基于多态模糊贝叶斯网络的城市燃气管道事故风险预测与诊断研究

为了评估城市燃气管道系统的风险程度,给后续预防工作提供参考,提出了基于多态模糊贝叶斯网络的燃气管道事故风险定量分析方法。首先,基于对86份事故调查报告风险因素的梳理,建立故障树模型,寻求风险隐患和事故之间的映射,并将其转换为贝叶斯网络结构;其次,引入模糊集理论与概率分配计算方法,分别得出根节点的先验概率和中间节点的条件概率,根据贝叶斯网络的证据推理原理预测事故发生概率,分析风险重要程度,并反向诊断关键致因要素;最后,将此方法应用于沈阳市“10·21”较大燃气管道事故风险分析。实例验证结果表明,事故一定发生的先验概率为68.8%,验证了风险体系的有效性,且预测与诊断得出的重要风险集合与事故调查报告中分析的直接原因一致。多态模糊贝叶斯网络能够准确评价燃气管道事故风险,并确定关键致险因子,可为城市燃气管道安全管理提供决策参考。

基于多态模糊贝叶斯网络的高校宿舍火灾风险评价研究

高校宿舍火灾具有影响面广、复杂性强等特点,而传统研究方法在多态性、动态分析宿舍火灾风险等方面存在局限。该文基于国内外86起高校宿舍火灾案例提出了一种基于多态模糊贝叶斯网络的高校宿舍火灾风险评价方法,确定了包含23个三级指标的风险评价体系,构建了高校宿舍火灾故障树,通过故障树转化方法构造对应的贝叶斯模型;将专家评价语义通过三角模糊子集转化为确定的根节点先验概率,用[0,1]模糊数描述节点故障状态,克服了传统贝叶斯网络过度依赖精确概率以及不能考虑节点中间故障状态的问题;基于贝叶斯的双向推理和根节点重要度分析,计算出高校宿舍火灾风险发生概率,辨识出关键致灾因子,进行事故致因诊断。实例验证结果表明,多态模糊贝叶斯网络能够准确评价高校宿舍火灾风险,并确定关键致险因子,可为高校宿舍火灾风险管理提供决策参考。

基于多态模糊贝叶斯网络的半潜平台安装风险分析

针对半潜式平台安装作业风险评估中存在的风险多态性和模糊性问题,构建了一种多态模糊贝叶斯网络风险分析模型。根据行业规范推荐标准定义语言性评价模糊集,描述根节点的事故状态发生概率,克服了传统方法中确定性概率难以获取的困难。利用相似性聚合法结合置信度指标融合专家意见,引入改进的去模糊化转换方法,提高了专家知识经验转化为定量数据的合理性和可靠性。基于贝叶斯网络的双向推理和敏感性分析技术,实现了工程作业全过程的风险评估。通过对陵水17-2项目半潜平台整体吊装过程进行风险分析,验证该模型的合理性与有效性,为半潜平台安装作业风险管理与防控策略制定提供指导。

基于直觉模糊贝叶斯网络多态系统可靠性分析

针对贝叶斯网络分析多态系统可靠性时各根节点不同状态的精确概率难以确定的问题,提出了一种基于直觉模糊贝叶斯网络的可靠性分析方法。该方法是将多位专家评估的各根节点不同状态发生的直觉模糊概率及各位专家权重通过直觉模糊加权平均算子求解出综合概率,由得分值函数和相应的数据处理获得各根节点不同状态发生的精确概率;通过贝叶斯网络计算叶节点不同状态发生的概率,以及叶节点处于不同状态时各根节点处于不同状态的概率和重要程度。仿真表明该方法能够精确地确定各根节点不同状态发生的概率,并能够有效提高贝叶斯网络处理不确定性问题的能力。

