3.2基于集成的詧能故陣诊断系统
　　根据上面的分析，依靠单一智能技术的故障诊断系统都有各自的优缺点，难以满足工程机械等复杂系 统诊断的全部要求，因此，将多种不同的智能技术结合起来的集成智能诊断系统是工程机械故障诊断研究 的一个发展趋势.当前进行的集成主要有基于规则的专家系统与神经网络的集成、基于实例的推理(CBR) 与基于规则系统和神经网络的集成、信息融合与神经网络的集成、小波分析与神经网络的集成、模糊逻辑 与神经网络和专家系统的集成等.而神经网络与专家系统集成智能故障诊断系统将是工程机械故障诊断 技术的一个重要发展趋势.神经网络与专家系统的集成主要有两种策略:①将专家系统构成神经网络，把 传统专家系统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并利用其学习能 力解决专家系统的学习问题;②将神经网络视为一类知识源的表达与处理模型，与其他知识表达模型一 起去表达领域专家的知识.
　　3.3基于网络的智能故陣诊断系统
　　现代大规模基础设施建设是由多品种、多数量工程施工机械、施工机群协同作业的生产过程.施工企 业在追求效率和施工成本的基础上，对设备运行的安全性、可靠性提出了越来越高的要求.现有工程机械 故障诊断方法,比如电子监测器方式、便携式微机的形式、工程机械检测维修车方式等，虽然在一定程度上 解决故障问题，但这些方式主要是针对单机,且不能实现管理者对设备状态的在线监视，现场管理者缺乏 机群设备状态的第一手资料,难以实现对施工机群进行科学的管理和实时调度.因此有必要寻找一种经 济、可靠、易实现的方法来实时地监测施工机械的运行状态,及时发现故障，及时处理，保证施工有效地进 行.而基于网络的智能故障诊断系统则是以工程机械机群为主要研究对象，结合工程机械施工机群的施工 特点和单机设备的结构特点，通过网络对施工机群实施在线状态监测与故障诊断，判断故障原因,提供维 修处理意见;评定故障类型及故障严重程度，为机群设备状态分析提供依据;预测停机维修时间，为机群动 态施工调度提供依据.系统的基本结构可如图2所示.
　　4结论
　　基于网络的集成智能故障诊断系统是一种以分布式网络技术和多媒体技术为支撑系统,以基于实例、 规则和人工神经网络模型的多种故障诊断模型耦合为核心和基础，集信号测试与处理及识别诊断于一体 的综合集成智能故障检测诊断系统，它非常适合处理工程机械故障诊断中由于工程机械结构的复杂性、施 工载荷的不确定性、工作环境条件的恶劣性等因素所带来的负面影响,因而是工程机械故障诊断技术领域 的重要发展方向.
　　参考文献：
    [1] 丁玉兰,石来德.机械设备故障诊断技术[M].上海:上海科学技术出版社，1993.
　　[2] 徐敏,黄邵毅.设备故障诊断手册[M].西安:西安交通大学出版社,1998.
　　[3] 虞和济,陈长征，张省，等.基于神经网络的智能诊断[M〕.北京:冶金工业出版社,2000.
　　[4] 张正松.旋转机械振动监测与故障诊断[M].北京:机械工业出版社,1991.
　　[5] 钟秉林，黄仁.机械故障诊断学[M].北京:机械X业出版社，1997.
　　[6] 杨叔子，丁洪,史铁林，机械设备诊断学的再探讨[J].华中理工大学学报,1991(8):1-7.
　　[7 ] Gabor D. Theory of communication[J]. Proc IEEE, 1946,93:42 - 45.
　　[8 ] Potter R K,Kopp G,Green H C. Visible speech[M]. New York： Van Nostrand, 1947.
　　[9 ] Ville J. Theorie et applicstions de la notion de signal analytique[J]. Cables et Transmission, 1948, (2A) ；6l -74.
　　[10] 牛占文，王树新,郑尚龙.机群智能化工程机械故障诊断系统研究[J].机械科学与技术,2003,122,(6):999-1002.
　　[11] Huang N E'Zhen Shen, Long S R,et al. The empirical mode decomposition and the hilbert spectrum for nonlinear and non - stationary time series analysis[J ]. Proc Royal Society Lond, 1998,454A ： 903 - 995.
　　[12] Cohen L.Time-frequency distributions-a review[J]. IEEE Pnx: July, 1989,77(7)； 941 -981.
　　[13] Rbul O, Flandrin P. Time-scale energy distributions： A general class extending wavelet transtoims[ J]. IEEE Trans SP, 1992,40(7) ： 1746 -1757.
　　[14] Alexander S Thomas. A method for recursive least squares filtering based upon an inverse qr decomposition[j]. IEEE Transactbn on Signal Processing, 1993. (l)：2〇-30.
　　[15] Auger F, Flandrin P. Improving the readability of time-frequency and time-scale representations by the reassignment method [ J ]. IEEE Trans SP, 1995, 43(5) ： 1746 - 1757.
　　[16] 王奉涛,马孝江.智能故障诊断技术综述[J].机床与液压,2003,(4):6-8.

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。