题目：基于神经网络的船舶主机故障诊断专家系统研究

主机是船舶的心脏，对其故障的诊断一直是船舶维护的重中之重。随着现代工业技术的发展，对船舶主机的智能故障诊断技术的研究需求也越显突出。人工神经网络与专家系统是人工智能领域的两大基础理论，将这两者结合起来应用于故障诊断领域是当前的研究热点之一。现代船舶主机是一套非常复杂的机械、电子、油气系统，故障源繁多，诊断难度高。本文在充分研究了主机结构的基础上，参照故障树分析法，对主机所包含的各类设备及其关联的故障进行层次化划分，以此建立了树状的知识管理体系，为其智能故障诊断奠定了知识基础。神经网络与专家系统有非常好的互补性，两者的结合方式常见的有串行式和并行式，但是都存在一定程度的缺陷。针对故障诊断的特殊要求，本文设计了一种混合式的神经网络专家系统结构，该结构将神经网络作为系统推理机的核心部分，而传统的知识推理则处于辅助地位，通过两者有效的协作，保证诊断推理的实时性和可靠性。针对神经网络的诊断结果，本文提出了一种基于多维空间欧氏距离的判定方法，全面利用了神经网络输出向量的信息，避免了通常的一维数据判定造成的信息丢失的弊端。同时，以实验为基础，文章深入讨论了可能出现误判的两种情况，部分否定了距离最近原则的模式判别方法，从而建立了神经网络诊断可靠性的评价标准，并以此作为知识推理机启动的触发条件。根据主机故障诊断的实际情况，本文给出了神经网络拓扑结构设计和数据预处理的基本方法，提出了基于关系数据库的故障知识库设计策略，明确了神经网络专家系统的诊断流程和知识推理流程。在JAVA语言和Matlab等工具软件的基础上，本文实现了系统原型，并以主机增压子系统故障数据为例，进行了诊断测试。实验表明混合式的神经网络专家系统在船舶主机故障诊断领域具有可行性和可用性，对工程应用有一定的参考价值。