基于T-S模糊故障树和贝叶斯网络的多态液压系统可靠性分析

为解决T-S模糊故障树分析方法在液压系统可靠性分析过程中运算复杂和只能单向推理的问题,提出一种基于T-S模糊故障树与贝叶斯网络的多态系统可靠性分析方法。根据给出的T-S模糊故障树向贝叶斯网络转化的方法确定贝叶斯网络的模型结构与条件概率表,利用贝叶斯网络的推理算法计算顶事件发生概率、事件后验概率以及底事件重要度。该方法既能进行计算系统可靠性指标及重要度的前向推理,又能进行故障诊断的反向推理,而且计算公式简单。最后通过900t提梁机液压驱动系统工程实例验证了算法的可行性与有效性。

区间三角模糊多态贝叶斯网络可靠性分析方法研究

针对传统系统可靠性分析方法在处理模糊信息方面的不足,建立了基于区间三角模糊贝叶斯网络的多态系统可靠性分析方法。通过区间三角模糊子集来描述根节点故障率;基于区间三角模糊子集,构建了区间三角模糊多态贝叶斯网络模型;研究了区间三角模糊多态贝叶斯网络可靠性分析算法,给出了求解叶节点故障模糊可能性与去模糊根节点后验概率的计算方法。最后,对塔机倾覆事故进行了可靠性分析,验证了该方法的有效性。

基于模糊贝叶斯网络的多态系统可靠性分析及在液压系统中的应用

为使贝叶斯网络能够对模糊信息和不确定信息进行处理,提出一种新的基于模糊贝叶斯网络的多态系统可靠性分析方法。该方法将模糊集合理论引入到贝叶斯网络可靠性分析中,考虑部件故障状态、部件故障率的模糊性以及部件间故障逻辑关系的不确定性,使贝叶斯网络具有处理模糊信息的能力。该方法采用模糊数描述系统和部件的故障状态,利用模糊子集描述部件的故障率,运用贝叶斯网络的条件概率表描述部件间的不确定联系。该方法应用到载重车液压悬架系统的可靠性分析实例中,分析结果表明该方法在进行系统可靠性分析时能够充分利用系统的模糊信息和不确定信息,从而提高系统可靠性分析的效率。

基于贝叶斯网络和直觉模糊推理的态势估计方法

将直觉模糊推理理论与贝叶斯网络推理相结合,提出一种基于直觉模糊理论和贝叶斯推理网络的态势估计方法。首先,分析当前贝叶斯网络推理的特点与不足,建立基于直觉模糊函数的贝叶斯网络推理模型;其次,证明直觉模糊函数在贝叶斯网络推理中是可传播的;最后,用实例给出评估结果,验证方法的有效性和模型的正确性。采用实例说明,当证据节点犹豫度较大时,一般贝叶斯网络推理得不到正确的结果,而该方法克服了此缺点,能够得到正确的推理结果。

基于直觉模糊贝叶斯网络的不确定性推理方法

针对模糊贝叶斯网络模型对战场态势信息不确定性描述与推理方面的局限性,利用直觉模糊属性函数表示贝叶斯网络节点概率以及变量间的因果依赖关系,给出了直觉模糊贝叶斯网络(IFBN)的定义,证明了节点直觉模糊性在贝叶斯网络推理中的可传播性,并提出了基于IFBN的不确定性推理方法,有效地提高了贝叶斯网络模型推理的准确性,增强了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该方法的有效性和优越性。

模糊支撑半径变量贝叶斯网络多态系统故障概率分析

针对现有隶属函数描述系统及部件故障状态的不足,构建了一种含模糊支撑半径变量的隶属函数来描述部件故障状态,提出了一种基于模糊支撑半径变量的贝叶斯网络多态系统故障概率计算方法.在隶属函数的构造中,用变量代替精确值描述隶属函数模糊支撑半径,建立了含模糊支撑半径变量的隶属函数;并将其引入贝叶斯网络,利用桶消元法对多态系统叶节点故障概率进行分析,得到叶节点故障概率变化曲线.将所提出的方法与文献中基于模糊支撑半径为定值的隶属函数贝叶斯网络方法相比较,验证了方法的有效性.最后,将该方法应用到数控机床主轴系统故障分析实例中,对叶节点故障概率进行计算.结果表明,该方法能够有效解决多态系统故障状态隶属函数选择中的主观性问题.

