远程智能故障诊断技术的现状与展望
汽车智能维修与诊断技术
汽车智能维修与诊断技术智能科技的快速发展和汽车行业的快速增长，催生了汽车智能维修与诊断技术的迅速兴起。
这项技术不仅提高了汽车行业的效率和准确性，还对用户的用车体验做出了重大贡献。
本文将探讨汽车智能维修与诊断技术的现状、应用、优势和挑战。
一、智能维修与诊断技术的现状随着车辆的智能化和网络化，汽车智能维修与诊断技术得到了广泛应用。
在诊断方面，智能系统可以通过与车辆内置的传感器和控制单元的交互，实时监测车辆的状态并快速发现故障。
在维修方面，智能技术可以提供在线维修指导、诊断结果反馈等功能，帮助技师们更快速、更准确地解决问题。
二、智能维修与诊断技术的应用智能维修与诊断技术广泛应用于汽车生产、售后服务和车辆管理等方面。
在生产环节，制造商可以通过智能维修与诊断技术实现对生产线上车辆状态的实时监控，保证制造质量和减少故障率。
在售后服务环节，利用智能技术可以提供远程诊断服务、在线维修指导等，减少对车主的干预和等待时间。
在车辆管理方面，智能维修与诊断技术可以帮助企业实现对整个车队的远程监控和维护，提高运营效率和降低成本。
三、智能维修与诊断技术的优势与传统维修与诊断方式相比，智能维修与诊断技术具有以下几个显著的优势。
首先，智能技术可以通过网络实现远程诊断与维修，降低了人员和物力资源的浪费。
其次，智能系统可以实现实时监测和数据分析，及时发现、排查和解决潜在问题，提高了维修准确性和效率。
再次，智能维修与诊断技术可以实现个性化服务，根据车辆的具体状况和驾驶特点提供定制化的维修与诊断方案，提升了用户体验和忠诚度。
四、智能维修与诊断技术的挑战虽然智能维修与诊断技术带来了许多便利和优势，但也面临着一些挑战。
首先，技术的复杂性和更新速度需要人员具备高水平的专业知识和不断学习的能力。
其次，数据的安全和隐私问题需要得到充分的保障，以防止未经授权的访问和滥用。
此外，智能维修与诊断技术需要与汽车制造商和售后服务提供商密切合作，确保技术的完善和及时的技术支持。
故障诊断技术的国内外发展现状
故障诊断技术的国内外发展现状国际上，故障检测与诊断技术（Fault Detection and Diagnosis，FDD）的发展直接促成了IFAC技术过程的故障诊断与安全性技术委员会的成立（1993）。
从1991年起，IFAC每三年定期召开FDD方面的国际专题学术会议。
在我国，自动化学会也于1997年批准成立中国自动化学会技术过程的故障诊断与安全性专业委员会，并于1999年5月在清华大学召开了首届全国技术过程的故障诊断与安全性学术会议[4]。
故障诊断是一门涉及信号处理、模式识别、人工智能、统计学、计算机科学等多个学科的综合性技术[5]。
20世纪60年代初期，美国、日本和欧洲的一些发达国家相继开展了设备诊断技术的研究，主要应用于航天、核电、电力系统等尖端工业部门，自20世纪80年代以后逐渐扩展到冶金、化工、船舶、铁路等许多领域。
近年来故障诊断技术得到了迅速发展，概括地讲可以分为3类：基于信号处理的方法、基于解析模型的方法和基于知识的智能故障诊断方法。
（1）基于信号处理的方法基于信号处理的方法，通常是利用信号模型（如相关函数、频谱、小波变换等）直接分析可测信号，提取诸如方差、幅值、频率等特征值，以此为依据进行故障诊断。
基于信号处理的方法主要有傅立叶变换[6, 7]、小波变换[8, 9]、主元分析[10]、Hilbert-Huang变换[11]等。
文献[12]提出利用谐波小波对长输管的小泄漏诊断问题，取得了较好的应用效果；文献[13]提出了一种针对机车故障振动信号的局域均值分解（LMD）解调诊断方法；文献[14]提出了一种基于时频指标的自适应移频变尺度随机共振算法用于轴承的故障诊断；文献[15]利用形态学的消噪特性对信号进行消噪，之后利用小波对故障进行定位，在传感器故障诊断方面取得了较好的应用效果。
（2）基于解析模型的方法基于解析模型的方法是以诊断对象的数学模型为基础，按照一定的数学方法对被测信息进行诊断处理，其优点是能深入系统本质的动态性质和实现实时诊断。
