泉源、刘江宁编著，人工智能与专家系统，国防科技大学出版社，1996；
49．黎红生，何岭松，基于B/S的远程故障诊断专家系统研究，武汉工业大学学报，1999，21(4)．-39-41
50．史天运，王信义等．神经网络与模糊诊断专家系统结合的应用．北京理工学报．1998，1．-26-29
51．沈景泉，袁天鑫等译．人工智能与专家系统开发原理．上海交通大学出版社，1994
52．史济建，余瑞钊编著．专家系统实现技术．浙江大学出版社，1988
53．于海文，基于故障树分析法的故障诊断专家系统．北京控制工程研究所．中国空间科学，1998，18(1)．-37-44
54．樊博浩．液压挖掘机故障诊断专家系统的设计研究．浙江大学硕士论文，2000．1
55．方鹏，韩秋实．大型旋转机械故障诊断的专家系统框架．北京机械工业学院学报，1999，14(3)．-11-15
56．吴秀清，孔立，黄鹤．基于模糊神经网络的专家系统及应用．计算机研究与发展，1998，35(9)．-793-797
57．刘晓颖，桂卫华．复杂过程的集成智能故障诊断技术．自动化及仪表．2001．28(4)：16-18
58．李俭川，陶俊勇，胡茑庆，温熙森．基于贝叶斯网络的智能故障诊断方法．中国惯性技术学报．2002，10(4)．-24-28
59．谷立臣，张优云，丘大谋．基于神经网络的传感器故障监测与诊断方法研究．西安交通大学学报，2002，36(9)．-959-962
60．纪常伟、荣吉利、黄文虎，基于故障树模型的航天器故障诊断研究，宇航学报，1998, 19(1)．-60-66
61．陈维克、吴波、杨叔子、宋汉珍，一种在CAPP系统中嵌入基于范例推理的方法，华中理工大学学报，1996，24(11)．-18-21；
62．张登峰，王执铨，孙金生，控制系统故障诊断的理论与技术，数据采集与处理，2002，17(3)．-293-299
63．杨为．旋转机械状态监测与故障诊断方法的研究与实践．重庆大学汽车学院．硕士学位论文，1997
64．路华．中小型液压挖掘机液压系统故障诊断与消除．工程机械与维修．1998(1)．-39-39
65．董选明．鲁棒故障诊断及其在液压系统的应用研究．博士学位论文．北京航空航天大学．1999
66．王少萍，王占林．液压泵故障诊断的神经网络方法．北京航空航天大学学报．1997，23(6)．-714-718
67．袁洪芳，王信义等．基于Internet的FMS远程检测与故障诊断技术研究．制造业自动化．Vol．22(5)：E37-39
68．袁小宏，屈梁生．机械故障诊断中的信息融合利用问题研究．震动测试和诊断．1999，19(3)．-187-192
69．马建仓，吴启彬．小波—神经网络—模糊识别在旋转机械故障诊断中的应用研究．机械科学与技术．1999，18(3)．-459-462
70．张建华，候国莲．智能故障诊断集成系统的研究．现代电力．1998，15(4)．-40-43
71．张之敬．FMS设备在离线状态检测和故障诊断集成技术．机械与电子．1999(5)．-37-38
72．陈传波，魏棋．基于状态的在线故障诊断模型研究．计算机工程与应用，1999(9) 50—52，74
73．刘策群．浅谈工程机械液压系统故障诊断．工程机械．，1998，29(1)．-41-42
74．戴树合．液压系统的噪声分析与排除．工程机械与维修，1998(4)．-44-44
75．涂群章，龚烈航．液压系统漏油的监测．工程机械与维修，1999(3)．-78-78
76．倪善生，刘传文．工程机械液压系统故障预报及维修期确定．工程机械，
1998，29(5)．-36-38
77．战兴群，吴盛林，李国斌等．基于人工智能的液压系统故障诊断方法研究．机床与液压，1997(6)．-6-8
78．董选明，裘利华，王占林．液压泵的人工神经网络在线故障诊断系统．中国工程机械，1997，8(2)．-44-46
79. He YY, Chu FL, Zhong BL. A study on group decision-making based fault multi-symptom-domain consensus diagnosisRELIABILITY ENGINEERING &SYSTEM SAFETY 74(1): 43-52 OCT 2001
80. Chen WH, Liu CW, Tsai MS. Fast fault section estimation in distribution substations using matrix-based cause-effect networks. IEEE TRANSACTIONS ON POWER DELIVERY 16(4): 522-527 OCT 2001
81. Amann P, Perronne JM, Gissinger GL, et al. Identification of fuzzy relational models for fault detection. CONTROL ENG PRACT 9(5): 555-562 MAY 2001
82. A. S. Farag, M. Mohandes, and Ali Al-Shaikh. Diagnosing Failed Distribution Transformers UsingNeural Networks. POWER DELIVERY, VOL. 16, NO. 4, OCTOBER 2001
83. Meera Sampath Proceeding of the American Control Conference Arlington. A Hybrid Approach to failure Diagnosis of Industrial Systems. VA. 2001 June 25-27
