多源异构知识环境下受电弓模糊智能故障诊断

针对动车组受电弓维护决策和智能诊断中知识多源异构以及维修记录缺失不完整和语义冲突等问题,提出异构信息融合和模糊智能诊断算法.针对受电弓诊断知识的多源异构特性及其不足,提出采用本地数据库资源描述框架(RDF)到全局RDF的转换和通过霍尔(Horn)逻辑刻画概念属性间的等价,包含或冲突关系,得到受电弓故障知识RDF(S)本体合并.基于知识融合结果和对受电弓系统的FMEA分析,建立受电弓故障树模型,并结合T-S模糊理论对其进行改进,引入模糊乘和最大/最小算子建立T-S模糊门,推理计算得到不完整缺失数据条件下故障树中各底事件的状态重要度及其对顶事件影响重要度排序.最后结合动车组实际运用中受电弓的故障诊断数据,证明了本文所提算法的合理性和有效性.更多还原