贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.

基于多色集合的贝叶斯诊断网络构造方法研究

针对贝叶斯诊断网络知识表达不一致的问题,提出了一种基于结构分解的层级式多重故障结构模型,并引入多色集合理论,对这种结构模型的底层框架进行形式化描述,使得模型便于计算机表达和操作.利用多色集合的推理矩阵来实现贝叶斯诊断网络(BDN)的自动生成,给出了具体的推理步骤.以汽轮机设备为例,对提出的方法进行了有效性验证,结果表明,该方法有助于BDN知识表达的规范化和构造过程自动化程度的提高.

基于AI-ESTATE贝叶斯诊断的软件架构设计

为了提高水中兵器智能化故障诊断水平,实现诊断知识的可互换性和可移植性,设计了一种基于AI-ESTATE贝叶斯故障诊断的软件架构。简要分析了全测试环境人工智能交换与服务(AI-ESTATE)标准及其体系结构,并结合最新的贝叶斯网络技术,提出了相关实体的诊断模型标准化信息模型。最后在AI-ESTATE的架构概念和诊断系统的层次框架结构的基础上,设计了一种基于AI-ESTATE贝叶斯故障诊断技术的软件架构,同时给出了其实验验证的软件流程图。该软件架构的设计能够为电子装备故障诊断系统的软件开发提供一种新的解决方案。

基于知识的贝叶斯诊断网络模型建造方法

复杂系统贝叶斯诊断网络模型需要一个非常艰难的人工建造过程,而且故障样本的获得比较困难,通常面临故障样本缺乏的情况。围绕这些问题,本文提出了提取领域专家知识建造因果映射网络,转化因果映射网络为贝叶斯诊断网络的方法,并以运载火箭伺服系统关键部件伺服阀为应用对象,阐述了运用此方法建造贝叶斯诊断网络模型的关键步骤。最后,通过在单故障情况和多故障情况下的案例仿真,验证了贝叶斯诊断网络模型和模型建造方法的有效性。

纵向数据下均值协方差模型的贝叶斯统计诊断

研究了纵向数据下均值协方差模型的贝叶斯统计诊断。通过应用Gibbs抽样和Metropolis-Hastings (MH)算法相结合的混合算法获得模型贝叶斯数据删除影响诊断统计量来识别数据异常点。模拟研究和实例分析都表明所提出的诊断方法是可行有效的。

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.

基于贝叶斯网络的复杂装备D-S诊断

利用D-S证据理论进行故障诊断时,首先需要确定出故障识别框架和基本置信分配。但在导弹武器等复杂装备中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取故障识别框架和基本置信分配的困难。文中提出了利用贝叶斯网络理论来解决难题的方法,使D-S证据理论能在复杂装备故障诊断中得到应用。文中首先给出了诊断贝叶斯网络的适应度函数,并利用改进的粒子群优化算法求解了诊断贝叶斯网络。然后分析了诊断贝叶斯网络中故障原因与故障征兆间的关联关系,给出了征兆集合、异因征兆集合概念,提出了求解故障识别框架和基本置信分配的方法。最后,通过实例的D-S诊断,验证了所提方法的正确性。

通信装备诊断贝叶斯网络结构构建方法研究

诊断贝叶斯网络的构建,是应用贝叶斯网络对通信装备进行故障诊断的重要环节。分析了两种典型诊断贝叶斯网络构建方法的特点及其对于构建通信装备诊断贝叶斯网络的适用性。运用故障树转化算法建立了某型通信装备的诊断贝叶斯网络。实验分析表明,该方法对于通信装备诊断贝叶斯网络的构建具有较强的有效性。

基于支持向量数据-贝叶斯模型的冷水机组故障检测与诊断研究

本文采用了结合支持向量数据描述方法和诊断贝叶斯网络的故障检测与诊断模型,以模拟退火法优化支持向量描述方法的参数训练故障检测模型,以故障数据获取诊断贝叶斯网络结构与各节点的条件概率表构建故障诊断模型。针对螺杆式冷水机组制冷剂充注量不足、蒸发器水流量下降、冷凝器水流量下降及制冷剂水供水温度传感器偏差、冷却水出水温度传感器偏差故障,提出了支持向量数据-贝叶斯模型对5种故障检测与诊断能力,分析影响模型检测与诊断能力的因素。结果表明:SVDD-DBN模型对故障诊断效果受无故障预测模型准确度影响,且在置信度为99.7%时表现较好;对症状越独立的故障,模型诊断效果越好,制冷剂充注量不足、冷却水出水温度传感器偏差故障诊断率可达100%。

二元相依生存数据的贝叶斯统计诊断

基于FGM Copula函数刻画二元相依生存数据的相关关系,B样条函数拟合边际基本危险函数,建议半参数二元相依生存模型,相比较于全参数模型,其更为灵活柔性,适应范围更广.在贝叶斯理论框架下,基于Gibbs抽样和MH抽样的混合算法,对模型未知参数进行估计同时,建议了贝叶斯数据删除影响分析和贝叶斯局部影响分析的统计诊断方法.数据模拟和实例分析例证了所提出的半参数模型及其算法的可行性,所建议的统计诊断方法能检测出潜在异常点或强影响点.

机械故障的Bayes诊断法

对于机械故障，建立了贝叶斯诊断模型，利用并改进。Ｍ（·，＋）算法，给出一种较为满意的诊断方法，并通 过示例表现出同以往的模糊诊断模型的一致性及其优越性。

纵向数据下半参数联合均值协方差模型的贝叶斯分析

基于改进的Cholesky分解,研究分析了纵向数据下半参数联合均值协方差模型的贝叶斯估计和贝叶斯统计诊断,其中非参数部分采用B样条逼近.主要通过应用Gibbs抽样和Metropolis-Hastings算法相结合的混合算法获得模型中未知参数的贝叶斯估计和贝叶斯数据删除影响诊断统计量.并利用诊断统计量的大小来识别数据的异常点.模拟研究和实例分析都表明提出的贝叶斯估计和诊断方法是可行有效的.

测试不可靠条件下多故障诊断方法

针对部队复杂系统故障诊断中存在的诊断精度低,虚警率高等问题,提出一种测试不可靠条件下多故障诊断方法.为解决系统诊断贝叶斯网络结构和概率映射表建立困难的问题,通过建立系统的多信号流图模型,从而获得系统诊断贝叶斯网络.将测试不可靠度引入概率映射表,增加了算法工程应用中的鲁棒性.利用后验概率诊断推理将问题归结为不等式约束极值问题,采用0-1规划隐数法对不等式极值问题求解,从而获得最优解.以某型导弹制导系统电子部件为例,验证了该方法对复杂系统多故障诊断的有效性.

一种求解D-S诊断识别框架方法

利用D—S证据理论进行故障诊断时，首先需准确地确定出诊断识别框架，这是D—S故障诊断的先决条件。在导弹武器等复杂系统中，存在着故障原因与故障征兆之间关联关系不确定的现象，增加了求取诊断识别框架的困难。为此，提出了一种求取复杂系统的D—S诊断识别框架方法。首先，基于基本诊断模型，给出了诊断贝叶斯网络模型，以及求解诊断贝叶斯网络模型的方法；然后，给出了征兆集合等概念以及求解故障识别框架的方法；最后，通过示例验证了方法的正确性。