可视化智能机械故障诊断系统的研究

运用模糊神经网络推理技术,结合传统的振动信号谱分析方法,设计了可视化智能机械故障诊断系统软件。采用面向对象技术,在Ｗｉｎｄｏｗｓ环境下使用面向对象的编程语言Ｂｏｒｌａｎｄ Ｃ＋＋４．５开发了系统软件。具体介绍了该系统的组成,功能衣特点,给出了齿轮箱诊断实例。     

农村沼气综合利用工程专家系统设计

应用专家系统的基本原理,设计、构建了Web环境下农村沼气综合利用工程专家系统。该系统包含沼气发酵资源概述、沼气设备安装与使用、沼气综合利用工程、沼肥综合利用工程和知识库管理5个主要模块。对系统的总体结构、知识库和推理机进行了设计,并给出了系统运行示例。系统通过ASP发布在网上,以期代替高级沼气工程专家实现远程故障诊断、信息咨询、决策支持和技术服务等功能。     

基于Web的榨菜生产专家系统

利用Internet下的人工智能技术,将重庆涪陵榨菜的种植栽培经验和生产加工工艺集成,建立了基于Web的榨菜生产专家系统.该系统包括榨菜品种的适应性、栽培管理、病虫害诊断与防治、加工工艺等模块.采用Asp网络语言、Access数据库技术和Html可视化程序语言设计了推理机,构建了知识库,开发了信息操作窗口.该系统首次在榨菜生产中应用,对扩大涪陵榨菜生产技术的共享范围具有重要意义.     

数据挖掘在柴油机智能故障诊断系统中的应用

为了提高柴油机故障智能诊断的水平,解决应用传统的专家系统所出现的获取知识困难的问题,应用数据挖掘的原理,论述了柴油机智能故障诊断系统的设计思想、总体结构。将数据挖掘与专家系统有机地结合起来,设计了新的智能诊断系统的总体结构,从用户积累的大量故障数据中自动获取有用的知识,扩充知识库,有效地解决了知识自动获取“瓶颈”问题。     

农业病虫害在线诊断技术试验研究

介绍了农业信息技术的研究现状,指出了农业病虫害在线诊断系统功能,包括智能诊断查询、专家在线诊断、农业知识相互交流的平台等方面;分析了农业病虫害在线诊断系统特点,提出了农业病虫害在线诊断系统应用前景。     

饲料机械故障诊断专家系统的实现及应用

针对大多数饲料企业故障诊断专家缺乏、加工设备管理落后的问题,设计开发了饲料机械故障诊断专家系统.该系统模拟专家的诊断思路和方法,利用Visual Basic,Access,Authorware,Photoshop,Autocad等软件进行编程.该系统主要由故障诊断、知识库管理、信息查询模块组成.结果表明:该系统充分体现诊断专家的特点,使用户通过人机对话的形式快速地找出故障原因、进行知识库维护和信息查询.     

基于神经网络的农机液压系统故障诊断专家系统

随着农机液压系统的功能越来越多、结构越来越复杂,加上农业机械的工作环境较为恶劣,其发生故障的几率也将随之增多.为此,根据农机液压系统故障的特点,应用专家系统原理和面向对象的设计方法,设计了一种基于BP神经网络的农机液压系统故障诊断专家系统,阐述了该专家系统的基本结构,以及知识库、推理机和解释机的实现方法.该系统充分发挥了神经网络在处理复杂非线性关系时的优点,大大提高了农机液压系统故障诊断的效率和准确率.     

基于专家系统和稀疏编码的农机液压系统故障诊断

针对农业机械液压系统故障诊断问题,提出一种基于专家系统和稀疏编码的故障诊断模型。分析农业机械液压系统的元件故障和系统故障,构建故障诊断专家系统,并设计适合于农业机械液压系统故障诊断的知识库和推理机。为进一步提高故障诊断专家系统的诊断准确性,设计基于稀疏编码的故障诊断,将稀疏编码故障诊断结果与专家系统进行融合,提高诊断准确性。试验结果表明,农机液压系统故障诊断专家系统准确性可达85%以上,经过稀疏编码融合后,故障诊断准确率可以提升至91%以上。该模型符合故障诊断要求,为农机液压系统的故障诊断提出新的思路。     

平面凸轮智能设计制造系统研究与开发

提出了平面凸轮智能设计制造系统的组成结构,研究了智能设计模块的主框架、知识库和推理机等模块的设计原理,分析了仿真模块和自动编程模块的设计思路和功用,以编程工具VisualC 6.0,编制了大量源程序实现了整个系统。本系统将平面凸轮的设计、仿真和制造集成一体,可以较好地实现数据共享,提高了设计和制造的工作效率,有效降低了制造成本,有较强的实用性。     

机械设备故障智能诊断技术研究

机械故障智能诊断技术应用涉及内容广泛,各项智能诊断技术实际针对性及诊断方向略有不同,需要科学配置智能故障诊断处理方案,以提高机械故障智能诊断结果有效性。本文以机械设备故障智能诊断技术应用为核心,对其技术概念及技术诊断方式等做深入分析,以此为机械设备故障智能诊断技术的合理运用提供理论性参考建议。     

