共查询到18条相似文献,搜索用时 218 毫秒
1.
本文以SNMP网络管理模型的管理信息库(MIB)为基础,在不同层次上构建了用于故障判别与定位的贝叶斯网络。对MIB变量采用自适应自回归(AAR)模型建模分析,构建与其相关协议之间的贝叶斯网络,推断协议功能是否发生异常。分析各个协议之间的功能依赖关系,构建协议间的贝叶斯网络,定位协议间的故障根源。考虑网络中故障传播构建了基于网络拓扑的贝叶斯网,定位故障根源节点。最后,对构建的模型进行了实验仿真,并分析了模型的优点和缺点。 相似文献
2.
3.
吴新玲 《计算机工程与应用》2004,40(33):195-197
介绍了基本的贝叶斯分类模型和贝叶斯信念网络模型,对网络模型的学习进行了讨论。并从实际出发,提出了几种可以简化模型结构、降低学习复杂性的可行方法,简要说明了这些方法在网络模型中的应用。对贝叶斯分类模型的准确性及其主要特点进行了分析。 相似文献
4.
为有效保证电力通信网业务的隔离性、解决链路故障恢复的问题,基于网络虚拟化技术,提出了网络虚拟化环境下电力通信网服务故障管理模型。该模型包括电力通信网基础设施层、服务故障管理平台层、电力通信服务层。基于该模型,提出了服务质量(QoS)约束的电力通信网服务故障恢复算法。以保障电力通信网QoS为目标,建立了一套电力通信网服务失败的风险值评估模型。在满足业务隔离和业务QoS要求的情况下,该算法实现了链路故障导致电力通信基础网络损失最小化的目标。通过仿真试验,证明了该算法可以恢复尽可能多的电力通信服务,在电力通信服务故障恢复能力、电力通信基础网络的收益方面取得了较好的效果。 相似文献
5.
一种用于汽车发动机故障诊断的贝叶斯网络模型 总被引:1,自引:0,他引:1
在汽车发动机故障诊断领域,由于设备内部的复杂性和导致故障的不确定因素,使得解决不确定性问题成为目前发动机故障诊断的首要问题;文章提出了一种用于解决不确定性问题的贝叶斯网络模型,该模型的网络结构学习采用了基于簇的搜索算法;为了获得更高准确率的故障诊断结果,模型加入了对当前信息集的采用,进行结构和参数的在线学习,改进了网络结构,网络通过概率传播算法,推理出产生故障的原因节点;在实例中表明,该模型能准确有效地解决发动机故障诊断中存在的不确定性问题,并与专家系统故障诊断模型做出比较,验证了基于该算法的贝叶斯网络模型在信息不确定性条件下能够提高诊断的准确率。 相似文献
6.
7.
贝叶斯网络是概率统计学的重要分支,具有强大的不确定性问题处理能力,适用于复杂系统的故障诊断。风力发电机系统维护成本较高,为减少维修成本,需要进行准确的故障定位;文章对基于贝叶斯网络的故障诊断方法进行了研究,介绍了贝叶斯网络故障诊断模型的建立过程,并着重介绍了诊断算法推导和计算过程;利用历史故障统计数据建立了风力发电机系统贝叶斯网络Matlab模型,主要包括网络结构有向无环图和条件概率分布参数等内容;最后,模拟了两种故障,分别采用贝叶斯网络方法和相关性矩阵方法进行故障诊断,通过对两种方法诊断结果的比较,前者具有更好的故障分辨率,可有力支持复杂系统的维护保障、降低维修成本。 相似文献
8.
为解决柴油机润滑系统多故障的解耦与诊断问题,提出一种基于贝叶斯网络模型的故障诊断方法.建立的润滑系统贝叶斯网络诊断模型包括利用有向无环图描述多故障耦合关系和采用概率形式表示故障诊断定量知识两个部分.按照故障类型将润滑系统故障诊断任务分解为各类故障的诊断子任务,对于各子任务,利用故障树模型分析故障与征兆及多故障间的耦合关系,并通过故障树向贝叶斯网络的转化建立润滑系统的贝叶斯网络模型结构.在定量参数方面,采用noisy-OR/AND模型分析故障与征兆间的因果关联强度,通过设定故障的先验发生概率描述润滑系统的历史运行状况.最后,通过两起“进机油压过低”故障实例验证所提出方法的有效性. 相似文献
9.
