针对提升机故障诊断过程中的若干不确定性问题,提出一种新的基于本体和贝叶斯网络的故障诊断不确定性知识融合推理方法。该方法对本体贝叶斯网络进行了形式化的定义,运用OWL本体语言扩展了本体对领域知识的不确定性表示,通过一系列的翻译规则和程序,实现了本体结构到贝叶斯网络结构的转换;然后建立了基于本体和贝叶斯网络的融合推理模型,利用本体推理完成对故障诊断本体知识的语法检查、语义一致性的验证以及本体的解析,采用基于启发式搜索树的贝叶斯网络进行不确定性推理,并在贝叶斯网络可视化推理平台Netica上进行了验证

针对传统提升机故障诊断系统中知识获取困难、知识表示单一且故障诊断推理方法自适应能力弱从而导致诊断推理结果不稳定等问题,研究了面向知识工程的提升机智能故障诊断方法。重点针对提升机故障诊断过程中的三大关键科学问题,即知识获取、知识表示和知识推理技术进行了深入研究:提出了基于融合差别矩阵和属性重要度的提升机故障诊断规则知识获取方法,为提升机故障诊断提供了数据基础;构建本体知识库,提出了基于OWL DL的故障诊断知识表示方法和基于SWRL的故障诊断规则知识表示方法,实现了提升机系统结构及诊断知识的集成;

矿用提升机的故障诊断往往具有复杂性和不确定性,对确定提升机故障原因具有一定难度,针对以上问题对提升机的故障诊断引入了模糊数学的相关知识和故障诊断专家系统,为问题的解决提供新的方法,实践证明该系统能够快速、较准确地推理出故障原因,同时也证明了该方法的实用性,具有很大应用价值。