84. M. Steinder, A. S. Sethi. End-to-end Service failure Diagnosis Using Belief Networks. Computer and Information Sciences Department Fiorenzo Filippetti, Giovanni Franceschini, Carla Tassoni, Peter Vas. Recent Developments of Induction Motor DrivesFault Diagnosis Using AI Techniques. INDUSTRJAL ECTRONICS, VOL. 47, NO. 5, OCTOBER 2000;
85. Jiirgen Herrmarm, Matthias Kloth, and Frank Feldkamp, "The role of exexplanations in an intellegent assistant system", Artificial Intelligence in Engineering, p 107-126, 1998;
86. Baydar N, Gu F & Ball A. Helical gear fault detection and diagnosis using a varying-time frequency distribution, Integrating Dynamics, Condition Monitoring and control for the 21st Century, 1999. 9 109～115
87. Vachhani P, Rengaswamy R, Venkatasubramanian V. A framework for
integrating diagnostic knowledge with nonlinear optimization for data reconciliation and parameter estimation in dynamic systems. CHEM ENG SCI 56(6): 2133-2148 MAR 2001
88. Ong SK, An N, Nee AYC. Web-based fault diagnostic and learning system. INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY, 18(7): 502-511 2001
89. Zedda M, Singh R. Neural-network-based sensor validation for gas turbine test bed analysis. P I MECH ENG I-J SYS 215(I1): 47-56 2001
90. Fong ACM, Hui SC. An intelligent online machine fault diagnosis system, COMPUTING & CONTROL ENGINEERING JOURNAL 12(5): 217-223 OCT 2001
91. Ruiz D, Canton J, Nougues JM et al. On-line fault diagnosis system support for reactive scheduling in multipurpose batch chemical plants. COMPUT CHEM ENG 25(4-6): 829-837 MAY 1 2001
92. Fong ACM, Hui SC. An intelligent online machine fault diagnosis system. COMPUTING & CONTROL ENGINEERING JOURNAL 12(5): 217-223 OCT 2001
93. Aminian F, Aminian M. Fault diagnosis of analog circuits using Bayesian neural networks with wavelet transform as preprocessor. J ELECTRON TEST 17(1): 29-36 2001
94. Booth C, Mcdonald JR, Mcarthur SDJ. Forecasting and prediction applications in the field of power engineering. JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS 31(1-3): 159-184 2001
95．李嘉，杨细福，嵌入式远程监控系统的开发，自动化仪表，2002，23(4)．-5-7
2．杨叔子，丁洪等，基于知识的诊断推理，北京：清华大学出版社，1993．12
3．吴今培，肖健华，智能故障诊断与专家系统，北京：科学出版社，1997．9
4．闻新，张洪钺，周露，控制系统的故障诊断和容错控制，北京：机械工业出版社，1998．2
5．周东华，叶银忠，现代故障诊断与容错控制，北京：清华大学版社，2000．6
6. Beard R V. Failure accommodation in linear systems through seIf—reorganization. Report MVT—71—1, Man Vehicle Lab, MIT, Cambridge, Massachusetts, 1971
7. Mehra R K, Peschon J. An innovation approach to fault detection and diagnosis indynamics. Automatica, 1971, 7: 637～640
8. Willsky A S. A survey of design methods for failure detection in dynamic systems. Automatica, 1976, 12: 601-611
