论文部分内容阅读
本文构建了一个基于事例的多原因故障诊断机器学习（CBMRFDML）系统，把事例融入机器学习之中，以事例为基础进行机器学习，对维修工作中产生的维修数据进行量化处理，改进系统的已有的诊断决策基础，使该事例成为以后决策行为的一个影响因子。
本课题基于CBMRFDML，融合专家系统、数据库和机器学习的相关知识，建立了一个装甲装备维修专家系统，实现了累积维修工作中的维修数据，并进行量化分析，时时更新维修数据库，为维修人员提供最新的维修数据支持的目的。该系统由知识库、推理机模块、综合数据库、人机界面和解释模块等逻辑结构组成；从功能上讲，该系统分为信息输入、信息查询、故障诊断、系统维护、多媒体、系统帮助等大的功能性模块。基于的CBMRFDML装甲装备维修专家系统集中了大量的有关装甲装备维修理论知识和专家的维修经验，对装甲装备维修实施解释、预测、诊断和修理，迅速而又准确地针对装备故障现象做出应答，在平时还可对维修人员的培训提供强有力的帮助。针对高技术条件下局部战争的特点及部队装备的实际情况，装甲装备维修专家系统具备了小巧、轻便、智能、可靠、使用方便的特点，还能在实际使用中不断学习升级，与科技同步发展。