Diagnosztikai módszerek szakértői rendszer
Diagnosztikai módszerei műszaki tárgyakat - ezek azok az alapelvek alapján végezték, a keresés és a hibák felderítéséhez.
diagnózis módszerek nem lehet elszigetelten a média, amely megvalósul diagnosztikai eljárással. A legegyszerűbb módszer lehet végrehajtani utasítások formájában vagy ajánlások, amelyek szükségesek táblázatok, grafikonok, nomogrammokkal hullámforma kapott általánosítása tapasztalat, hogy értékelje a jelenlegi műszaki állapota az objektum, vagy azonosítani előfordulásának fejlesztési hibák alapján történő összehasonlítása diagnosztikai jellemzőit.
A legösszetettebb diagnózis módszereket igénylő végrehajtása számos számítások, matematikai modellezése a cél, mikor nagy mennyiségű információ hajtják végre áru hardver.
Jelenleg annak érdekében, hogy diagnosztizálják a tárgyak egyre inkább kezdik használni szakértői rendszerek (ES).
Szakértői rendszerek - a rendszer a mesterséges intelligencia, a tudás, a viszonylag szűk tartományban a felmerülő kihívásokra és lehetőségekre ötvözi számítógépes szakértői tudás olyan formában, amely kínál ésszerű tanácsot, vagy végezzen ésszerű megoldást a problémára. A legtöbb esetben ez a tudás szerveződik, mint a szabályok, amelyek lehetővé teszik, hogy következtetéseket levonni alapján az eredeti adatokat vagy feltételezéseket. Így a hagyományos számítási aránya „Algoritmusok + Adatok = Program” helyébe egy új architektúra, amely alapján a tudásbázis és következtetési szabályok ( „következtetés motor”) „Data + tudás + = Következtetés Expert System”.
ES hagyjuk felhalmozódni a tudásbázis általános tudás sok szakember nyert alapján éves tapasztalattal. Ez az érték a szakemberek, akik nem rendelkeznek még kellő tapasztalat és tudás terén a diagnózist és ezzel egyidejűleg arra szolgál, hogy javítsa az ismeretek a szakemberek.
ES nagyon hasznos a legnagyobb kaliberű szakemberek. Általánosan használt típusú ES párbeszédablakot kérdéseket kell megválaszolni, nem teszi lehetővé, hogy hiányzik néhány részletet, vagy egy adott viselkedést a gép, és téves következtetéseket annak állapotát.
Diagnosztikai módszerei valahogy csökkent kimutatási módszereket a hibák képek. Mindezekkel módszereket használni a különböző egyedi megközelítést, vagy valamilyen kombinációja a következő megközelítések:
Azonnal meg kell jegyezni, hogy bár a megosztottság ezek a megközelítések teljesen ésszerű, de a határok között gyakran nagyon önkényes.
A determinisztikus megközelítés alapján objektív törvény kapcsolatok és az okozati összefüggés minden jelenség lehetővé teszi, hogy építeni bizonyos kellően merev áramköri (argumentum fa), amely csökkenti a folyamat meghatározása a hiba, hogy mozgassa a gyökér a végső diagnosztikai ágak révén a több csomópontot, amelyek meghatározzák a mozgás irányát függően jelenlétében vagy hiányában jel.
Az egyik módja annak, hogy javítsa a determinisztikus megközelítés, hogy létrehozzon egy mátrix rendszer, ahol a jellemzők kombinációja megfelel egy adott hiba.
Diagnosztikai mátrix egy táblázat, amely vonal, például van egy hiba (diagnózisok) és oszlopok diagnosztikai funkciók. A kereszteződésekben a diagnózisok és tesz egy védjegy vagy megjelölés a jelenléte vagy hiánya a hiba egy adott funkció vagy marker a változás természetét, jellemző egy adott hiba (például nő, csökken, vagy változatlan marad).
