基于直觉模糊贝叶斯网络多态系统可靠性分析

针对贝叶斯网络分析多态系统可靠性时各根节点不同状态的精确概率难以确定的问题,提出了一种基于直觉模糊贝叶斯网络的可靠性分析方法。该方法是将多位专家评估的各根节点不同状态发生的直觉模糊概率及各位专家权重通过直觉模糊加权平均算子求解出综合概率,由得分值函数和相应的数据处理获得各根节点不同状态发生的精确概率;通过贝叶斯网络计算叶节点不同状态发生的概率,以及叶节点处于不同状态时各根节点处于不同状态的概率和重要程度。仿真表明该方法能够精确地确定各根节点不同状态发生的概率,并能够有效提高贝叶斯网络处理不确定性问题的能力。     

基于动态贝叶斯网络的电源系统可靠性分析与故障诊断

动态系统的可靠性分析与故障诊断一直是可靠性领域的热点及难点问题,作为该领域热门的分析工具之一,动态贝叶斯网络(DBN)得到了充分的应用与开发.但是,现有的DBN算法受限于系统的失效分布类型,且建模难度也随着系统复杂度的增加而呈指数增长.针对以上问题,该文提出一种改进的动态贝叶斯网络概率表建模方法,在连续任务时间的条件下...     

贝叶斯网络及其在柴油机故障诊断中的应用

基于柴油机动力装置故障树的诊断模式，引入了目前处理概率知识基础上不确定性问题的最有力的推断方法之——贝叶斯网络，但是如何建立贝叶斯网络是其广泛应用的“瓶颈”。介绍了贝叶斯网络的基本理论并提出了基于故障树的贝叶斯网络建造方法，建立了柴油机故障树诊断模型，并把它转化成贝叶斯网络，利用贝叶斯网络对柴油机系统进行了故障诊断，从而改善了诊断结果，并按照最优原则充分利用观测信息，进行了网络的更新和知识积累。     

贝叶斯网络在水电机组故障诊断中的应用研究

分析了传统故障诊断方法对于处理实际系统中的不确定性问题时所存在的不足,将贝叶斯网络的理论与方法应用到水电机组故障诊断中,介绍了贝叶斯网络的建模方法与推理机制,并通过一个专家系统的建模过程与诊断结果,证明了基于贝叶斯网络的水电机组故障诊断专家系统所具有的独特优点。     

贝叶斯网络的电网故障诊断应用

根据电网的线路模型,建立贝叶斯网络对元件故障进行诊断.该方法能对不确定的知识和规则进行推理,根据实际的电网故障样本数据进行训练,不断更新条件概率表的参数,以提高电网故障诊断的准确率.     

基于贝叶斯网络地铁车门系统可靠性分析和故障诊断

针对驱动电机未动作造成地铁车门系统产生故障这一问题,提出了一种利用贝叶斯网络对车门驱动电机进行可靠性分析的方法.根据车门驱动电机的故障树建立对应的贝叶斯网络,采用桶排除法计算驱动电机未动作的故障概率,由后验概率进行驱动电机的故障诊断,并确定各基本故障的灵敏度,从而获得车门系统的关键环节为内部电机驱动模块和EDCU插头.实验结果表明,贝叶斯网络能很好地应用于地铁车门系统的可靠性分析,可为车门故障维修提供支持和参考.     

基于贝叶斯网络的元件重要度和灵敏度分析

对于机械系统来说,组成元件的可靠性决定了系统的可靠性,而处于系统结构不同位置的元件对于系统可靠性的影响又存在很大的差异.据此,提出了基于贝叶斯网络的复杂机械系统可靠性组成元件重要度和灵敏度分析的方法,运用该方法不但能计算出机械系统的可靠性指标,而且能方便地给出每个部件或几个部件对系统整体可靠性影响的大小,识别系统的薄弱环节.给出了结合故障树方法建立系统贝叶斯网络模型的方法,并用实例验证了用贝叶斯网络方法进行机械系统可靠性评估以及进行组成元件重要度和灵敏度分析的有效性和优越性.     

基于贝叶斯网络的配电系统可靠性分析方法

提出了根据配电网的实际拓扑结构和元件对系统的影响关系直接建立贝叶斯网络以实现配电系统可靠性分析的方法。该方法的特点是不仅能进行配电网的可靠性指标评估,而且还能方便地得到系统每个元件或几个元件对整个系统可靠性的影响,从而克服了配电系统传统可靠性评估方法的不足。通过实例,阐述了应用贝叶斯网络方法进行配电系统可靠性评估的有效性和优越性。     

贝叶斯网络在车辆状态远程故障诊断系统中的应用

为了解决车辆状态远程故障诊断系统中的不确定性问题,提出了一种基于贝叶斯网络模型的故障诊断方法．这种故障诊断方法可在输入数据不完备,甚至含噪的情况下,充分利用贝叶斯网络的先验知识以及建模学习能力和概率推理算法来应对不确定性问题的表示和推理,完成系统的故障诊断．实验结果表明,贝叶斯网络方法在车辆故障诊断速度、准确性方面优于传统的基于BP算法或RBF算法的诊断方法,并且提高了故障诊断系统的鲁棒性．     

