单值因果图模糊推理算法研究

根据单值因果图的推理方法，采用中值法比较模糊概率，提出了单值因果图在模糊条件下进行推理的两种算法。最后，以核电站的一个子系统为例，分别讨论两种算法在不同模糊数下实现的推理，实验结果与实际一致，推理方法可行。研究表明：单值因果图的推理算法能实现模糊条件下的因果图推理，有效地进行故障分析。     

模糊因果图的归一化研究

模糊因果图能有效地用于故障分析,比原来的因果图方法具有更大的灵活性和适应性.文章分析了模糊因果图存在的问题,即模糊概率可能超出[0,1]区间,并提出了归一化的解决办法.通过实例证明,这种归一化方法得出的结果可靠,推理得出的结论与传统因果图推理得出的结果一致,这种归一化方法是可行的.     

基于模糊因果图的故障诊断

因果图理论是一种基于概率论的不确定推理模型,能够进行在线动态推理和对复杂系统进行故障诊断,但在因果图模型中,要求事件的发生概率为精确值.针对实际情况事件发生概率具有模糊性和不确定性的特点,文章将模糊数引入因果图中,解决了获取事件发生概率精确值的难度,又使因果图能处理带模糊性和不确定性的问题.实例表明,该方法不但比故障树分析(FTA)更有效,而且能进行故障树分析不能进行的诊断推理和辩解推理.     

基于因果图的一种推理算法

针对因果图推理中存在逻辑运算量大、计算复杂的困难，提出了一种基于因果图的特性的新的推理算法。该方法先将因果图转化为一系列因果树，然后在上直接进行推理，避免了将因果图进行割集展开，从而有效地降低了因果图推理的复杂度，提高了因果图推理的计算速度。     

连续因果图的推理及参数学习

因果图理论是利用图形化和直接因果强度来表达知识和因果关系的一种基于概率论的推理方法，而对于连续的因果图连接事件的概率密度函数（或可能性密度函数）是连续因果图能进行推理的关键，一般都是假定它们可由领域专家给出。这在实际中很难办到。文章首先给出了连续因果图的推理过程，然后讨论了如何利用已知数据集。在因果图结构已知的条件下利用参数、非参数、半参数化方法估计出连接事件的概率密度函数的途径。     

因果图网络结构学习算法研究

在因果图理论中，采用了图形化和直接因果强度来表达知识和因果关系．它克服了贝叶斯网的一些不足，已经发展成了一个能够处理离散变量和连续变量的混合模型。但是因果图的结构得由领域专家给出．这在实际中很难办到。文章中给出了如何利用已知数据集，寻找最有可能的因果图网络模型方法．并用启发式算法进行模型评估。     

基于AHP的因果图故障诊断研究

动态不确定因果图(DUGG)是一种最新的图形化概率推理模型,可简洁、直观地表达不确定的因果知识,提供更有效的概率推理。层次分析法可通过构建层次分析模型,计算出每一层元素的权重数值。文章将层次分析法(AHP)引入DUGG,并创新地应用于舰船柴油主机滑油系统,建立起相应的DUGG模型,应用AHP计算出所需的先验概率,再代入DUGG模型求得在观察到的证据下假设事件的排序概率,进而可对滑油系统温度过高这一故障进行诊断。     

基于直觉模糊Petri网的混合推理方法

针对现有的基于模糊Petri网(Fuzzy Petri Nets,FPN)和直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)的推理方法在求解只涉及知识库中部分规则的问题时存在推理过程复杂、效率不高,而且不能对问题产生的原因进行分析等缺陷,提出一种基于IFPN的混合推理方法.该方法将反向推理与正向推理相结合,首先把所要求解的问题转化为目标库所,并引入关联库所、关联变迁和子模型等概念;其次运用反向推理寻找目标库所的关联库所和变迁并构建推理子模型,从而获取问题产生的潜在原因并简化推理模型;最后以子模型作为推理模型,运用正向推理求解目标库所的token值,解决了直接运用原模型进行推理时过程复杂且效率不高的问题.与此同时,通过在模型中引入阈值以及"路径"和"有效路径"等定义,排除无效关联库所,从而找出了问题产生的真正原因.实例验证表明该方法可行且有效,与现有方法的对比分析表明该方法克服了现有方法的缺陷.     

基于因果图最小割集的故障分析方法研究

复杂系统的最小割集很多,对故障诊断很重要,虽然因果图能够进行故障诊断,但缺乏对最小割集的分析.通过最小割集可以进行故障诊断,本文打算研究基于最小割集的故障诊断方法,并将这种新方法成功运用于煤矿瓦斯爆炸的故障分析中.由于根据故障发生的概率大小依次进行诊断,利用了正常事件的剪枝信息和多故障联合诊断,因此这种方法的诊断速度较快,效率较高.研究表明,基于因果图最小割集的故障分析方法,充分结合多种信息,可以快速有效地进行故障诊断.     

因果图结构的学习

给出了一种利用巳知数据样本集,自动构造因果图的结构的学习算法,该算法以最小描述长度评分函数(MDL)为评价准则,这种学习算法对数据不需要任何先验假设,可以学习任意结构的因果图,同时兼顾学习出的因果图结构的精确性和复杂性,实验结果显示了算法的有效性和可行性.     

演绎推理和模糊推理在潜艇攻击中的运用研究

介绍两种常见的推理方法——演绎推理和模糊推理,并研究其在潜艇攻击中的运用问题。对两种推理方法进行了对比评述,揭示了二者形式的相似性和本质的根本差异。以潜艇攻击为应用背景,说明两种推理方法在潜艇攻击理论中的重要地位。根据两种推理方法的特点,总结在潜艇攻击中"放心使用"严密演绎推理结论和"审慎使用"模糊推理结论的基本运用原则。     

基于案例的模糊推理机设计

为了满足实际问题对专家系统的要求,首次将案例推理融合到模糊推理机中,通过详细阐述推理机的构造和工作流程设计方法,提出了一种新的模糊推理机制,并最终给出了面向对象的类实现方法.     

关于“智能控制”模糊推理部分的教学心得

“智能控制”是一门重要的自动化专业课。采用多种方法进行“智能控制”模糊推理部分的教学,是非常必要的。本文基于我们从事“智能控制”的教学经验,从多方面详细阐述关于模糊推理的教学心得,并给出大量实例,以帮助学生更直观、更容易地理解这部分内容,并为从事该课程教学的教师提供参考。     

一种基于置信规则的模糊推理算法

由于传统模糊推理不考虑前提属性相对于结论属性的重要程度,也不能处理包含分布式结论的规则,偏重解决模糊性而忽略了随机性,造成专家系统性能降低。针对这一局限性,提出了一种基于置信规则的模糊推理算法。该算法以置信规则为知识表达方式,规则前件论域不受连续性限制,它将单个前件匹配度依据其相对重要程度加权求和,并把置信规则的分布式结论按照置信度加权合并,最后通过规则计算得出结论;根据基于置信规则的模糊推理方法对FuzzyCLIPS进行扩展,并在鱼雷规避系统仿真中验证该算法的有效性。