电力系统中智能故障检测与诊断技术研究
电力系统中智能故障检测与诊断技术研究智能故障检测与诊断技术在电力系统中的研究引言：电力系统是现代社会不可或缺的基础设施之一。
然而，随着电力系统的规模和复杂性的增长，故障的发生和诊断变得越来越重要。
智能故障检测与诊断技术的发展为电力系统的可靠性和安全性提供了新的解决方案。
本文将探讨智能故障检测与诊断技术在电力系统中的研究进展和应用。
一、智能故障检测与诊断技术的发展1.1 简介智能故障检测与诊断技术是基于人工智能和机器学习算法的应用。
它利用电力系统的实时数据和历史数据来检测和诊断故障，提高电力系统的可靠性和安全性。
1.2 数据分析与模式识别技术数据分析和模式识别技术是智能故障检测与诊断技术的核心。
通过对电力系统的实时数据进行处理和分析，识别出不正常的模式和异常行为，进而判断是否存在故障。
1.3 机器学习算法机器学习算法是智能故障检测与诊断技术的重要工具。
通过对大量的历史数据进行学习和训练，算法能够从中提取出规律和模式，从而能够准确地检测和诊断故障。
1.4 数据挖掘技术数据挖掘技术是智能故障检测与诊断技术的一种重要手段。
通过对大量的数据进行挖掘和分析，可以发现隐藏在数据背后的规律和模式，从而辅助故障的检测和诊断。
二、智能故障检测与诊断技术的应用2.1 故障检测技术的应用智能故障检测技术能够准确地检测电力系统中的各种故障，包括短路、过载、接地故障等。
通过实时监测和分析电力系统的数据，系统能够及时发现故障并采取相应的措施，以防止故障进一步扩大。
2.2 故障诊断技术的应用智能故障诊断技术能够快速准确地诊断电力系统中的故障原因。
通过对故障数据和历史数据的分析，系统可以找出故障的根本原因，从而能够有针对性地解决故障，提高电力系统的可靠性和安全性。
2.3 故障预测和预防技术的应用智能故障检测与诊断技术还能够对电力系统的故障进行预测和预防。
通过对历史数据和实时数据的分析，系统可以预测出可能发生的故障，并采取相应的措施来预防故障的发生，提高电力系统的稳定性和安全性。
人工智能在故障诊断中的发展现状与未来趋势分析
人工智能在故障诊断中的发展现状与未来趋势分析随着科技的飞速发展，人工智能（Artificial Intelligence, AI）作为一项引人注目的技术，正在逐渐渗透到各个领域。
其中，人工智能在故障诊断领域的应用备受关注。
本文将从发展现状和未来趋势两个方面，探讨人工智能在故障诊断中的重要性，以及其所带来的机遇和挑战。
一、发展现状人工智能在故障诊断中的应用，远远超出了传统的手动方式。
在传统方式中，故障定位依赖于技术人员的经验和猜测，这往往需要花费大量时间和精力。
而人工智能的出现，则为故障诊断提供了全新的解决方案。
通过深度学习和机器学习等技术的运用，人工智能可以根据历史数据和模型进行故障预测和诊断，准确、高效地找出故障源，从而实现故障的快速修复。
因此，人工智能在故障诊断中显现出巨大的优势。
目前，许多工厂和企业已经开始使用人工智能来进行设备故障诊断。
以制造业为例，在生产线上安装传感器和监控设备，人工智能可以通过监测设备运行状态和故障信号，及时发现异常情况并给出相应的故障诊断报告。
这大大提高了生产效率和产品质量，降低了成本和资源浪费。
此外，人工智能在医疗领域也有着广泛应用。
在医疗设备故障诊断中，人工智能可以通过分析医疗设备的传感器数据和患者的身体数据，帮助医生快速定位设备故障和改进操作流程，提高工作效率和患者满意度。
同时，人工智能还可以在医疗影像诊断中发挥作用，通过深度学习算法分析大量医学影像数据，辅助医生进行疾病诊断和治疗决策。
二、未来趋势随着技术的不断进步和研究的深入，人工智能在故障诊断领域的未来前景令人充满期待。
首先，人工智能将更加智能化和自动化。
传统的人工智能系统通常需要输入大量的训练数据，而未来的发展趋势则是让系统具备学习能力和自主决策能力。
通过对大量实时数据的分析和学习，人工智能可以提供更加精准的故障诊断和预测，为企业和机构提供更加高效的维护和保养服务。