一种基于贝叶斯网络的飞机配电系统可靠性评估方法

把一种基于贝叶斯网络的故障树分析法运用于飞机配电系统可靠性评估，不但能计算出飞机配电系统的可靠性指标，而且可以方便地给出每个部件或几个部件对配电系统整体可靠性的影响大小，分析系统中的薄弱环节，避免传统飞机配电系统可靠性评估方法中分析复杂，减少了计算量，弥补了传统故障树分析法的不足。     

多态无线传感器网络可靠性分析

为评估多态无线传感器网络(WSN)的可靠性并降低其计算的组合复杂度,构建了节点三态的 WSN 模型,给出结合信息流动力学的时延约束下三态 WSN可靠性符号化定义,提出了基于 MMDD的三态 WSN可靠性符号算法,该算法通过自定义操作对三态 WSN按需构建,不需枚举所有路集,可有效地降低算法的空间复杂性。实验结果表明,MMDD算法能有效分析时延约束下三态 WSN可靠性,且相比 Robert算法具有更高的运行效率。     

存在房形事件的故障树向贝叶斯网络的转化

为完善基于贝叶斯网络的故障树分析方法,提出了保持贝叶斯网络拓扑结构不变、扩展某些事件节点的状态空间、保持事件节点状态空间不变、调整贝叶斯网络的拓扑结构,两种将存在房形事件的故障树转化为贝叶斯网络的方法.对这两种方法的优劣进行了比较,通过对简化的核电站辅助给水系统的分析,验证了上述方法的正确性.     

基于贝叶斯网络的事故序列分析

针对传统的事件树分析方法的二态性和独立性假设的局限性,提出了基于贝叶斯网络的事故序列分析方法.该方法不仅可以对二态独立的事件树进行分析,还可以分析存在多态相依事件的事件树,而且大大缩减了图形的规模.另外利用贝叶斯网络还可以得到其他有用的信息,最后通过一个实例说明了该方法的有效性.     

给定流约束多状态装置系统可靠性评估新模型

利用最大值、最小割原理及其图的环和理论 ,提出了多状态给定流约束装置系统 (水应用管网、石油传输网络 )可靠性评估的新模型 .通过两个定理及其两个算法 ,将对应的多状态系统的可靠性评估问题转化为 2状态系统的可靠性评估问题 .该模型原理简单、易于计算机操作 ,给出的例子说明了模型及其算法的有效性     

基于粗糙集-贝叶斯方法的分布式电网故障诊断

针对实际的电网故障诊断中常存在的冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集和贝叶斯有机结合在一起,并鉴于传统的人工智能在大电网故障诊断应用中存在的局限性而采用分布式数据挖掘的思想,提出了一种基于粗糙集-贝叶斯的分布式电网故障诊断方法。该方法首先把大电网分割成给定数目的局部电网,然后利用粗糙集对各个局部电网分别建立决策表并进行约简,最后利用粗糙集-贝叶斯方法进行局部电网内部及局部电网之间的联络线的规则提取形成全局规则库,并根据实时报警信息进行规则匹配得到诊断结果。经电网故障诊断算例分析表明,该算法正确、有效,速度快,容错性好。     

一种基于动态贝叶斯网的高效多故障诊断算法（会议）

故障管理是网络管理的重要内容之一,快速准确地定位网络故障是一项重要的研究课题。基于静态贝叶斯模型的故障诊断方法已被广泛采用,但当网络动态变化时,该方法具有很大局限性。目前,当网络动态变化时,可以提高诊断准确度的算法是基于动态贝叶斯模型的,但已有算法复杂度较高,不适用于规模较大的网络。本文首先将被管系统建立成动态贝叶斯模型,并提出一种能够处理多故障的近似推理算法。接下来通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题。最后通过实验证明,本文提出的新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法。     

考虑性能依赖的元动作单元多态可靠性分析

为研究单元之间相互作用所引起的性能依赖给多态系统可靠性造成的影响.利用功能-运动-动作(FMA)分解理论将多态系统分解成多个元动作,以元动作单元为研究对象,运用非齐次马尔科夫模型描述元动作单元的多状态演变过程;通过设定状态转移系数将状态转移率与依赖特性相关联,构建新的状态转移矩阵,再运用Kolmogorov微分方程求得多态单元处于各状态的概率,并利用向量通用发生函数建立考虑单元性能依赖特性的多态系统可靠性分析模型,讨论了不同依赖情形下的模型特点;以国内某卧式加工中心的分度转台系统为例验证了单元依赖特性对系统可靠性的影响.结果表明:具有依赖特性单元的状态转移率会随着对应自立单元的性能退化而改变;与单元相互独立的多态系统相比,在单元处于高性能状态时,具有单元依赖特性的多态系统可靠度更高;在单元处于低性能状态时,具有单元依赖特性的多态系统可靠度更低.研究结果可为机械系统可靠性设计和产品维修周期设计提供相应的理论依据.