位置:成果数据库 > 期刊 > 期刊详情页
基于CBR和RBR混合推理的齿轮箱智能诊断技术
  • ISSN号:0254-0037
  • 期刊名称:北京工业大学学报
  • 时间:0
  • 页码:1174-1180
  • 语言:中文
  • 分类:TP271.31[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]北京工业大学北京市先进制造技术重点实验室,北京100124
  • 相关基金:国家自然科学基金资助项目(50705001).
  • 相关项目:间歇性低速重载设备微弱特征提取与早期故障诊断研究
中文摘要:

针对传统齿轮箱智能诊断系统获取知识的困难,提出了基于案例(case-based reasoning,CBR)和规则(rule-based reasoning,RBR)混合推理方式的智能诊断技术.在研究此2种推理技术优缺点的基础上,取长补短,合理地将其应用到轧机齿轮箱故障诊断工作中,提高了故障诊断的准确率和效率.针对传统案例检索中相似度算法的不足之处,提出了一种新的案例检索算法,有效地解决了传统的相似度算法检索案例不准确的问题.

英文摘要:

Due to the difficulty of knowledge accessing in traditional gear-box intelligent diagnosis system, a diagnosis technology based on CBR (Case-based Reasoning) and RBR (Rule-based Reasoning) hybrid method was proposed in this paper. On the basis of analyzing the advantages and disadvantages of the two methods, the combination of the reasoning technologies was utilized in fault diagnosis of gearbox of rolling mills. As a result, the accuracy and efficiency of fault diagnosis were improved greatly. Due to the shortage in similarity algorithm in traditional retrieval, a new case retrieval algorithm was proposed. Therefore, the problem of inaccuracy in traditional similarity algorithm was solved effectively.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《北京工业大学学报》
  • 中国科技核心期刊
  • 主管单位:北京市教委
  • 主办单位:北京工业大学
  • 主编:卢振洋
  • 地址:北京市朝阳区平乐园100号
  • 邮编:100124
  • 邮箱:xuebao@bjut.edu.cn
  • 电话:010-67392535
  • 国际标准刊号:ISSN:0254-0037
  • 国内统一刊号:ISSN:11-2286/T
  • 邮发代号:2-86
  • 获奖情况:
  • 中国高等学校自然科学学报优秀学报二等奖,北京市优秀期刊,华北5省市优秀期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:11924