在研究发动机各类故障诊断的基础上,结合贝叶斯网络从数据中学习的方法,提出一种能够根据实际样本数据对发动机的各类故障进行可视化诊断的方法,其充分考虑了先验知识,且能够根据实际样本数据对先验知识进行修正。以发动机W P7的故障为例,通过因果关系建立贝叶斯网络的可视化模型,结合先验知识进行参数学习和推理,实例结果表明,该模型及分析方法很好地反应了各部件或子系统的故障对于整个系统故障的影响以及各部件或子系统之间的依赖关系及依赖程度,有助于找出系统的薄弱环节和提高系统可靠性的途径。 相似文献
10.
针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。 相似文献
11.
The growing complexity of distributed systems in terms of hardware components, operating system, communication and application
software and the huge amount of dependencies among them have caused an increase in demand for distributed management systems.
An efficient distributed management system needs to work effectively even in face of incomplete management information, uncertain
situations, and dynamic changes. In this paper, Bayesian networks are proposed to model dependencies between managed objects
in distributed systems. The strongest dependency route (SDR) algorithm is developed for backward inference in Bayesian networks.
The SDR algorithm can track the strongest causes and trace the strongest routes between particular effects and its causes,
the strongest dependency of causes can be also achieved by the algorithm. Thus, the backward inference provides an efficient
mechanism in fault locating, and is beneficial for performance management. 相似文献
12.
针对级联故障在网络数学模型中展现的局限性,基于复杂网络和图论的基本原理,对无线通信网络进行建模,并对网络中的故障传播进行研究。根据复杂网络中的无标度模型,建立由网络节点和通信信道组成的线图模型。针对无线通信网络中的级联故障,分别从网络故障等级、节点容错能力大小、初始故障节点数目等方面研究故障在通信网络中的传播情况。仿真结果表明,线图模型能够更直观地体现网络特性,同时故障参数会影响级联故障在通信网络中的传播。 相似文献
13.
基于FMEA/FTA的嵌入式软件故障诊断模型与应用 总被引:1,自引:0,他引:1
嵌入式软件测试过程往往会出现一些随机发生的关键疑难故障,定位这些故障将耗费大量的时间和精力,然而,目前对于嵌入式软件故障诊断技术的研究还比较少,而且尚未发现利用FMEA和FTA等可靠性分析技术以及贝叶斯网络技术的嵌入式软件故障诊断研究;因此,文中结合嵌入式软件的特点,运用FMEA和FTA综合分析方法,将贝叶斯网络技术与FMEA和FTA分别结合,提出一种基于贝叶斯网络FMEA/FTA的嵌入式软件故障诊断模型,并举出实例加以验证,指导软件测试人员找出故障;实例应用表明,这种模型有助于提高软件故障诊断效率和保证软件质量。 相似文献
14.
This article combines Bayes’ theorem with flows of probabilities, flows of evidences (likelihoods), and fundamental concepts
for learning Bayesian networks as biological models from data. There is a huge amount of biological applications of Bayesian
networks. For example in the fields of protein modeling, pathway modeling, gene expression analysis, DNA sequence analysis,
protein–protein interaction, or protein–DNA interaction. Usually, the Bayesian networks have to be learned (statistically
constructed) from array data. Then they are considered as an executable and analyzable model of the data source. To improve
that, this work introduces a Petri net representation for the propagation of probabilities and likelihoods in Bayesian networks.
The reason for doing so is to exploit the structural and dynamic properties of Petri nets for increasing the transparency
of propagation processes. Consequently the novel Petri nets are called “probability propagation nets”. By means of examples
it is shown that the understanding of the Bayesian propagation algorithm is improved. This is of particular importance for
an exact visualization of biological systems by Bayesian networks. 相似文献
15.
16.
Shichao Zhang Chengqi Zhang 《IEEE transactions on systems, man, and cybernetics. Part A, Systems and humans : a publication of the IEEE Systems, Man, and Cybernetics Society》2002,32(4):526-531
Complexity reduction is an important task in Bayesian networks. Recently, an approach known as the linear potential function (LPF) model has been proposed for approximating Bayesian computations. The LPF model can effectively compress a conditional probability table into a linear function. This correspondence extends the LPF model to approximate propagation in Bayesian networks. The extension focuses on encoding probability propagation as a polynomial function for a class of tractable problems. 相似文献
17.