其次，人工智能与物联网的结合也是未来的重要趋势。
新能源汽车的远程监控与诊断技术
新能源汽车的远程监控与诊断技术随着全球对环境保护的重视程度不断提高，新能源汽车逐渐成为汽车行业的主流趋势。
作为一种可持续发展的解决方案，新能源汽车不仅能够减少对化石燃料的依赖，还能降低车辆的排放量。
然而，随着新能源汽车的普及，如何保障其安全并提高维护效率成为一个亟待解决的问题。
远程监控与诊断技术应运而生，为新能源汽车的管理和维护带来了新的可能性。
1.远程监控技术的重要性新能源汽车的运行状态和性能受到多种因素的影响，包括电池状态、电动机的运行情况、充电系统的工作状况等。
而传统的维修方式需要将车辆带到维修站点进行检修，不仅费时费力，还会造成用户的不便。
远程监控技术能够实时获取车辆的运行数据，并将其传输到管理中心，使得用户和维修人员能够通过互联网远程诊断和管理车辆，极大地提高了维护效率和用户的使用体验。
2.远程监控技术的应用领域远程监控技术在新能源汽车的管理和维护中发挥着重要作用。
在车辆的智能诊断上，远程监控技术能够实时检测车辆的各项参数，如电池的电量、电机的状态、充电器的工作情况等。
当发生异常时，远程监控系统会立即发送警报并提供修复建议，从而减少故障影响和维修成本。
在车辆的安全管理上，远程监控技术可以监测车辆的位置和行驶轨迹，及时发现盗窃或违规行为，并采取相应的措施。
远程监控技术还可以实现车辆远程升级和维护，提供定期保养提醒和故障排查等服务。
3.远程监控技术的挑战与展望然而，远程监控技术在新能源汽车领域仍面临一些挑战。
数据安全问题是远程监控技术的关键问题之一。
在数据传输过程中，需要采取高级加密和身份验证技术来保护用户隐私和车辆信息的安全性。
远程监控技术的普及还需要面对技术标准和法规的制定与完善。
新能源汽车行业需要制定相关的标准和规范，以确保远程监控技术的可靠性和兼容性。
未来，随着5G技术的普及和无线通信技术的进一步发展，远程监控技术将实现更多的创新和应用。
新能源汽车的远程监控与诊断技术是当前汽车行业发展的重要趋势。
智能网联汽车故障诊断技术的新挑战与对策
智能网联汽车故障诊断技术的新挑战与对策1. 智能网联汽车故障诊断技术概述随着汽车技术的飞速发展，智能网联汽车已成为现代汽车工业的重要发展方向。
智能网联汽车具备车辆间通信、道路与车辆协同等功能，通过先进的传感器、控制器和执行器等设备实现智能化控制和自动化驾驶。
智能网联汽车的复杂性和高度集成性也给故障诊断技术带来了新的挑战。
智能网联汽车故障诊断技术是对智能网联汽车中出现的故障进行识别、分析和定位的技术手段。
由于智能网联汽车涉及的系统和组件众多，包括但不限于电子控制系统、传感器、通信网络等，其故障诊断技术需要具备高度的专业性和复杂性。
与传统汽车诊断相比，智能网联汽车故障诊断不仅要考虑机械部件的故障，还要关注电子系统和网络系统的故障。
在实际应用中，智能网联汽车故障诊断技术面临着诸多挑战。
随着汽车智能化程度的提高，故障的来源和表现形式更加复杂多样。
智能网联汽车的故障诊断需要处理大量数据，包括车辆运行数据、环境数据、网络数据等，数据处理和分析的难度较大。
智能网联汽车的网络安全问题也是故障诊断技术必须面对的挑战之一。
1.1 智能网联汽车的发展历程智能网联汽车，作为当今汽车产业发展的前沿领域，其发展历程可谓波澜壮阔。
自20世纪末期开始，随着信息技术的迅猛进步，汽车行业便开始了与信息技术、通信技术和控制技术的深度融合探索。
早期的智能网联汽车主要聚焦于安全辅助系统的应用，如防抱死制动系统（ABS）、电子稳定程序（ESP）等，这些技术极大地提升了汽车的安全性能。
进入21世纪，随着互联网技术和人工智能的快速发展，智能网联汽车的概念逐渐演变为包括自动驾驶、车联网在内的更广泛领域。
在自动驾驶方面，从最初的特定场景自动驾驶到当前的全球范围内多种场景的自动驾驶商业化尝试，智能网联汽车的技术不断突破，行驶范围和智能化水平日益提升。