9. Himmelblau D M. Fault detection and diagnosis in chemical and petrochemical process. Amsterdam: Elsevier Press, 1978
10. Gertler J J. Survey of model based Failure detection and isolation in complex plants. IEEE Control Systems Magzine, 1988, 8(6): 3-11
11. Frank P M. Fault diagnosis in dynamic systems using analytical and knowledge—based redundancy—a survey and some new results. Automatica, 1990, 26(3): 459～474
12. Isermann R. Fault diagnosis of machines via parameter estimation and knowledge processing—a tutorial paper. Automatica, 1993, 29(4): 815～835
13. Patton R et al(eds.). Fault diagnosis in dynamic systems. New York: Prentice Hall, 1989
14．张洪钺，闻新，周露。国内控制系统故障诊断技术的现状与展望。火力与指挥控制，1997，22(3)：1～6
15．周东华，孙优贤。控制系统的故障检测与诊断技术。北京：清华大学出版
社，1994
16．张育林，李东旭。动态系统故障诊断理论与应用。长沙：国防科技大学出版社，1997
17．周东华，王庆林．基于模型的控制系统故障诊断技术的最新进展，自动化学报，1995，21(2)：244—248
18．周东华，叶吴，王桂增，Ding X．基于观测器方法的故障诊断技术若干重要问题的探讨．自动化学报，1998，24(3)：338—344
19. Garcia E A, Frank P M. On the relationship between observer and parameter identification based approaches to fault detection. Proc. Of IFAC World Congress, 1996: 25～29
20. Frank P M, Ding X. Survey of robust residual generation and evaluation methods in observer—based fault detection systems. Proc. Cont., 1997, 7(6): 403～424
21. Vemuri A T, Polycarpou M M. Robust nonlinear fault diagnosis in input—output systems. Int. J. Control, 1997, 68(2): 343～360
22. Ye H, Wang G Z, Fang C Z. Application of wavelet transform to leak detection and location and location in transport pipelines. Engineering Simulation, 1996, 13: 1025～1032
23．李渭华，基于自适应信号处理的非模型故障诊断方法，[博士论文]，北京：清华大学，1994，4
24. Wang H. Fault detection and diagnosis for unknown nonlinear systems: a generalized framework via neural network. In: Proc Of IEEE Int. Con. On Intelligent Processing Sysdtems, 1997, 1506～1510
25. Patton R J et al. Fault diagnosis in nonlinear dynamic systems via neural network. IEE Conference Publication, 1994, 2(389): 21～24
26. Mihiar A, Isermann R. Neural—fuzzy systems for diagnosis. Fuzzy Sets and Systems, 1997, 89(3): 289～307
27．王庆海，液压挖掘机故障诊断专家系统的方案设计和推理方法研究，浙江大学硕士学位论文，2002
28．虞和济，侯广琳，故障诊断的专家系统，冶金工业出版社，1991，11月
第一版
29．郭坚毅．火箭布(扫) 雷车故障诊断技术及应用研究．中国人民解放军理工大学博士学位论文，2003．7
30. Balakrishnan, Karthik, Honavar, Vasant, Intelligent diagnosis systems. Journal of Intelligent Systems v 8 n 3—4 1998: 239～290
31．温熙森，徐永成，易晓山．智能理论在BIT设计与故障诊断中的应用．国防科技大学学报，1999，1(21)：97～101
32．何岭松，王峻峰，杨叔子．基于因特网的设备故障远程协作诊断技术．中国机械工程，1999，3(10)：336～338，24
33．赵翔，李著信，萧德云．故障诊断技术的研究现状与发展趋势．机床与液压，2002(4)，3-7，133
34．周东华．王桂增．故障诊断技术综述．化工自动化及仪表1998，25(1)：58-62
35．徐章遂，房立清，王希武，左宪章，故障信息诊断原理及应用，国防工业出版社，2000，7月
36．朱鲲鹏，韩凤琴，曾凡师．水轮发电机组故障诊断专家系统知识库的设计．水电能源科学 2001，19(4)，67-70