További kísérletek, hogy javítsa a mátrix módszer, hogy csökkentsék bármilyen jelét szétválasztása a bázikus és nem-core, vagy hogy a használata a „mérlegelésének bizonyítékok.” Az első esetben a véletlen a fő jellemzői elengedhetetlen a diagnózis a hiba, és a megállapodás, a kisebbségi jeleket úgy tűnt, hogy a diagnózis megerősítésére. A második esetben a mátrix elemei vannak input néhány számot, vagy a pontszámokat a súlyozási együtthatók, amelyek figyelembe veszik a hozzájárulás mértékét egy adott funkció különösen tárgyfelismerés. A következtetést a legvalószínűbb hibák számítás alapja egy általános képletű (funkciója minőség). Egyértelmű, hogy a kinevezését az érték a súlyozó tényezők, mindig van egy nagyfokú szubjektivitás.
A statisztikai megközelítés alapján létre egy átlagos hiba képet és összehasonlítása módszerek (előnyösen helyes) kép illő meglévő átlagos hiba és. Annak ellenére, hogy a látszólagos objektivitás statisztikus fizika módszer fejlesztési folyamat a hiba és annak megnyilvánulása az idő múlásával az útszélen. Meg kell jegyezni, hogy a statisztikai módszerek is nehéz, mert a különleges és egyedi berendezések kellően ritka előfordulása hibák nehéz, hogy egy reprezentatív mintát.
A valószínűségi megközelítés minden bizonnyal alapul megjelenése egy attribútum egy adott hiba statisztika, mégis lehetővé teszi a véletlen és a különböző jelek, jellemző ez a hiba. Ez így sokkal kevésbé kritikus a minta reprezentativitása.
Az egyik legnépszerűbb valószínűségi megközelítés egy kidolgozott módszert R.Bayesom. A lényege ennek a módszernek abban a tényben rejlik, hogy minden kinyújtott helyzetben van, akármilyen kicsi is legyen az, a priori valószínűsége annak, hogy ez a helyzet igaz. Bayes-tétel és a formula lehetővé teszi, az a priori valószínűség és néhány adat megerősíti a kinyújtott helyzetben számítani az új érték a valószínűsége, hogy a valódi helyzet (utólagos valószínűség). Minél több támogató bizonyíték, annál nagyobb a valószínűsége, hogy az igazság a kinyújtott helyzetbe.
Szakértői diagnosztikai rendszer, amely alapján a Bayes-tétel egy speciális tudásbázis, amely három részből áll.
Az első rész van tárolva ismerete hibák (abban az esetben, turbina beállítani, vagy egy másik műszaki objektum), mint az elemek egy csoportját N, P, n ,, ahol H - a hiba nevét, p - a priori valószínűsége, hogy a hiba, n - száma vonások, amelyek lehetnek használható akár jelek, megerősíti jelenlétét a hiba, akár jelek, ellentétben ezt a hibát. Továbbá van egy szám tripletek (három-elem mezők) mindegyikének megfelelő említett attribútumok (n). Az első elem a minden egyes triplet a hivatkozási jellemző szám (j). A második elem a hármas (p +) - a valószínűsége, hogy ez a karakter figyelhető egy adott hiba. A harmadik elem (p -) - a valószínűsége, hogy ezt a jellemzőt hiányában megfigyelt a hiba.
A priori valószínűség (p) előfordulási való hiba alapján van meghatározva korábban rendelkezésre álló adatok előfordulási gyakorisága ilyen hiba egy adott objektum típusát, például turbinák adott típusú vagy osztály tárgyak közeli, például távfűtési turbina említett kezdeti paramétereket.
Kezdeti értékek valószínűségek p + p - képződnek alapján a tudás és a megértés az egyes szakértők - szakemberek a szakterületen, vagy szintetizálása objektív adatokat.
A második rész a tudásbázis információkat tartalmaz azon az alapon. Alatt megfelelő hivatkozási számot felsorolja az összes használt funkciókat diagnosztizálására hibák, és a kérdések, amelyekre a választ megerősíti vagy cáfolja a kifejezés az említett tulajdonság, például „rezgés függő változása a terhelés”, „Vajon a gép vibrációját változtatásával elektromos terhelés?”.
A harmadik rész a tudásbázis kerülnek ajánlásokat és tippeket, hogyan lehet a válasz erre a kérdésre, a felhalmozott tudásbázis, vagy hogyan, hogy egy shotgun kísérletet, hogy egy objektív választ.
Bayes képlet erre jelöléssel a következő:
ahol P (H, E) - N posteriori valószínűségi események (ebben az esetben, hiba) jelenlétében bizonyítékok E (tulajdonság).