● 摘要
随着计算机网络通信技术的发展，远程故障诊断技术逐渐成为故障诊断领域的一个新的发展方向。现有的远程故障诊断的研究中，相当一部分实现的只是单一诊断方法从“现场”到“异地”的远程通讯问题，而在集成、协同、智能等层面的研究工作相对表现不足。如诊断知识缺乏标准化，无法共享诊断资源，测试系统与诊断系统不能有效的协同工作。针对上述问题，本文在测试诊断系统的协同、诊断知识标准化、诊断推理机的组件化设计等方面展开研究，并开发了远程故障诊断系统的软件平台。 本文的主要研究内容如下： 1、研究如何实现故障诊断系统与自动测试系统的有效协同工作。首先为故障征兆建立诊断模型，诊断模型描述了测试与诊断之间的映射关系，然后通过执行测试并评估测试结果来获取诊断结论，这样能更有效的获取故障信息，更精确的定位故障。2、基于AI-ESTATE标准设计诊断知识库，实现了诊断知识的标准化、诊断资源的共享和重用。针对AI-ESTATE标准诊断模型有限只能用于确定性推理的不足，对AI-ESTATE标准进行扩展，建立了贝叶斯网络模型和模糊推理模型。首先根据具体设备环境建立诊断实体文件，然后根据测试与诊断之间的映射关系建立诊断模型文件。诊断实体文件和诊断模型文件均采用XML文件数据格式，具有跨平台和面向网络服务的优点。3、利用DCOM组件技术设计诊断推理机，定义了诊断推理机的接口和服务，实现诊断知识与诊断推理机的分离，测试与诊断的分离，使诊断推理机易于移植和复用。诊断推理机解析诊断模型文件，调用相应的推理算法进行故障诊断，记录测试步骤和相关测试诊断信息生成报告，最后返回诊断结论。4、综合运用多种人工智能算法提高系统故障诊断的能力和范围。本文采用决策树、信息流模型、贝叶斯网络、模糊推理四种诊断方法进行故障诊断或通过最大信息熵算法优化测试序列，利用改进D-S证据理论实现诊断信息的自动融合，并实现了故障的级联诊断。