37．余涛，王晶，沈善德，朱守真，分布式水电机组故障诊断专家系统的研究，动力工程，2002，22(4)，1902-1907
38．杨廷勇，施冲，基于经验思维和逻辑思维的故障诊断专家系统，2002，22(10)．-24-27
39．江丽，甄少华，基于BP神经网络的液压系统故障诊断专家系统，机床与液压，2002(4)．-169-170，225
40．廖锐全，吴凌云，关治洪，基于神经网络的抽油机井井下故障诊断专家系统，2002，26(4)，457-459
41．范浩，肖明清，项海林，基于神经网络的故障诊断专家系统，现代电子技术，2002(9)．-29-31
42．郑剑铭，郑捷庆，秦德兴，基于神经网络技术的发动机故障诊断专家系统，福建水产，2002(3)．-106-110
43．徐伟杰，蔡智勇，万军，基于数据库的故障诊断系统知识管理方法，机械与
电子，2002(5)．-76-77
44．袁洪芳，江志农，FMS故障诊断专家系统知识获取子系统的开发，北京化工大学学报，2002，29(4)．-68-71
45．束洪春，孙向飞，司大军．电力变压器故障诊断专家系统知识库建立和维护的粗糙集方法．中国机电工程学报，2002，22(2)．-31-35
46．骆德汉、陈伟海，基于ANN的故障诊断专家系统的应用研究，北京航空航天大学学报，1998，24(5)．-611-614；
47．周龙，基于神经网络的模糊诊断方法及应用研究，2002(3)．-32-36
48．吴泉源、刘江宁编著，人工智能与专家系统，国防科技大学出版社，1996；
49．黎红生，何岭松，基于B/S的远程故障诊断专家系统研究，武汉工业大学学报，1999，21(4)．-39-41
50．史天运，王信义等．神经网络与模糊诊断专家系统结合的应用．北京理工学报．1998，1．-26-29
51．沈景泉，袁天鑫等译．人工智能与专家系统开发原理．上海交通大学出版社，1994
52．史济建，余瑞钊编著．专家系统实现技术．浙江大学出版社，1988
53．于海文，基于故障树分析法的故障诊断专家系统．北京控制工程研究所．中国空间科学，1998，18(1)．-37-44
54．樊博浩．液压挖掘机故障诊断专家系统的设计研究．浙江大学硕士论文，2000．1
55．方鹏，韩秋实．大型旋转机械故障诊断的专家系统框架．北京机械工业学院学报，1999，14(3)．-11-15
56．吴秀清，孔立，黄鹤．基于模糊神经网络的专家系统及应用．计算机研究与发展，1998，35(9)．-793-797
57．刘晓颖，桂卫华．复杂过程的集成智能故障诊断技术．自动化及仪表．2001．28(4)：16-18
58．李俭川，陶俊勇，胡茑庆，温熙森．基于贝叶斯网络的智能故障诊断方法．中国惯性技术学报．2002，10(4)．-24-28
59．谷立臣，张优云，丘大谋．基于神经网络的传感器故障监测与诊断方法研究．西安交通大学学报，2002，36(9)．-959-962
60．纪常伟、荣吉利、黄文虎，基于故障树模型的航天器故障诊断研究，宇航学报，1998, 19(1)．-60-66
61．陈维克、吴波、杨叔子、宋汉珍，一种在CAPP系统中嵌入基于范例推理的方法，华中理工大学学报，1996，24(11)．-18-21；
62．张登峰，王执铨，孙金生，控制系统故障诊断的理论与技术，数据采集与处理，2002，17(3)．-293-299
63．杨为．旋转机械状态监测与故障诊断方法的研究与实践．重庆大学汽车学院．硕士学位论文，1997
64．路华．中小型液压挖掘机液压系统故障诊断与消除．工程机械与维修．1998(1)．-39-39
65．董选明．鲁棒故障诊断及其在液压系统的应用研究．博士学位论文．北京航空航天大学．1999
66．王少萍，王占林．液压泵故障诊断的神经网络方法．北京航空航天大学学报．1997，23(6)．-714-718
67．袁洪芳，王信义等．基于Internet的FMS远程检测与故障诊断技术研究．制造业自动化．Vol．22(5)：E37-39
68．袁小宏，屈梁生．机械故障诊断中的信息融合利用问题研究．震动测试和诊断．1999，19(3)．-187-192
69．马建仓，吴启彬．小波—神经网络—模糊识别在旋转机械故障诊断中的应用研究．机械科学与技术．1999，18(3)．-459-462
70．张建华，候国莲．智能故障诊断集成系统的研究．现代电力．1998，15(4)．-40-43
71．张之敬．FMS设备在离线状态检测和故障诊断集成技术．机械与电子．1999(5)．-37-38
72．陈传波，魏棋．基于状态的在线故障诊断模型研究．计算机工程与应用，1999(9) 50—52，74
73．刘策群．浅谈工程机械液压系统故障诊断．工程机械．，1998，29(1)．-41-42
74．戴树合．液压系统的噪声分析与排除．工程机械与维修，1998(4)．-44-44
75．涂群章，龚烈航．液压系统漏油的监测．工程机械与维修，1999(3)．-78-78
76．倪善生，刘传文．工程机械液压系统故障预报及维修期确定．工程机械，
1998，29(5)．-36-38
77．战兴群，吴盛林，李国斌等．基于人工智能的液压系统故障诊断方法研究．机床与液压，1997(6)．-6-8
78．董选明，裘利华，王占林．液压泵的人工神经网络在线故障诊断系统．中国工程机械，1997，8(2)．-44-46
79. He YY, Chu FL, Zhong BL. A study on group decision-making based fault multi-symptom-domain consensus diagnosisRELIABILITY ENGINEERING &SYSTEM SAFETY 74(1): 43-52 OCT 2001
80. Chen WH, Liu CW, Tsai MS. Fast fault section estimation in distribution substations using matrix-based cause-effect networks. IEEE TRANSACTIONS ON POWER DELIVERY 16(4): 522-527 OCT 2001
