基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法，详细描述了贝叶斯网络故障诊断模型的建立方法，设计了基于Pearl信念传播机制的故障诊断算法，并对其进行了改进，以提高诊断效果．最后，通过仿真验证了该方法的有效性，并提出了下一步的研究方向．     

基于贝叶斯网络直升机操纵系统的故障诊断

该文针对直升机飞行操纵系统的故障诊断,讨论了故障树分析法和贝叶斯网络法的优缺点,提出一种基于贝叶斯网络的故障诊断方法。首先介绍了贝叶斯网络的基本原理,重点讲述了贝叶斯网络的构建方法和故障诊断流程,应用基于贝叶斯网络的故障诊断方法既可以通过操纵系统部件故障率推断系统总故障率,也可以分析操纵系统的薄弱环节,最后通过实例验证了贝叶斯网络法在直升机飞行操纵系统故障分析中的有效性。     

基于贝叶斯网络的汽车故障诊断分析研究

贝叶斯（Bayes）网络是基于概率推理的图形化网络、数学模型,针对汽车故障的特点及类型,提出采用贝叶斯（Bayes）网络作为汽车故障诊断分析方法,为汽车故障提供准确和可靠的决策依据。     

基于贝叶斯网络的系统测试性建模与分析

针对现有测试性建模方法对系统不确定信息描述及分析上的不足,提出了基于贝叶斯网络的测试性建模与分析方法。首先结合贝叶斯网络的基本理论,阐述了系统测试性模型的构成要素及建立流程,用相关性矩阵表示系统故障-测试之间的关联,用条件概率矩阵描述两者间的不确定信息;然后给出了测试性指标的具体分析过程和算法;最后通过实例验证了方法的有效性。     

一种针对水泥回转窑故障诊断的贝叶斯网络模型

为了实现水泥回转窑的故障诊断,采用贝叶斯网络建立了水泥回转窑故障智能诊断模型。在模型建立 过程中,提出了一种基于数据样本、不依赖先验知识的贝叶斯网络结构学习改进算法。在利用改进结构学习算法 建立诊断模型贝叶斯网络的基础上,利用MLE算法和变量消除法完成了模型的参数学习和诊断推理。为了验证 水泥回转窑故障诊断贝叶斯网络模型的准确率以及可行性,利用现场数据进行了大量的测试实验。     

基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断

考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。     

基于贝叶斯理论的热电偶合格判定风险

民用航空用易耗型廉金属热电偶的指标要求远高于其他行业,但在进行计量确认时,一般忽略了测量不确定度的影响,带来了较大的质量风险。本文基于贝叶斯理论,对测量过程和测量不确定度对易耗型廉金属热电偶符合性判断的特定消费者风险和全局消费者风险进行分析。探究不同测量过程和不确定度下的决策错误率风险,并提出了降低风险的方法,为易耗型廉金属热电偶的计量确认提供了参考。     

基于贝叶斯网络的计量服务品质评估

本文在调研南京市溧水区多家企业的基础上,提出了基于贝叶斯网络的计量服务品质评估。首先建立计量品质评估体系,然后将建立好的评估体系转换成贝叶斯拓扑模型,利用得到的数据计算出先验概率并且确定条件概率,最后刷新贝叶斯网络得到最终的概率评估值。本文的目的在于定量的得到服务评估值,对于提高以后的计量服务策略的制定提供了科学的依据。     

一种网络设备告警事件纵向关联方法的设计与实现

现有的网络事件关联系统主要存在以下不足：各被管设备感知的大量告警事件全部传送到管理端处理，会带来很多传输与事件管理问题；现有的网络事件关联方法很不成熟，一般只涉及底层协议告警事件的关联．在分析网络告警与故障关系的基础上，提出了一种在设备这一级驻留代理，采用贝叶斯网络推理技术完成包括应用层告警事件在内的本地告警事件纵向关联方法．并在描述协议栈各层协议实体模型的基础上，给出了利用AdventNet API和ebayes进行系统具体实现的方法．     

基于贝叶斯理论的故障诊断研究

电气设备在运行中时常会出现问题，所以能做到及时准确的对设备故障做出诊断，尤为重要。本文基于概率理论和贝叶斯理论，分析了在设备故障中广泛存在的不确定性和复杂关联关系，以概率密度函数为基础，综合设备的基本参数，提出一种设备故障的诊断方法。     

少量样本下基于PCA-BNs的多故障诊断

针对一些工业设备因有标签故障样本数据少而导致诊断准确率低的问题,提出了一种PCA-BNs主成分分析和斯网络(principal component analysis-Bayesian networks, PCA-BNs)结合的多故障网络模型的建模方法。通过PCA对时序信号进行降维,得到相互独立的故障特征,提高提取故障关键信息的能力;利用融合单故障贝叶斯网络构建多故障贝叶斯网络结构的方法,解决BN建模过程耗时的问题;通过高斯分布与极大似然估计结合的方法确定网络参数,提高少量数据BN建模的精度,实现在少量样本下的故障诊断。试验结果表明,基于PCA-BNs的故障诊断方法在少量样本条件下,能实现高精度的故障诊断,并且有效缩减了算法运行时间。     

基于贝叶斯网络的VDT作业疲劳

在分析VDT作业中引起疲劳的各种影响因素时,提出利用贝叶斯网络分析疲劳的方法,建立疲劳先验贝叶斯网络,通过实证研究建立后验贝叶斯网络,利用Netica软件对后验贝叶斯网络模型进行数据分析解释及推理,以期找到影响疲劳的关键因素。     

基于贝叶斯网络的机场客流换乘研究

使用贝叶斯网络对机场客流的换乘方式选择和期望换乘方式进行了研究,对起直接作用的影响因素以及这些因素之间的相关性建模分析.结果表明,对机场旅客换乘选择的主要影响因素有:年收入、是否带有大件行李、出发地到机场的费用和花费的时间.轻轨是大部分旅客期望的换乘使用的交通方式.该研究为今后的交通方式选择预测提供了新思路,也为轻轨的建立提供了很好的理论支持.     

