基于离散时间贝叶斯网络的复杂机械系统重要度计算方法

为了对复杂动态系统部件进行有效的重要度分析,在构建基于事件树-动态故障树(ET-DFT)的概率安全评价模型的基础上,把ET-DFT模型映射为离散时间贝叶斯网络(DTBN),给出各静态和动态逻辑门向DTBN转化的方法以及各逻辑门条件概率表的计算方法。利用DTBN节点的独立性和双向推理功能,给出ET-DFT分层模型FV、RRW、BM和RAW等重要度的计算方法。数控机床液压系统应用实例的分析验证结果表明,基于离散时间贝叶斯网络的复杂机械系统重要度计算方法既能有效得到元件在各时间区间内的重要度,又能准确求出系统故障时各元件在各时间区间的故障概率以及某元件在某时间区间故障时各节点的故障概率。     

离散贝叶斯分类算法及分类误差估计

讨论了离散贝叶斯分类算法之后,推导了离散贝叶斯分类器的分类误差估算公式.高分辨雷达目标识别实验表明了该方法的正确性.该方法也可用于其它模式识别问题.     

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。     

贝叶斯网络的简约模式表达

当现实问题域包含连续变量时,研究人员通常在建模前进行离散化预处理。文章将朴素贝叶斯的条件独立性假设进行推广以处理连续变量,在此基础上提出广义朴素贝叶斯学习方法(GNB)。该方法不仅能避免离散化引起的信息损失对判决精度的影响,还在参数估计过程中引入增量学习机制以充分利用样本提供的信息。实验在UC I机器学习数据库分别从独立性和判决精度方面进行了验证,取得了良好的效果。     

离散数据点的B样条曲线精确拟合

给出了用Ｂ样条曲线拟合离散数据点的一种算法,首先利用所给的离散数据点,确 定出拟合Ｂ样条曲线的分段连接点,即尖点和局部曲率最大点,然后假设拟合点残余误 差为白高斯噪声,采用贝叶斯判定律确定每一段拟合曲线的最佳阶次与控制顶点数目, 顺利实现Ｂ样条曲线拟合。实验证明采用该算法可以获得更佳的Ｂ样条曲线拟合。     

空间索杆铰接式伸展臂动态故障树建模及其可靠性评估

由于空间索杆铰接式展臂伸机构复杂,部分失效过程出现动态特性,如冗余备份以及功能相关性等,故采用基于离散时间贝叶斯网络的动态故障树分析方法对伸展臂系统进行可靠性评估。首先分析逻辑门向离散时间贝叶斯网络的转化方法,建立逻辑门的贝叶斯网络模型以及相关事件的条件概率分布。根据上述转换原理,将空间索杆铰接式伸展臂的动态故障树转化为对应的离散时间贝叶斯网络模型,最后利用贝叶斯网络推理计算伸展臂系统的失效概率以及各失效模式的后验概率,实现对其可靠性的评估。     

考虑多种故障状态的机械系统可靠性评估方法研究

为解决传统可靠性分析方法在多状态且难以获得精确故障率的机械系统可靠性评估中的不足,以及T-S故障树存在计算复杂、不能逆向推理等问题,提出一种将T-S故障树和区间模糊多态贝叶斯网络相结合的系统可靠性评估方法.将T-S故障树映射成贝叶斯网络,在模糊贝叶斯网络可靠性分析方法中引入区间理论,对模糊子集边界值进行模糊化处理,构建...     

多维动态贝叶斯网络及其重要度分析方法

贝叶斯网络分析方法是可靠性分析的重要方法,但传统贝叶斯网络分析方法局限于分析单因素影响,当系统可靠性受多因素影响时会产生较大分析偏差。为此,提出多维动态贝叶斯网络分析方法,借助单位阶跃函数与冲激函数进行贝叶斯网络时间连续化构造,建立根节点受多因素影响时系统的失效概率分布函数。在此基础上,对传统重要度分析方法进行多维扩展,提出多维动态贝叶斯网络重要度分析方法。通过对斗轮机张紧机构液压系统进行工程实例分析,并与离散时间贝叶斯网络分析方法分析结果对比,验证了多维动态贝叶斯网络及其重要度分析方法的可行性和优越性,为系统改进与薄弱环节识别提供了更为准确的量化依据。     

基于贝叶斯理论的双列圆锥滚子轴承可靠性分析

为了研究高速火车轴承的可靠性,结合该轴承实际工作状况,采用定时截尾的方法进行仿真试验,试验获得数据为无失效试验数据。针对试验得出的无失效数据,通过改变贝叶斯估计的先验分布区间大小,进行传统贝叶斯可靠性估计。以实际工作过程中的可靠度为约束条件,确定先验分布的区间范围。得出的结论与理论值进行对比,效果较好。研究成果,可为火车轴承的可靠性预测提供理论参考。     

系统可靠性评估的超椭球贝叶斯网络及其灵敏度方法

利用区间模型描述根节点的失效可能性,解决根节点的失效可能性不易精确获取的问题;通过引入超椭球模型来界定不确定性参量的取值范围,解决区间贝叶斯网络在求取可靠性指标时计算结果相对保守的问题;定义超椭球贝叶斯网络的灵敏度指标,为找到系统的关键环节提供依据;结合贝叶斯网络双向推理求解出在根节点失效可能性已知的条件下,叶节点的失效可能性、根节点状态的后验可能性;给出了可靠性评估实例。     

基于Bayes信息融合的几何产品测量不确定度评定方法

对新一代GPS测量不确定度的评定精度进行研究,提出了一种基于Bayes信息融合的评定方法.该方法首先求得置信距离测度,得到置信距离矩阵,并在此基础上得出表示相互支持程度的关系矩阵,以此为评判标准得到最优测量组合,最后运用Bayes融合方法得到融合结果.     

