基于专家系统的诊断方法是故障诊断领域中*为引人注目的发展方向之一，也是研究*多，应用*广的一类智能诊断技术。它大致经历了两个发展阶段：基于浅知识（领域专家的经验知识）的故障诊断系统和基于深知识（诊断对象的模型知识）的故障诊断系统。①基于浅知识的诊断方法。浅知识是指领域专家的经验知识。此诊断系统通过演绎推理或产生式推理来获取诊断结果，其目的是寻找一个故障集合使之能对一个给定的征兆（包括存在的和缺席的）集合产生的原因做出*佳解释。此方法具有知识表达直观、形式统一、模块性强、推理速度快等优点，但也具有较大的局限性，如知识集不完备，对没有考虑到的问题系统容易陷入困境；对诊断结果的解释能力弱等。②基于深知识的诊断方法。深知识则是指诊断对象的结构、性能和功能的知识。此诊断系统要求对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象实际输出与期望输出之间的不一致，生成引起这种不一致的原因集合，然后根据诊断对象领域中的第一定律知识（具有明确科学依据的知识）及其他内部特定的约束关系，采用一定的算法，找出可能的故障源。这种方法具有知识获取方便、维护简单、完备性强等优点，但搜索空间大，推理速度慢。近年来发展了基于经验知识和模型知识相结合的故障诊断方法。③基于浅知识和深知识的混合诊断方法。对于复杂设备系统而言，无论单独使用浅知识还是深知识，都难以很好地完成诊断任务，只有将两者结合起来，才能使诊断系统的性能得到优化。因此，为了使故障智能诊断系统具备与人类专家能力相近的知识，研制者在建造智能诊断系统时，越来越强调不仅要重视领域专家的经验知识，更要注重诊断对象的结构、功能、原理等知识，研究的重点是浅知识与深知识的集成表示方法和使用方法。事实上，一个高水平的领域专家在进行诊断问题求解时，总是先将他具有的深知识和浅知识结合起来，完成诊断任务。一般优先使用浅知识，找到诊断问题的解或者是近似解，必要时用深知识获得诊断问题的精确解。
Octacom SM 100-40-050-P1-4?5-R1-B0
Phoenix Contact ELR H5-IES-SC-24DC/?500AC-0,6 2900582
Weidmüller SAI-AU M12 SB 8DO 2A 1938680000
Pilz 533110
HWH Harms+Wende T1003 S21 T1003S21 4/16020/3-03
RGM Ruhrgetriebe GC57/30
LTH Electronics MED53P2
Schrack PT270024 PT 270 024 2
Pilz S1PN 400-500VAC 2c/o
Telemecanique Schneider Electric XCMD2117M12
Middex Electronic DC2Q-AS
SEW Eurodrive PSF512/N/EK14 1260551201
Phoenix Contact IB IL 24 PWR IN/2-F 2860015
Bihl+Wiedemann BWU2539
KFM Regelungstechni?k 922001
Middex Electronic DC2Q-AS / V55.11
Wolke DIG 58B-2500-AB-I05?-SC8-D78
Phoenix Contact IB IL 24 DO 4 IBIL24DO4
Perma-Drive PMD 230-BL12/4Q/2
Siemens 1FK7060-2AF71-1?CH1
Phoenix Contact QUINT-UPS/24DC/?24DC/10 2320225
Phoenix Contact IB IL AI 2/SF 2726285
Eurel SBL3-250-30-4/P
Phoenix Contact QUINT-UPS/24DC/?24DC/20 2320238