基于贝叶斯理论的测量不确定度A类评定

文章介绍了贝叶斯理论，并利用此理论对测量不确定度A类评定进行分析，与基于经典统计方法的不确定度A类评定相比，该方法能充分利用历史测量数据所提供的信息，因此评定时信息量大，使评定更加合理。最后通过实例分析说明了基于贝叶斯理论的不确定度A类评定的合理性和优越性。     

一种基于PCA和贝叶斯分类的气动调节阀故障诊断方法

该文提出一种基于主成分分析(principal component analysis,PCA)和贝叶斯分类的故障诊断方法,并将其应用在气动调节阀的故障诊断中。首先,应用DAMADICS平台仿真气动调节阀多种易发生的故障,监测用于进行故障诊断的信号,采集诊断过程所需要的训练数据集和测试数据集,并对数据集进行主成分分析处理,降低其维度,进而获取数据集的主要特征;然后,利用极大似然估计方法求出训练数据集所满足的多元高斯分布的均值和方差,得到每种故障模式下训练数据集分布的概率密度函数;最后,应用测试数据集进行验证,对于测试数据集中的每个测试数据样本,分别计算测试数据样本属于各种故障类型的后验概率,后验概率越大,对应发生故障的可能性就越大。将该方法与支持向量机(support vector machine,SVM)诊断方法和k-近邻(k-nearest neighbor,k-NN)诊断方法进行对比,诊断准确度整体较高,方法可行。     

网络故障诊断初探

1前言 随着电子政务、企业信息化和电子商务的迅速发展，计算机网络正在融入社会生活的各个方面。计算机网络的广泛应用带来了许多便利，人们对网络的稳定运行提出越来越高的要求。但随之而来的网络故障也带来了很多烦恼，轻则影响用户网络运行质量，重则导致整个网络瘫痪，带来巨大的经济损失。在网络出现故障时要做到及时发现网络故障、准确定位网络故障并且能及时排除故障就显得特别重要。     

基于因果贝叶斯网络的风险建模与分析

为验证基于因果贝叶斯网络的风险建模与分析（CBN based RMA）的有效性,引入4种常见模式简化该方法的结构建模,以降低随后参数建模中专家判断工作量,然后将该改进方法应用于巴基斯坦NEELUM JHELUM水电站隧洞掘进工程风险分析中,有效控制了项目施工风险,获得远超预期的盈利。该案例应用结果表明,改进的CBN based RMA方法具有很强的可操作性,可显著提高工程风险管理效率。     

基于卷积胶囊网络的滚动轴承故障诊断研究

针对目前许多基于深度学习的滚动轴承故障诊断方法在检测含有噪声的信号以及载荷变化时,其诊断性能会有所下降的问题。提出一种基于卷积胶囊网络的故障诊断方法;该模型使用两个卷积层的卷积网络直接对原始的一维时域信号进行特征提取,并将其送入胶囊网络,输出每种故障类型的诊断结果;为了验证该模型的诊断性能,选用凯斯西储大学轴承数据库来进行验证,并与常见的卷积神经网络和深度神经网络进行对比。试验结果表明,相比于其它深度学习方法,该方法在载荷变化以及信号受到严重噪声污染时,依然拥有良好的诊断性能。     

浅谈基于计算机网络技术的教学

人类进入信息时代,传统的教学模式已不能适应信息社会的需要,教学手段正由传统方式向信息化、网络化发展。计算机网络教育已经成为当前教育研究与发展中的热点之一。对网络资源进行充分利用,可以优化教学过程、改进教学方式、培养学生的自主性和研究性学习习惯,更可以促进教育的快速发展。     

基于EWMA-BN的冷水机组故障诊断策略

为提高冷水机组故障诊断的准确度,本文提出一种基于EWMA-BN的冷水机组故障诊断策略。EWMA-BN模型通过EWMA控制图进行故障检测,以其控制限为阈值将各性能指标的故障数据分为高、低、正常3种状态,通过概率统计获得条件概率表,将条件概率表和由专家知识获得的先验概率表输入BN进行故障诊断。利用实验数据从输入模型的证据节点数量、顺序及完整性等方面分析该模型的故障诊断特性。结果表明:EWMA-BN方法对冷水机组常见故障的诊断效果显著,后验概率值(故障诊断结果)均大于0.85,且输入模型的证据节点越多,故障诊断结果越准确,但证据节点输入模型的顺序对最终故障诊断结果无任何影响;对不确定、不完整信息的利用进一步提高了模型的故障诊断能力。采用ASHRAE Project提供的数据对EWMA-BN模型进行验证,故障诊断结果良好。