本文主要研究了将神经网络技术同基于案例推理技术相结合用于故障诊断。神经网络和基于案例推理作为人工智能领域的代表技术,在故障诊断领域中各有其成功的应用。但由于两种技术本身的缺陷和现代故障形式的不断复杂化,单独应用这些人工智能技术都不可避免的存在着局限性。因此,根据两种技术在故障诊断中特点,将两者结合未尝不是解决其各自缺陷的方法,本文正是基于这一背景,对故障诊断领域中两者的结合进行了研究。 基于神经网络的故障诊断过程缺乏透明性,对于复杂系统效果不佳,而基于案例推理的诊断方法在大型系统中,诊断精度不高,推理过程缓慢。针对两者的缺陷和其各自的特点,本文将两者进行结合,并设计了具体的结合方案,即利用神经网络的模式匹配能力作为预分类器,对案例推理中的案例建立索引,指导案例的检索,建立了 ANN-CBR 模型。 同时,本文结合炼油工业中的流化催化裂化过程的仿真系统得到数据,对所建立的结合模型进行了测试。取得了较好的故障诊断结果,诊断性能明显优于单独使用的情况,说明将神经网络和基于案例推理结合用于故障诊断的有效性及其实际意义。