81. Amann P, Perronne JM, Gissinger GL, et al. Identification of fuzzy relational models for fault detection. CONTROL ENG PRACT 9(5): 555-562 MAY 2001
82. A. S. Farag, M. Mohandes, and Ali Al-Shaikh. Diagnosing Failed Distribution Transformers UsingNeural Networks. POWER DELIVERY, VOL. 16, NO. 4, OCTOBER 2001
83. Meera Sampath Proceeding of the American Control Conference Arlington. A Hybrid Approach to failure Diagnosis of Industrial Systems. VA. 2001 June 25-27
84. M. Steinder, A. S. Sethi. End-to-end Service failure Diagnosis Using Belief Networks. Computer and Information Sciences Department Fiorenzo Filippetti, Giovanni Franceschini, Carla Tassoni, Peter Vas. Recent Developments of Induction Motor DrivesFault Diagnosis Using AI Techniques. INDUSTRJAL ECTRONICS, VOL. 47, NO. 5, OCTOBER 2000;
85. Jiirgen Herrmarm, Matthias Kloth, and Frank Feldkamp, "The role of exexplanations in an intellegent assistant system", Artificial Intelligence in Engineering, p 107-126, 1998;
86. Baydar N, Gu F & Ball A. Helical gear fault detection and diagnosis using a varying-time frequency distribution, Integrating Dynamics, Condition Monitoring and control for the 21st Century, 1999. 9 109～115
87. Vachhani P, Rengaswamy R, Venkatasubramanian V. A framework for
integrating diagnostic knowledge with nonlinear optimization for data reconciliation and parameter estimation in dynamic systems. CHEM ENG SCI 56(6): 2133-2148 MAR 2001
88. Ong SK, An N, Nee AYC. Web-based fault diagnostic and learning system. INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY, 18(7): 502-511 2001
89. Zedda M, Singh R. Neural-network-based sensor validation for gas turbine test bed analysis. P I MECH ENG I-J SYS 215(I1): 47-56 2001
90. Fong ACM, Hui SC. An intelligent online machine fault diagnosis system, COMPUTING & CONTROL ENGINEERING JOURNAL 12(5): 217-223 OCT 2001
91. Ruiz D, Canton J, Nougues JM et al. On-line fault diagnosis system support for reactive scheduling in multipurpose batch chemical plants. COMPUT CHEM ENG 25(4-6): 829-837 MAY 1 2001
92. Fong ACM, Hui SC. An intelligent online machine fault diagnosis system. COMPUTING & CONTROL ENGINEERING JOURNAL 12(5): 217-223 OCT 2001
93. Aminian F, Aminian M. Fault diagnosis of analog circuits using Bayesian neural networks with wavelet transform as preprocessor. J ELECTRON TEST 17(1): 29-36 2001
94. Booth C, Mcdonald JR, Mcarthur SDJ. Forecasting and prediction applications in the field of power engineering. JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS 31(1-3): 159-184 2001
95．李嘉，杨细福，嵌入式远程监控系统的开发，自动化仪表，2002，23(4)．-5-7