基于多态模糊贝叶斯网络的地铁车站深基坑坍塌可能性评价

针对地铁车站深基坑施工风险因素多、坍塌事故多发,且传统方法在多态性以及精确概率难以获取的复杂系统风险分析方面存在一定的局限性,提出了一种基于多态模糊贝叶斯网络的深基坑坍塌可能性评价方法。该方法根据建立的风险分析故障树来构建多态贝叶斯网络模型;利用模糊数描述根节点的故障状态和发生概率,克服了不能考虑事件中间故障状态对系统的影响以及精确概率难以获取的问题。基于贝叶斯网络正向推理实现了用根节点的模糊概率和施工中实际故障状态两种不同的方式计算基坑坍塌风险发生的概率,从而可以实现基坑施工过程中的实时动态风险分析,而且可以根据敏感性分析结果辨识关键致险因子以指导风险控制工作,同时可以通过反向推理获得各根节点的后验概率以进行故障诊断及进一步预测系统状态。实例分析表明:该方法能够科学、合理地评价基坑坍塌风险并确定关键致险因子,可作为基坑施工安全风险管理的决策工具。

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明:当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。

基于模糊贝叶斯网络的物流服务供应链系统可靠性分析

针对复杂物流服务供应链系统面对大量不确定模糊信息时难以进行可靠性分析的局限,给出一种利用贝叶斯网络与模糊集理论相结合的多态系统可靠性分析方法。基于模糊理论分析物流系统中各节点的状态集合以及状态变化的模糊概率,根据故障树原理构建供应链的模糊多态贝叶斯网络模型,利用三角模糊数描述物流单位的状态变化概率及不同状态间的不确定关系;运用优化算法计算多态物流系统的可靠度、状态变化的模糊概率及系统状态改变时节点发生特定故障的后验概率,并通过系统重要度分析得出物流节点的重要度及其状态的重要度;通过实例验证了该方法在多态物流系统可靠性分析中的适应性与效率性。结果表明该方法能充分处理系统中的不确定模糊信息,提高对物流系统的可靠性分析效率,并为物流服务企业改善影响可靠性的薄弱环节提供理论与数据支撑。

基于贝叶斯网络和灰关联法的多态液压系统故障诊断

提出基于贝叶斯网络和灰关联法并综合考虑根节点后验概率和故障诊断处理成本的故障诊断方法。考虑根节点故障状态的多态属性,利用贝叶斯网络推理求得根节点后验概率,利用模糊子集描述故障诊断处理成本,通过灰关联法建立故障诊断决策矩阵,计算故障诊断决策方案的灰关联度,进而确定故障决策方案的搜索序列以得出系统故障原因。通过液压系统实例,分别求解出半故障状态和故障状态下的故障诊断序列,同时也验证该方法的可信度和可行性。

基于模糊贝叶斯网络的塔吊作业安全风险评估

为更准确地评估塔吊作业的安全状况,对后续的预防工作提供参考,采用模糊多态贝叶斯网络对塔吊作业的安全风险进行了评估。首先分析塔吊作业的工作机理和事故发生的原因,识别出4种风险事故类型、10种风险事件、12项风险因素,确定了塔吊作业安全风险评估指标体系;然后梳理指标之间的因果联系和规律性,构建贝叶斯网络结构,引入模糊集理论与概率分配的计算方法分别得出根节点的PPT和中间节点的CPT,运用贝叶斯网络分析工具Netica软件得出指标的各类风险等级发生概率,并逆向推理出影响最大的风险因素;最后通过案例分析,验证了该方法的可行性和合理性。结果表明:该方法能够对塔吊作业的安全风险进行评估。