核主泵机械密封可靠性Bayes分析的适应性

机械密封的可靠性对核主泵的安全稳定运行具有重要影响。为解决无失效数据情形下核主泵机械密封的可靠度评估问题,分析大亚湾核主泵机械密封的运行数据,确定其可靠度分布,建立结合Bayes理论的可靠性分析模型,利用Monte Carlo法从确定的可靠度分布中仿真出无失效数据,探讨无失效数据场合下,先验分布为Beta分布时,分组数c的取值对E-Bayes估计与多层Bayes估计精度的影响。研究表明：分组数c<8时,优先选择多层Bayes估计;c>8,优先选择E-Bayes估计,c=8时,2种方法的平均相对误差均达到较低水平且多层Bayes估计更低一些。研究成果对无失效数据场合下基于Bayes理论的核主泵机械密封可靠性分析具有指导意义。     

基于LSTM-RNN的滚动轴承故障多标签分类方法

为实时监测砂带磨损状态，采用基于磨削声信号与电流信号的监测方案。首先，利用时域分析方法与小波包分析方法提取砂带磨损信号特征，通过朴素贝叶斯方法融合两种信号，从而识别砂带磨损状态；其次，为提高砂带磨损状态识别准确率，针对朴素贝叶斯方法的分类特性，改进了一种基于Fisher判别率与互信息的信号特征选择方法。实验结果表明，利用基于Fisher判别率与互信息方法能够挑选出可分性好同时特征间相关性弱的信号特征，基于朴素贝叶斯的砂带磨损状态识别方法能够准确地识别砂带磨损状态。     

基于最小二乘模型的Bayes参数辨识方法

现实中的系统都具有一定的非线性,并且这种非线性在非线性通道补偿和非线性系统故障诊断等领域是不可忽略的。针对有白噪声干扰的输出误差非线性系统,将数学模型与基于最小二乘的Bayes算法相结合,用数学模型参数代替辨识模型信息向量中的未知项,用基于白噪声的最小二乘模型进行不可预测辨识,从而提出了基于最小二乘模型的Bayes参数辨识方法。介绍了Bayes基本原理及2种常用的方法,经过理论分析和MATLAB仿真研究证明,该方法原理简单、计算量小、速度快、抗干扰能力强,可以对较高精度非线性系统进行参数估计和在线辨识。     

电子产品失效率的Bayes估计

电子元件失效率是安全联锁系统可靠性指标计算的重要基础.本文采用Bayes方法,对寿命分布服从指数分布的电子产品的失效率进行估算,推导了失效率点估计计算的公式.这种方法能够充分结合文献数据和工程试验数据,提高失效率的估算精度.算例表明该方法实用性强,有较好的的工程指导作用.     

鱼雷可靠性评定中的 Bayes 方法

Ｂａｙｅｓ方法是在小子样产品可靠性评定中应用较多的一种方法，但产品验前分布确定得是否合理，将直接影响评定结果。在采用Ｂａｙｅｓ方法对鱼雷可靠性进行评定时，常常是将成败型分系统试验的验前分布取为β（０，０）。这种对鱼雷的成败型分系统验前分布的取法是不够科学的。本文从理论上和工程实践上说明了鱼雷产品的成败型分系统验前分布应取为β（１／２，１／２），从而给出了由分系统试验数据折合成系统试验数据的Ｂａｙｅｓ方法修正公式。     

基于变分贝叶斯的DR/UTP组合导航滤波方法

针对水下无人航行器(UUV)的航位推算导航方法(DR)和水下应答器(UTP)组合导航系统中传统滤波器因观测噪声统计模型不准确或未知而出现的滤波器发散问题,提出了一种基于变分贝叶斯的平方根容积卡尔曼滤波算法,该算法利用变分贝叶斯方法对DR/UTP组合导航系统的状态和时变观测噪声进行估计,并引入自适应调节因子来提高对观测噪声的逼近精度,然后利用平方根容积卡尔曼滤波对系统状态进行更新。仿真结果表明,该滤波算法能够较好地跟踪UUV的DR/UTP组合导航系统外部观测噪声方差的不断变化,可有效提高对DR/UTP组合导航系统各参数的估计精度。     

基于贝叶斯网络的权重自学习方法研究

为了解决多层次、多属性、多目标复杂系统决策的权重确定问题,提出了一种首先对属性进行主观赋权,然后通过贝叶斯网络进行自学习的权重确定方法。贝叶斯网络的构造由决策目标之间的相互关系来确定,其条件概率表是属性相对于目标的初始权重和属性值所组成的二元结构体,其权重自学习梯度下降策略采用贪心爬山法。由于贝叶斯网络没有对输入层的结构要求,可以解决两层以上多目标决策权重的确定问题。用该方法来确定权重是通过网络对样本学习而获得的,学习过程不受人为因素的干扰,减少了复杂系统决策过程中的不确定性因素的影响,保证了多目标决策的可靠性和准确性。     

An online novel adaptive filter for denoising time series measurements

A nonstationary form of the Wiener filter based on a principal components analysis is described for filtering time series data possibly derived from noisy instrumentation. The theory of the filter is developed, implementation details are presented and two examples are given. The filter operates online, approximating the maximum a posteriori optimal Bayes reconstruction of a signal with arbitrarily distributed and non stationary statistics.