车联网技术的发展也让汽车具备了更加智能化、人性化的交互能力，车载信息服务、导航服务、娱乐服务等越来越丰富，极大地改善了驾驶体验。
理想汽车的智能车辆远程故障诊断
理想汽车的智能车辆远程故障诊断在现代社会中，汽车已成为人们生活中不可或缺的一部分。
随着科技的不断进步，智能车辆逐渐进入我们的视野，成为人们追逐的新目标。
智能车辆不仅拥有更高的安全性能和更好的驾乘体验，还具备远程故障诊断的功能，这为车辆的维修和保养带来了很大的便利。
一、智能车辆远程故障诊断的意义随着汽车电子技术的快速发展，车辆的故障排除也变得更加复杂。
而传统的车辆故障排查方式需要依赖专业的技术人员，费时费力。
而智能车辆的远程故障诊断技术能够在车辆出现故障时，通过车联网系统实时传输车辆数据，实现远程诊断和故障排查。
这项技术的出现，对于提高车辆故障排查效率和减少人力成本具有重要意义。
二、智能车辆远程故障诊断的原理智能车辆远程故障诊断基于车联网技术和大数据分析技术。
当车辆感知到故障时，会将相关数据通过车联网系统上传至后台服务器。
后台服务器会根据预设的故障模型和大数据分析算法对数据进行分析，并对故障类型进行初步判断。
然后，根据故障类型和车辆所处的位置等信息，向车主或者维修人员发送故障报警信息，以便及时处理故障。
三、智能车辆远程故障诊断的优势1. 提高故障排查效率：智能车辆远程故障诊断可以实时上传车辆数据，并通过大数据分析快速判断出故障类型。
相比传统的排查方式，节省了大量的排查时间，提高了故障排查的效率。
2. 减少人力成本：智能车辆远程故障诊断不需要依赖专业的技术人员现场排查，只需要通过后台系统的数据分析和远程指导，即可完成故障排查。
这样可以减少人力成本，提高维修效率。
3. 提供个性化的服务：智能车辆远程故障诊断可以根据不同车型和车辆使用情况，提供个性化的服务。
根据车辆故障情况，系统可以推荐相关的维修网点或者提供在线咨询服务，满足车主的个性化需求。
四、智能车辆远程故障诊断的应用场景1. 突发故障排查：当车辆出现突发故障时，可以通过智能车辆远程故障诊断技术快速判断出故障原因，并及时提醒驾驶员采取应对措施，确保行车安全。
故障诊断技术的回顾与展望2
执行器故障（actuator faults）：控制回路中用于执行控制命令
的执行器发生卡死、恒增益变化或恒偏差而不能正确执行控制命
令，具体表现为执行器的输入命令和它的实际输出之间的差别
2.2 Fault Classification
☆ 按照时间特性的不同划分
突变故障(abrupt faults)：参数值突然出现很大偏差，事先
故障检测（fault detection） 故障分离（fault isolation） 故障识别（identification） 故障诊断（diagnosis）
故障检测与分离（识别）－－FDI 故障检测与诊断－－FDD 故障的评价与决策－－FED, Fault Evaluation and Decision
校验由相同的过程输入信号驱动的过程解
析模型的输出与实际系统的测量输出之间
的一致或不一致性
3.1 The General Procedure of Model-based FD
过程输入
过
程
过程输出
过程名义模型 残 差 生 成
残 差
残差处理 残 差 评 价
决策逻辑
故障的知识
故障诊断
Fig.3.1 Schematic description of the model-based fault diagnosis scheme
决的问题
提高系统安全性、可靠性的方法有多种，其中一个重要 的方法就是采用故障检测与诊断技术
1. Introduction
故障包括两层含义：
一是系统偏离正常功能。其形成原因主要是因 为系统的工作条件（含零部件）不正常而产生 的。通过参数调节，或修复零部件，又可恢复 正常功能
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
=> ?1 多层混合模式的体系结构
0> 01 基于模糊推理及模糊数学的诊断方法