基于VB6.0的电子设备故障诊断专家系统研究

介绍一种基于VB的电子设备故障诊断专家系统。该系统包含可扩充的知识库和严密的推理机,用户只需在人机交互界面上选择输入详细的故障现象,系统就可以正确判断出故障原因,给出相应的解决措施,且其知识库具有可维护性和可扩充性。     

蔬菜病虫害诊断专家系统的开发

主要介绍了蔬菜病虫害诊断专家系统的开发过程,专家系统主要包括人机界面、知识库、解释机制、控制系统、推理机和神经网络等几大模块。在创建知识库的过程中,使用了数据挖掘技术,推理机推理过程中使用了AOP技术,知识获取中引入了神经网络技术。蔬菜病虫害诊断专家系统的成功开发及投入使用,借助领域专家的知识和经验帮助农民及时诊断病虫害的种类并及时给出防治措施,避免或降低了农民的经济损失,深受农民的好评。     

模糊神经网络在农用机械故障诊断中的应用

根据农用机械的功能原理、组成结构和现场的实际经验,结合神经网络的学习能力及模糊推理能力构建出农用机械故障诊断系统.该系统具备了神经网络的自学习能力和模糊理论处理不确定信息的能力.通过仿真和实验结果表明,该系统能有效地进行农用机械样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性,有利于农用机械的故障诊断.     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

稻麦收获机械选型决策支持系统的开发

以农业智能系统PAID4.0为平台,研究开发稻麦收获机械选型的决策支持系统。该决策支持系统由5大部分组成,包括用户界面(人机会话系统)、智能决策模块、数据库及其管理系统、知识库及其管理系统和数据查询模块。将计算机技术和稻麦收获机械选型的专家经验知识相结合,在综合考虑功率和可靠性等因素的前提下给出备选机型,计算单位作业成本,为用户提供决策支持。应用举例表明,该系统操作方便,选型结果可靠性较高。     

农业机械液压系统故障诊断专家系统的研究

根据农业机械液压系统故障的特点,应用人工智能专家系统原则和面向对象的程序设计方法,以ＢｏｒｌａｎｄＣ＋＋４．５语言,开发了农业机械液压系统故障诊断专家系统软件。该系统采用了“规则＋故障树”的知识表示方法、正向推理策略和不精确推理模型,并备有诊断过程的解释和知识库的交互式知识获取等功能。     

农业气象智能咨询系统的设计

针对我国农业气象领域信息技术的发展现状,利用农业气象信息和农业专家知识,以玉米、小麦、棉花、大豆、桃、葡萄、西瓜、大白菜、黄瓜以及西红柿为对象,研究推理机、数据库、知识库以及模型库等,开发了10种区域性农业气象智能咨询系统,实现了向用户提供相应的生产管理、病虫害预报及防治等方面的科学决策方案,有效地降低气象条件对农业生产管理的影响,从而提高农业生产管理全过程的信息化水平,加快农业现代化建设步伐。     

知识库系统在甘蔗收获机械智能设计系统的应用

知识库系统是智能设计系统的核心部分.为此,从知识库系统的实用性及甘蔗收获机设计知识本身的特点出发,提出了知识库系统的总体结构,论述了知识库系统各模块的主要功能,提出了甘蔗收获机设计知识的表示方法以及随着知识库系统的发展而采用的不同知识获取方法.在此基础上,以VC 为程序设计语言完成了甘蔗收获机械智能设计系统的知识库系统.     

设施作物病虫害信息检索与辅助诊断系统

随着设施农业的快速发展,设施作物病虫害的发生和危害也日益突出,生产上需要对其进行识别、诊断和信息查询。基于Windows平台,采用Delphi开发了设施作物病虫害信息检索与辅助诊断系统(IRADS-PCP)。该系统提供了一个开放的树形结构知识库,用于管理设施作物病虫害信息,实现对这些信息不同方式的检索查询和管理功能;通过集成病虫害检索表管理工具,可实现对设施作物病虫害的辅助诊断功能。这一系统的开发和推广应用将有助于设施作物病虫害的识别与防治。     

基于Android的玉米病虫害机器视觉诊断系统研究

为了使农业智能诊断系统更加廉价、便捷,有效地为普通农户服务,提出了一种基于Android手机的农业病虫害智能诊断系统。该系统使用Android智能手机对玉米病虫害部分进行图片拍摄,并将图像利用无线网上传至Web服务器,利用分割和匹配算法对病虫害部分进行智能化分析,最终将结果传输到手机用户端。为实现图像匹配的特征点提取,采用高斯差分的方法对图像进行分割和精确定位,使用聚类算法对匹配效果进行优化,并利用特征点的无限逼近,完成病虫害图像的匹配,从而诊断病虫害的类型。上传后的图像和Web服务器的规则库的图像进行匹配后可以生成病虫害的匹配结果信息,该信息可以通过Android智能系统接收,最终反馈给农户的手机客户端。通过测试发现:玉米病虫害诊断系统可从多幅图像里有效地对病虫害类型进行匹配,匹配成功率较高,系统的稳定性较好,具有很好的推广前景。