基于Hadoop平台的故障诊断专家系统研究

第一章绪论 (1)

1.1研究背景和意义 (1)

1.2研究现状 (2)

1.2.1故障诊断专家系统研究现状 (2)

1.2.2Hadoop平台研究现状 (3)

1.3论文主要研究内容 (3)

1.4本文组织结构 (4)

第二章故障诊断专家系统关键技术 (5)

2.1机器学习概述 (5)

2.2知识发现、数据挖掘技术的应用 (6)

2.3Hadoop平台介绍 (6)

2.4故障诊断原理介绍 (7)

2.4.1故障诊断系统模型介绍 (7)

2.4.2故障诊断系统的特点 (9)

2.4.3故障诊断的主要方法和内容 (9)

2.5Agent技术的应用 (11)

2.6本章小结 (12)

第三章基于云计算的故障诊断专家系统的设计 (13)

3.1故障诊断专家系统设计原则 (13)

3.2云诊断中心需求分析 (14)

3.3故障诊断专家系统网络拓扑结构 (15)

3.4诊断中心整体框架结构 (15)

3.5云诊断中心总体功能模块的设计 (16)

3.5.1在线智能查询模块的设计 (16)

3.5.2在线实时交互模块的设计 (18)

3.5.3智能Agent模块的设计 (19)

3.5.4故障诊断管理模块的设计 (20)

3.6诊断专家数据库设计 (20)

3.6.1基于Hadoop的知识库的建立与维护 (21)

III

3.6.2基于机器学习的推理机的设计 (23)

3.7本章小结 (25)

第四章基于云计算的故障诊断专家系统的实现 (27)

4.1在线查询模块的实现 (27)

4.1.1确定性故障诊断功能 (27)

4.1.2不确定性故障诊断功能 (28)

4.1.3模糊查询功能 (29)

4.2在线实时交互模块的实现 (29)

4.3智能Agent模块的实现 (30)

4.3.1多代理故障诊断过程 (30)

4.3.2远程多Agent故障诊断专家系统 (34)

4.3.3故障诊断管理模块的实现 (35)

4.4本章小结 (37)

第五章云平台实验结果分析 (39)

5.1实验环境配置与部署 (39)

5.2云平台测试 (41)

5.2.1分词效果的对比 (41)

5.2.2系统分布式与单机情况下抓取性能比较 (42)

5.3本章小结 (44)

第六章结论与展望 (45)

6.1总结 (45)

6.2展望 (45)

参考文献 (47)

致谢 (50)

河北工业大学硕士学位论文

第一章绪论

1.1研究背景和意义

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题[1]。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题[2]。

专家系统的一个非常重要的应用领域就是故障诊断专家系统[3]，学术界和工程界都对此方向高度重视。故障诊断专家系统在物流、智能家居、船舶化工、机械电子、电子政务等各个领域和行业都有应用。其在准确性、时效性和稳定性等方面表现相对出色[4]。

故障诊断专家系统能够利用计算机帮助人们解决复杂的逻辑问题。不仅能够使计算机系统具有思维能力，拓展其原来的工作范围，而且能够和使用者进行互动交流，并依据自身的海量数据进行逻辑推理和专家判断[5]，为使用者提供建议，帮助其进行决策。然而这些已经使用的故障诊断专家系统中，很大一部分都是根据某一种具体设备而设计的专家系统，不能综合各种领域进行分析，通用性欠缺，由于不同的领域内的设备构造机制不同，其专家系统的知识库和推理机制也差别较大，即使是同一领域的设备，功能不同也会有不同的解决方案，这样就给故障诊断专家系统的方案分析与系统设计工作带来了困难。因此，对于故障诊断专家系统这一方面的缺点，本文提出了融合agent技术的“产生式扩展规则”算法，在原有系统的通用性上进行扩展，改善其通用性不佳的缺点。故障诊断专家系统具有专家系统的一般特征和结构，也有自己的特色和优点[6]。

(1)规范的知识来源：知识一般从机器、实际的工作环境和诊断实例中得来。

(2)动态复杂的对象：故障诊断专家系统一般针对大型复杂的动态系统进行研究，这种系统的故障比较随机，一般人难以做出判断，这时专家就发挥其长处，来帮助用户进行诊断决策。新的设备或者系统较难提取相关知识，特别是那些比较专用化的设备和系统，其工作性质各异，知识都不容易获取。