人工智能試題20xx(完整版)
【正文】 推理，必要時(shí)還可以隨時(shí)調(diào)用各種應(yīng)用程序，運(yùn)行過程中向用戶索取必要的信息后，可快速地找到最終故障或最有可能的故障，再由用戶來證實(shí)。(4)推理機(jī)根據(jù)獲取的信息綜合運(yùn)用各種規(guī)則，進(jìn)行故障診斷，輸出診斷結(jié)果。但是,對(duì)于復(fù)雜系統(tǒng),所觀測(cè)到的癥狀與對(duì)應(yīng)的診斷之間的聯(lián)系是相當(dāng)復(fù)雜的,通過歸納專家經(jīng)驗(yàn)來獲取規(guī)則有著相當(dāng)?shù)碾y度,且診斷時(shí)只能對(duì)事先預(yù)想到的并能與規(guī)則前提匹配的事件進(jìn)行推理, 存在知識(shí)獲取的瓶頸問題?；谌斯ど窠?jīng)網(wǎng)絡(luò)的專家系統(tǒng)在知識(shí)表示、知識(shí)獲取、并行推理、適應(yīng)性學(xué)習(xí)、理想推理、容錯(cuò)能力等方面顯示了明顯的優(yōu)越性。因此,人們正試圖研究符號(hào)推理與數(shù)值推理相結(jié)合的集成式智能診斷系統(tǒng),以期能更好地模擬人類的思維過程?；谀：评淼脑\斷存在的主要問題在于模糊診斷知識(shí)獲取困難,尤其是故障與征兆的模糊關(guān)系較難確定,且系統(tǒng)的診斷能力依賴模糊知識(shí)庫,學(xué)習(xí)能力差, 容易發(fā)生漏診或誤診。3故障診斷專家系統(tǒng)發(fā)展方向( 1) 基于多種模型結(jié)合的診斷專家系統(tǒng)。同時(shí), 由于故障源的不確定性和時(shí)發(fā)性,導(dǎo)致異地診斷和遠(yuǎn)程診斷的需求不斷增加。( 3) 實(shí)時(shí)診斷專家系統(tǒng)?，F(xiàn)有的各種模型都具有各自優(yōu)勢(shì)和特點(diǎn),同時(shí)它們各自也存在著局限性,各種模型具有各自適用的領(lǐng)域。 基于事例的診斷專家系統(tǒng)基于事例的推理是利用以事例形式表示的以往求解類似問題的經(jīng)驗(yàn)知識(shí)進(jìn)行推理,從而獲得當(dāng)前問題求解結(jié)果的一種推理模式。模糊產(chǎn)生式規(guī)則是將傳統(tǒng)產(chǎn)生式規(guī)則“ IF條件TH EN動(dòng)作(或結(jié)論)”進(jìn)行模糊化,包括條件模糊化、動(dòng)作或結(jié)論模糊化等。目前,基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)已成為研究的熱點(diǎn),已經(jīng)應(yīng)用于在線故障診斷、引擎自動(dòng)管理系統(tǒng)、軍艦動(dòng)力系統(tǒng)故障診斷等方面。相比基于規(guī)則的診斷專家系統(tǒng),這種診斷方式能夠處理預(yù)先沒有想到的情況,并且可能檢測(cè)到系統(tǒng)存在的潛在故障。2故障診斷專家系統(tǒng)分類根據(jù)知識(shí)組織方式與推理機(jī)制的不同,可將目前常用的故障診斷專家系統(tǒng)大致分為基于規(guī)則的診斷專家系統(tǒng)、基于模型的診斷專家系統(tǒng)、基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)、基于模糊推理
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1