基于动态贝叶斯网络的缺失数据系统故障辨识

针对工业系统监控中存在的非高斯性、动态性以及缺失数据等问题,提出了基于动态贝叶斯网络的故障辨识方法.构建了混合高斯输出动态贝叶斯网络(DBNMG)模型,并基于期望最大化算法推导了DBNMG模型的参数学习策略.对于缺失数据问题,提出了一种非修补的DBNMG模型推理方法,利用部分的观测数据实现对故障的检测和辨识.以连续搅拌釜式反应器(CSTR)为对象,对本文提出的方法进行了仿真研究,仿真结果证明了本文所提方法的有效性.