将模糊数学作为实现不精确推理和模糊性决策的 重要工具，并利用知识库和参数数据库进行诊断系统 的设计。该方法的优点是：在设备故障的综合性方 面，其概括能力更强、更切合判断逻辑；模糊理论是 建立在可能性基础上的，对于异常状态的可能性进行 评估并制定对策，给出属于各种故障的置信度，更利 于进行现场诊断；在减少监测仪器的同时，充分利用 设备说明书中的故障对策表进行诊断，有助于提高诊 断的准确性。
!"#"$% &$’ #() *+,+-’./+(" 0+()+(12 ’3 4+/’"+ 5("+--67+(" 8#$-" *6#7(’%6% 0+19(’-’72
78(9: ;<,=> ，$?@9: AB<CDE+,* ，$?@9 FC,*,B,* （ $C==+*+ CG H+IE<,BI<= @,*B,++JB,* ，K<,DE<, L,BM+JDB-N，OB,E><,*P<C ?+BQ+B !""!!# ，$EB,<）
［ 6J ］ 5" !$ 数据库技术
织，以产生最佳特征参数组合，利 用 特 征 参 数 的 不 同最佳组合进行设备故障的准确识别，其识别精度有 了很大的提高。其基本点是将信号特征参数的公式转 化为遗传算法的遗传子，采用树图来表示特征参数， 得到优化的故障特征参数表达式。
!" #$ 基于诊断 %&’() 的诊断方法
1 1 目前设备故障诊断问题的解决方法分为两种：一 种是通过计算机通信网络，与异地设备实现远程 连 接，借助计算机多媒体网络技术来完成远程设备的监 控和诊断，即所谓的远程设备维修服务；另一种是使 用人工智能专家系统，用计算机模拟人类专家的经验 意见，来实现对本地故障设备的诊断。这两种方法都 有一定的缺陷：前者没有充分利用人类专家的经验和 计算机强大的推理、运算能力，后者无法实现故障诊 断经验的网络共享，即无法实现诊断知识的重用。为 了克服地域障碍、实现多专家及多系统协同诊断与诊 断知识的重用，一种有效的途径就是建立远程智能故 障诊断系统（ Z+RC-+ 8,-+==B*+,- Y<>=- FB<*,CDBD &ND-+R， Z8YF&） 。 远程智能故障诊断具有以下的优势：! 便于获取 多方面的信息，积累和综合各方面的经验，服务于设 计、运行和维修，可有效提高故障诊断的确诊率；" 利用现代的信息传输载体— — —网络，可以缩短搜集故 障信息的时间，可以极大地提高故障诊断的效率；# 利用诊断网络有利于数据积累和资源共享，弥补了单 个系统以及人类专家的知识不足，可大幅度提高故障 ［2］ 。 诊断的可靠性和智能水平
维护、访问与更新。用户层负责提供用户接口，处理 与用户的交互。其优点是将整个系统划分为层次清晰 的不同逻辑块，使客户机变简单，将开发和管理工作 向服务器转移，从而实现了分布式数据处理，同时使 管理与维护变得相对简单。 多层混合模式的体系结构兼顾了 @ 3 4 和 2 3 4 体 系结构的优点。该系统的三层架构具有开放性和灵活 性，实现应用逻辑相对集中，访问界面多样化；对开 发者来说，可轻松地适应前两种体系结构的应用需 要，便 于 统 一 应 用 组 件 技 术 @A52B、 C%D%2,%-、 @A9 3 E@A9 、FGA 等进行程序开发，反复利用。
:;%"<#1"：.E+ DND-+R D-J>I->J+D CG -E+ J+RC-+ G<>=- PB<*,CDBD DND-+R <,P -E+ B,-+==B*+,- G<>=- PB<*,CDBD -+IE,C=C*B+D S+J+ J+) D+<JIE+P，<,P B-D T+N -+IE,C=C*B+D S+J+ +UV<-B<-+PW .E+ DND-+R D-J>I->J+D B,I=>P+ $ % &，’ % & <,P RBUB,* CG -E+RW .E+ B,-+==B*+,- G<>=PB<*,CDBD R+-ECPD B,I=>P+ -E+ <J-BGBIB<= ,+>J<= ,+-SCJT，-E+ G>XXN B,G+J+,I+，-E+ *+,+-BI <=*CJB-ER <,P -E+ PB<*,CDBD <*+,-W .E+ PBD-JBQ) >-+P P<-< VJCI+DDB,*，-E+ P<-<Q<D+，-E+ MBJ-><= J+<=B-N，-E+ B,GCJR<-BC, VJCI+DDB,* <,P -E+ B,GCJR<-BC, G>DBC, -+IE,C=C*B+D S+J+ +UV<-B) <-+P B, -E+ T+N -+IE,C=C*N V<J-W .E+ P+M+=CVR+,- -+,P+,IN CG J+RC-+ B,-+==B*+,- G<>=- PB<*,CDBD -+IE,C=C*N S<D VCB,-+P C>-W =+2>’<)%：Y<>=- PB<*,CDBD；Z+RC-+ G<>=- PB<*,CDBD；8,-+==B*+,- PB<*,CDBD R+-ECP
2W 51 基于 ’ % & （ ’JCSD+J % &+JM+J） 的体系结构
如图 5 所示，’ % & 是一种多层的 $ % & 结构，具有 $ % & 难以比拟的优点。首先， ’ % & 结构是一种开放式 的跨平台的系统，可通过浏览器访问多个应用程序服 务器；其次，系统开发环境独立，系统的维护方便，
如图 2 所示，客户方包括远端工作站和本地工作 站，其主要功能是按照某种应用逻辑进行处理，并与 其他客户、数据库系统进行交互；服务器方的主要功 能是根据客户方的请求，系统进行数据库操作，然后 将结 果 反 馈 给 客 户 方。 $ % & 结构中，服务器提 供服务给客户使用，他 们之间通过消息完成服 务请求和诊断结果信息 图 21 基于 $ % & 的远程故障 1 1 诊断系统的体系结构 的传递。 $ % & 结构的特点是：!用户透明性。用户可以在 不必知道服务器的具体位置的情况下充分使用服务器 所管理的资源和提供的各种服务。"服务封闭性。服 务器内部的服务机制对外是不透明的，仅仅通过信息 与外界交互。#集成能力。能支持多用户、多任务环 境，实现在分布式异构环境下信息集成和一体化管 理。 传统的网络故障诊断几乎都采用 $ % & 结构，这 种结构的主要缺点是难以与 8,-+J,+- 技术相结合、难 以实现开放性、跨平台性的应用功能。
《 机床与液压》 !JJW" X2" 5
・ #"!・
态地移动到服务器端执行，使得此 %&’() 较少依赖网 络传输这一环节而直接面对要访问的服务器资源，从 而避免了大量数据的网络传输，降低了系统对于网络 带宽的依赖。另外，可以创建多个 %&’() ，形成并行 求解的能力。此外，移动 %&’() 还具有自治性和智能 路由等特性。
!" 智能故障诊断方法
传统的智能故障诊断方法有人工神经网络、模糊 推理、遗传算法等，这些方法在学术界研究比较多并 相对成熟，在机、电、液等系统的故障诊断领域均有 成功案例。目前，具有分布式智能特征的诊断 BH,-. 方法的研究备受关注。
0> =1 基于神经网络的诊断方法
人工神经网络（ BFF ） 基于数值和算法，并且 具有联想、容错、记忆、自适应、自学习和处理复杂 多模式等优点，不足之处是不能解释自身的推理规 则，对未训练过的新颖故障不能给出正确的诊断结 论。BFF 应用于故障诊断主要有三个方面：信号预 处理，如特征提取等；模式识别；知识处理，如专家 系统中的知识获取、表示与利用。常用神经网络的结 构有 B58 （ 自适应共振理论模型） 、 2B9 （ 双向联想 记忆） 、 7FF （ 7I&/(,*J 神经网络） 、 2@9 （ 2I*.KL%M @%N)’, 机） 、 @FF （ 细胞神经网络） 、 52O （ 径 向 基函数网络模型） 、 96P （ 多层传感器） 、 2P （ 误差 ［Q］ 反向传播模型） 、 OFF （ 模糊神经网络） 等 。同时 神经网络多与其它方法相结合用于设备的智能故障诊 断，如与专家系统相结合，与小波分析相结合，与模 糊逻辑相结合，与知识发现相结合等。
［ R］ 0> ?1 基于遗传算法的诊断方法
图 ?1 多混合模式远程诊断系统的体系结构