基于直觉模糊集和贝叶斯推理的意图识别方法

将事件作为目标意图识别的证据,针对经典贝叶斯网络在战场意图识别方面存在的问题,提出了一种基于直觉模糊集和贝叶斯网络相结合的意图识别方法。利用直觉模糊函数表示贝叶斯网络模型的各个节点及节点间的因果依赖关系,建立基于直觉模糊贝叶斯推理的识别模型,简化了推理步骤,增强了意图识别的可信度。最后通过实例验证了该方法相比经典贝叶斯推理方法更加准确可信。

基于T-S模糊故障树的多态导航系统性能可靠性

考虑复杂多态导航系统在不同故障状态具有不同的性能可靠性,将T-S模糊故障树模型应用到多态导航系统性能分析中,以T-S模糊故障树表示系统的性能变量,映射为系统性能指标值,结合统计学中的期望思想,计算不同层次事件发生故障时系统的性能可靠性,并以典型的全球定位系统(GPS)和惯性定向定位导航系统(INS)相组合的导航系统进行分析建树,求解系统在多故障状态下的性能可靠性指标,并进行了实例分析。结果表明:无论底事件处于轻微还是严重故障状态,对系统性能都会产生影响,中间事件是导航系统的薄弱环节,即便是中间层轻微故障,也会引起系统性能可靠性较大的下降。

基于直觉模糊贝叶斯网络的HUD系统多阶段任务可靠性分析

针对国产平视显示系统(HUD)部分功能模块底层可靠性数据积累不足、难以支撑可靠性分析的问题,提出基于直觉模糊贝叶斯网络(IFBN)的平视显示系统多阶段任务可靠性分析方法。首先,研究基于贝叶斯网络的多阶段任务系统(PMS)模型构建方法,并综合考虑可能的共因失效(CCF)影响;其次,研究基于直觉模糊理论的模糊事件失效数据评估方法,提出适用于航电设备的模糊区间划分方法及直觉模糊数与失效数据的转换算法,并采用基于Tω算子的直觉模糊数聚合算法,降低模糊累计;最后,以某型平视显示系统为例进行多阶段任务可靠性计算。所提方法为系统底层失效数据模糊情况下的可靠性分析问题提供支持。

复杂多态系统的区间值模糊贝叶斯网络建模与分析

随着现代工程系统结构复杂度的增加以及运行环境的复杂化,传统的可靠性分析与评估技术已不能满足现代工程系统需求.针对复杂多态系统可靠性分析与评估的需求,本文从部件状态分析、系统结构分析入手,对存在认知不确定性同时考虑失效相关性的复杂多态系统进行可靠性建模与分析.由于现代复杂多态系统信息输入及系统故障影响因素的多样性,以及系统冗余,使得不确定性和共因失效对复杂多态系统可靠性分析和评估至关重要.本文借助贝叶斯网络对多态系统的图形表达和推理优势,采用模糊理论中区间值三角模糊数对部件概率进行描述;同时利用β因子模型对共因失效进行量化,再将其以新增共因节点的方式实现共因失效的贝叶斯网络建模,从而提出基于区间值模糊贝叶斯网络的复杂多态系统可靠性分析方法.最后,将基于区间值模糊多态贝叶斯网络对具有共因失效的多态卫星天线双轴定位机构传动系统进行可靠性分析.通过对实际工程系统的分析,表明本文建立的多种因素影响下复杂多态系统的可靠性建模和分析方法,进一步完善了复杂系统可靠性分析理论与方法.

矿井提升制动系统模糊可靠性分析

为了解决矿井提升机制动系统可靠性分析中由于基本事件发生故障数据较少或缺乏,具有模糊性和不确定性等问题,应用了一种基于模糊贝叶斯的多态系统可靠性分析方法,该方法将模糊集合理论引入到贝叶斯网络可靠性分析中,使贝叶斯网络具有处理模糊信息的能力。利用解模糊方法将专家综合评判得到的模糊数转化为精确值来获取各部件的先验概率,并提出了一种带权重系数的模糊重要度分析方法,结果表明,该方法能更准确、有效地识别多态复杂系统的薄弱环节,为维修与诊断提供指导。