故障诊断系统中深浅知识集成表示方法的研究

传统的故障智能诊断系统大都只是基于专家的经验 .但是 ,由于现代设备的复杂性 ,使其往往得不到准确的结果 ,这时必须借助于与诊断对象有关的原理性知识 .本文基于设备的层次性理论 ,提出了一种深浅知识集成表示模型 ,并采用面向对象表示和产生式规则相结合的方法予以实现 .深浅知识的有效结合 ,不仅可以提高故障诊断的准确性 。

基于浅层知识和深层知识推理的故障诊断专家系统工具

以专家系统和诊断问题求解为基础，建立了基于浅层知识和深层知识推理相结合的故障诊断专家系统工具。文中论述了工具的结构、知识表示、参数设计、推理机制、黑板控制、学习机制和其它支持环境。

小型水电站设备知识系统模型

本文在分析小型水电站设备构成特点和运行性能的基础上,提出了小型水电站设备知识系统模型结构和运算关系。模型的建立和运算应用了AI(Artificial Intelligence)的基本理论与DB(Date base)的运算方法。针对各种大型成套机械设备的选型配套、运行和维护,故障分析和诊断、方案设计、性能测试和结构改进等工作计算化处理,本文提供了一些方便的条件。

基于混合因果网络的配电变电站故障诊断

因果网模型具有快速求解诊断结论的优势,但其浅层知识推理的性质,又使诊断结论易受不确定信息的影响。根据变电站内局域网能获得全方位信息的可行性,如事件序列记录(SOE)、断路器变位信息序列、故障录波等。文中提出了基于混合因果网模型的故障诊断方法,该方法的要点是充分运用信息间的关联性提取冗余信息,并用做冗余纠错分析和深层知识推理;提出了5类基本因果关系节点用于构造混合因果网及其规则矩阵。研究的关键点是可确保对状态向量正确的布尔赋值。仿真结果证明能有效提高在线故障诊断的容错性能,使混合因果网模型具有高实用性。

关于光的定义

《新华字典》(1992年重排本)中对光的定义是“照耀在物体上能使视觉看见物体的那种物质”。由这一“视觉”限制,只有可见光才能称之为“光”,“不可见光”的称呼似乎就不确切,应叫“红外线”、“紫外线”等等,或者叫“红外辐射”或“紫外辐射”等等。 但是在《辞海》中关于光还有下列补充:“红外线和紫外线不能引起视觉,但可以用光学仪器或摄影来察见发射这种光线的物体,所以在光学上,光也包括红外线和紫外线。”如此一说,叫“不可见光”也不错。 小学自然课关于光的内容属于光学的初浅知识,因而应以《辞海》中的补充说明和定义为依据,而不能像语文学字词那样简单定义,即光“一般指能引起视觉的电磁波”,也就是说在《新华字典》的定义中加上“一般”科学性就强多了。由此看出,自然教师对科学名词和术语的理解和定义应有较高的要求。

读者来信摘登

文理分家造成隔阂 广州读者杨拂立[广州美术馆,510030] 我是《个人电脑》的新读者。起因是这样的:我本人学的是历史,大学期间学过一些有关电脑的粗浅知识,但当时既无兴趣又无必要,故所学的一点皮毛也尽数忘掉了。毕业分配在广州美术馆,所从事工作也与电脑无甚相关。但去年,我馆欲仿效国外大博物馆之电脑化管理,想买台电脑。

“双减”下如何实现深度学习

"双减"要"减负",而深度学习却要"学得深",不少人担忧它们存在矛盾冲突。二者实则是一种虚假的对立,它们的初衷都在于促进学生发展,落脚点都是提高教学质量。深度不等于负担,深度学习也不一定增加负担。存在上述担忧的根源在于:教育工作者对"深"与"浅"的认识偏差,从而导致浅层学习不到位、浅层知识受忽视。因此,我们需要澄清深度学习、浅层学习和浅层知识的概念,把握好深度教学的实践尺度,并重视浅层教学的改进。