[发明专利]一种面向综合诊断工程的知识获取与管理系统

权利要求书

1.一种面向综合诊断工程的知识获取与管理系统，其特征在于，所述系统包括：

第一处理模块，用于基于本体论的知识对知识进行建模，进而得到装备和诊断预测相关的信息；

第二处理模块，用于对诊断预测相关的信息进行不确定性知识表示，所述不确定性知识表示包含：增加知识的模糊度或概率，进而得到包含不确定优先级属性的诊断预测知识；

第三处理模块，用于利用装备测试数据信息，采用机器学习的策略获得和诊断预测相关的关联知识；

输出处理模块，用于将第一处理模块，第二处理模块和第三处理模块得到的知识进行输出，并基于输出数据进行故障诊断，故障预测，维修决策或性能评估。

2.根据权利要求1所述的面向综合诊断工程的知识获取与管理系统，其特征在于，所述第一处理模块进一步包含：

综合诊断知识框架获取子模块，用于利用本体论方法分析装备综合诊断领域中的知识组织结构，构建基于本体论的综合诊断知识框架；

本体知识模型获取子模块，用于建立基于装备信息域-测试信息域-诊断预测知识域的综合诊断本体知识模型；

一致信息模型获取子模块，用于根据知识存储与更新、模型建造和映射与集成方法，规范描述各类测试诊断信息及其相互关系，建立满足装备综合诊断需求的一致信息模型。

3.根据权利要求1所述的面向综合诊断工程的知识获取与管理系统，其特征在于，所述第二处理模块进一步包含：

逻辑推理处理子模块，用于构建缺省逻辑推理和真值维护；

输出处理子模块，用于根据知识和事实的增加，通过提出假设进行标准逻辑下的推理，寻找不一致，进行回溯消除不正确假设及其影响，进而在提出新的假设，从而能够解决上述诊断预测问题领域中的由不确定性、小样本引发的知识不相容问题。

4.根据权利要求1所述的面向综合诊断工程的知识获取与管理系统，其特征在于，所述第三处理模块进一步包含：

信息输入子模块，用于输入各类非结构信息和结构信息，其中，所述非结构信息包含：对象结构信息，功能和行为信息、故障模式信息和知识信息；所述结构数据包含：实验数据和测试数据；

自学习处理子模块，用于基于信息输入子模块输入的信息，采用机器学习方法 获得诊断知识。

5.根据权利要求4所述的面向综合诊断工程的知识获取与管理系统，其特征在于，所述机器学习方法包含关联规则挖掘方法；

其中，所述关联规则挖掘是指基于回归模型的相似性分析及无监督聚类方法。