企业资产管理(ppt 69)

理论基础-模糊理论
论域U，集合A，元素x
• 整数，正数，1
论域U，集合A，元素x
• 所有年龄，中年人，某年龄
隶属度 A(x)[0,1]
2
¦Ì 1.8
1.6
1.4
中年
1.2
老年
1
0.8
0.6
0.4
0.2
Äê Áä
0 10 20 30 40 50 60 70 80 90 100
理论基础-专家系统
系统实现-设备状态
隶属度曲线
1.2
̦ 1 不良
0.8 0.6 0.4 0.2
0
注意
-5 -4.5
-4 -3.5
-3 -2.5
-2 -1.5
-1 -0.5
0 0.5
1 1.5
2 2.5
3 3.5
4 4.5
5来自百度文库
一般
良
X
系统实现-设备状态量
状态量：指反映 状态量ID
设备状态的技术
状态量名 状态量来源
系统实现-状态量与试验项目
试验项目
运行信息
状态量
系统实现-设备性能指标
每个状态量都反映了设备的某项或几项 性能指标
根据设备类型，可将设备的性能划分为 几项通用的指标。
例：对变压器，分为导电性能、绝缘性 能和机械性能。
系统实现-状态量反映性能指标 的关系
每一个状态量都是有意义的，如直流电阻是为了判断 分接开关的烧蚀情况。反映的是导电性能。因此对每 一个状态量，应确定它对三大指标的隶属程度。相当 于对每个状态量建立如下的表：
网络泛化能力：经过适当样本训练的网 络具有良好的泛化能力。
系统实现-设备状态
设备状态的模糊模型 将设备的模糊状态定义为7档：
• 良（PB、3）、一般良好(PM、2) • 一般(PS、1)、一般注意(Z、0) • 注意(NS、-1)、注意不良(NM、-2) • 不良(NB、-3)
设备的状态为一个模糊全集 每一个状态（如良）为一个模糊子集
定义：知识+推理的智能计算机程序 基本结构
推理机
知识库
数据库
解释接口
问题描述 用户
解答、建议或解释
知识获取
专家
理论基础-专家系统（知识库）
知识库是专家系统的核心 知识的来源：试验标准，启发性知识 以规则的形式表达
• IF A THEN B • A-前件，B-后件 • IF A AND B THEN C • A、B-前件，C-后件
理论基础-神经网络
特点：
• 1、高度的并行性
– 神经网络由许多神经元按某种拓扑结构组成，大 量神经元的并行活动，使神经网络具有极强的信 息处理能力。
• 2、高度的非线形
– 由于神经元的相互影响和制约，可以实现从输入 空间到输出空间的非线形映射。
理论基础-神经网络
• 3、良好的容错性与联想记忆功能
神经网络
建议、审核
总体思路
采用模糊理论建立设备状态（性能）的评价体 系
基于规则的专家系统实现状态量的推理，确定 设备的状态
基于统计理论和曲线拟合的数据预测 采用神经网络对色谱分析进行故障判别 基于模糊运算的设备状态综合分析 基于规则专家系统提出状态检修周期及内容
介绍方法
理论基础 系统实现 举例 系统特点 存在问题
状态定义表
NUMBER(1 0) VARCHAR2 (40 ) VARCHAR2 (20 ) VARCHAR2 (1) VARCHAR2 (5) NUMBER(5 ) NUMBER(5 ) NUMBER(5 ) VARCHAR2 (5) VARCHAR2 (10 ) VARCHAR2 (25 5) VARCHAR2 (1) FL OAT FL OAT VARCHAR2 (1) VARCHAR2 (1) VARCHAR2 (10 ) VARCHAR2 (1)
– 神经网络通过神经元的连接强度即权系数实现对 信息的记忆。
• 4、十分强的自适应、自学习能力
– 人工神经网络可以通过训练和学习来获得网络的 权值和结构，呈现出很强的自学习能力。
理论基础-神经网络
神经元
X1
W1
X2
W2
u
¦²
f(.)
y
.
.
.
.
.
.
Wr
b
Xr
1
Êä Èë
Éñ ¾­ Ôª
理论基础-神经网络
Êä ³ö ²ã Òþ º¬ ²ã Êä Èë ²ã
x1 x2 x3 x4
理论基础-神经网络
BP算法（已知学习样本（X，Y））
• 正向传播过程中，输入信息X从输入经隐含 层逐层计算传向输出层，得到实际输出Y1
• 得到误差E • 进行反向传播，通过网络将误差信号沿原来
的连接通路反传回来修改各层神经元的权系 数（连接神经元之间的权）。
理论基础-专家系统（推理机）
正向推理：数据驱动型、前件匹配推理。 原始信息，从知识库寻找匹配的规则
后向推理：目标驱动型、后件匹配推理。 先提出假设性结论，寻找支持该结论的 证据
混合推理。
理论基础-专家系统（知识获取）
基本功能：知识库的维护，增、删、改 功能，完整性和一致性维护
学习功能：自动知识获取，从错误和失 败中归纳总结经验，修改和扩充知识库
指标、性能数据 是停电采集量 状态分析对象ID
及运行状况等参 设定周期(天) 实际周期（天）
量。
上限周期（天） 试验专业ID
属性：
试验类型ID 状态量描述 是否与时间有关
来源：试验项目、 持续时间(一般)

持续时间( 重要)
在线、SCADA、
共性标志 有效性标志
缺陷、其他
状态量分类 是否关键状态量
编 号状 态 量 绝 缘 性 能导 电 性 能机 械 性 能
1 绝 缘 电 阻1
0
0
2 色 谱 0 ． 5 0 ． 5 0
3 变 形 测 试0 ． 3 0 ． 3 0 ． 4
. . . . . .
Status Examine & Analysis System 状态检修分析系统（SEAS）
状态检修分析部分
设备管理
试验管理
色谱
设备信息
状态
试验数据
红外、在线、
状态检修
SCADA、变形 接口
缺陷 计划项目 查询信息
计划管理
综合查询
员工、班组、权限、安全
状态量维护
试验周期维护
试验数据预测
状态分析
神经元描述
W w 1w 2 w r
X x 1 x 2 x rT
r
Yf(W*Xb)f( wjxjb) j1
其中，f(.)是激励函数。常用的激励函数 有阈值型函数、线型函数和S函数。
f (x) 11ex
理论基础-神经网络
网络结构（BP）
y1 y2