基于贝叶斯网络推理的注塑模改模工艺规划系统设计

模具改模知识具有极大的主观性和不确定性,根据其特点,提出了利用贝叶斯网络推理辅助模具工艺人员建立改模方案,设计了改模贝叶斯网络推理模型和改模工艺规划系统的推理控制策略,并开发改模工艺规划系统的推理机.在此基础上设计开发了改模工艺规划系统,该系统已经成功应用于某模具企业,并得到较为满意的效果.     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于贝叶斯网络的复合双轴转台精度推理研究

为精准预测复合双轴转台精度，分析了多因素对系统精度影响规律。利用复合双轴转台统计系统实验数据，学习构建以内轴精度、外轴精度、自准直精度和待检编码器精度为主要节点的贝叶斯网络结构；在Netica中建立系统精度推理模型，并通过证据敏感性分析和平均绝对误差(MAE)分析验证贝叶斯网络(BN)模型的有效性；运用自学习贝叶斯网络的概率推理，分析主要目标节点各变量的后验概率变化，对系统精度变化规律进行原因诊断和支持解释。研究结果表明：复合双轴转台精度自学习BN模型能够实现系统精度准确推理预测，系统精度超差的MAE值基本稳定在5%以内，且角度间隔0.125°和时间间隔20 s为系统最优控制参数，为贝叶斯网络技术在复合双轴转台精度推理中的应用提供了参考。     

基于本体的贝叶斯网络知识推理研究

针对产品设计过程中因设计知识不断增多、知识存储位置分散且知识表示没有统一规范而导致的知识利用效率低下、知识推理精度不高的问题,提出了一种基于本体的贝叶斯网络知识推理的方法。以包装产品设计过程为例,根据整个设计过程中的知识活动,建立了包装设计的设计任务、设计知识、设计人员的知识本体模型;依据本体模型中描述的概念—概念间的相互关系,建立网络拓扑结构,定性的描述节点间的关系,并根据历史的设计方案以及专家经验确定网络节点间条件概率分布。最后,根据贝叶斯理论实现知识的推理。     

基于B/S模式的贝叶斯网络平台设计和应用

研究了B/S模式下贝叶斯网络平台的设计和应用,详细描述了贝叶斯网络平台的功能设计、贝叶斯网络平台的开发框架、贝叶斯网络图形和贝叶斯网络数字信息的构建以及贝叶斯网络推理算法。由于采用B/S模式进行平台构建,该平台在使用方便性、使用成本和维护成本等方面都具有巨大的优势。最后利用该贝叶斯网络平台对CarStarts实例进行了网络建模和网络推理。经验证,该平台完全满足贝叶斯网络模型实际应用,能为贝叶斯网络模型的远程构建和推理提供良好的支持。     

基于B/S模式的贝叶斯网络平台设计和应用

研究了B/S模式下贝叶斯网络平台的设计和应用,详细描述了贝叶斯网络平台的功能设计、贝叶斯网络平台的开发框架、贝叶斯网络图形和贝叶斯网络数字信息的构建以及贝叶斯网络推理算法。由于采用B/S模式进行平台构建,该平台在使用方便性、使用成本和维护成本等方面都具有巨大的优势。最后利用该贝叶斯网络平台对CarStarts实例进行了网络建模和网络推理。经验证,该平台完全满足贝叶斯网络模型实际应用,能为贝叶斯网络模型的远程构建和推理提供良好的支持。     

基于贝叶斯网络推理的数控机床元动作装配情景异常识别

针对机床的机械故障频发且装配因素难以识别的问题，提出了基于贝叶斯网络的机床装配情景异常推理识别方法。以机械零部件多尺度运动分析为切入点，建立了机床功能-元动作的多尺度映射模型，利用故障模式及影响分析(Failure Mode and Effect Analysis, FMEA)方法建立了机床元动作单元关键装配情景构成模型。基于装配情景构成模型建立了元动作单元装配情景的贝叶斯网络结构，利用证据推理法实现了元动作单元装配情景异常概率的智能推理。以蜗轮转动元动作单元为例，构建了蜗轮转动单元装配情景初始贝叶斯网络，获取了蜗轮转动元动作输出的异常概率(由装配因素引起)为2.35%;以蜗轮转动故障为起点进行了贝叶斯网络反向推理，识别出导致蜗轮转动故障的各装配情景异常概率。元动作装配情景的异常识别为实现机床故障装配因素的追溯提供理论依据。     

贝叶斯网络在火灾报警系统中的应用

在火灾报警系统中火灾概率分析存在不确定性因素问题,为此文章提出用贝叶斯网络对火灾概率进行分析。首先通过分析火灾燃烧原理,得到火灾概率与燃烧过程产生的物化特征之间的内在逻辑关系;在定义火灾燃烧特征参量作为贝叶斯网络节点变量的基础上,创建了基于Netica的火灾报警系统贝叶斯网络模型。通过概率推理和对节点的证据敏感性分析,验证了利用贝叶斯网络模型对火灾发生概率进行分析是可行的、有效的。     

动态贝叶斯网络在设备剩余寿命预测中的应用研究

采用动态贝叶斯网络对设备剩余寿命进行预测,建立了基于动态贝叶斯网络模型的设备剩余寿命预测框架模型,运用动态贝叶斯网络的粒子滤波近似推理算法对加工过程中钻头寿命预测进行实例研究,结果表明了该方法的有效性.