故障信息统计及其在维修决策中的应用

对故障信息的深度统计分析,为求解维修间隔期、维修内容、维修资源配置等决策优化问题提供可靠性和维修性的基本模型。描述了故障信息的宏观统计方法和微观统计方法,给出了日历统计、时间统计和BIT统计的分布函数,并讨论了相应的维修对策。研究了两种结合故障信息统计方法的维修决策模型,一种是基于可用度和费用的优化模型,另一种是基于维修时间和征兆率的维修决策模型。最后采用典型事例说明了所提出方法和模型的有效性。     

基于贝叶斯决策的多网络切换算法

现有的垂直切换技术通常不支持多网络下切换.为此,提出了基于贝叶斯决策的改进算法.首先根据接入用户终端的信号强度、网络阻塞率和误码率以及不同用户业务对网络的实际需求建立多条件相关的切换概率分布,得出先验切换概率;然后利用贝叶斯垂直切换决策算法计算出后验概率;最后,根据后验概率的决策规则选出最优接入网络.仿真结果表明,该算法不仅有效地实现异构无线接入网之间的垂直切换,避免了不必要的切换,而且还能保持较高的网络平均负载,使用户获得更好的服务.     

基于贝叶斯网络和粗糙集的信息融合方法研究及应用

利用贝叶斯网络处理不确定性问题能力强和粗糙集约简能够去除冗余性特征的优势,提出了一种基于贝叶斯网络和粗糙集的信息融合方法。该方法提取齿轮泵振动信号的幅域量纲参数作为来自不同传感器的多源信息,改进了特征属性约简方法,设计了贝叶斯网络分类器,构建了多故障贝叶斯网络对特征进行融合,通过最大后验概率准则识别故障类型。两次融合结果对比分析表明,特征属性约简后诊断正确率明显提高,验证了该方法的有效性和实用性。     

基于多传感器信息融合的贝叶斯网络故障诊断方法研究及应用

针对齿轮泵信号具有复杂性和模糊性的特点,提出了一种基于多传感器信息融合的贝叶斯网络故障诊断方法。分析了齿轮泵振动和压力信号特点,以此为基础提取了振动信号的能量特征、分形特征和压力信号的高频压力脉动3种特征属性,构建了多故障贝叶斯网络对特征进行融合,设计了贝叶斯分类器,通过最大后验概率准则识别故障类型。两次融合结果表明:多传感器信息完备了特征空间,提高了诊断正确率,能够有效实现齿轮泵多种故障的诊断,具有较好的应用价值。     

转子故障贝叶斯诊断网络的研究

将贝叶斯网络技术引入到转子故障诊断领域,旨在提高故障诊断中不确定信息的处理能力和推理质量;提出了用于转子故障诊断的一般网络框架,使诊断故障时既考虑了实际的运行工况,又考虑了现场的故障征兆,这符合专家的诊断思路;转子同频故障网络算例验证了其良好的识别效果。     

基于故障分析模型的贝叶斯网络构建及应用

为快速、准确地构建具有较完备知识的贝叶斯网络诊断模型,提出了基于故障模式、影响(及危害性)分析知识模型的贝叶斯网络自动构建方法.在该方法中,借助影响(及危害性)知识模型中的产品结构层次关系,将产品各层零部件的故障模式加以关联,形成贝叶斯网络结构;并以影响(及危害性)知识模型中的概率知识为依据,确定贝叶斯网络中节点的先验概率和条件概率.以列车自动门为应用对象,实现贝叶斯网络诊断模型的自动构建,并开发了相应的诊断系统,解决了列车自动门的诊断系统开发、应用跟不上维护的难题.最后,通过列车自动门的故障诊断实例,证明了所构建的贝叶斯网络的有效性.     

基于贝叶斯网络的机械设备故障诊断方法研究

建立了一种基于贝叶斯网络的机械设备故障诊断模型,引入评分函数和蚁群算法对模型进行了优化,在模型建立过程中引入知识进行自我学习,减少了因检测对象造成的不确定信息,提高了机械设备故障检测的可信度,最后通过实例进行了验证。     

基于贝叶斯网络的轴裂纹故障诊断模型

介绍了基于贝叶斯网络的建模方法,并讨论各种贝叶斯网络建模方法的优缺点.以故障模拟器作为研究对象,通过对轴裂纹故障数据的采集、整理,采用4种不同的贝叶斯网络建模方法分别对数据集合的训练集建立模型;最后通过测试集对各模型精度进行验证,从而得出轴裂纹故障诊断的最优模型.     

设备可靠性与维修决策关系研究

根据设备可靠性理论 ,在对设备故障类型及其分布曲线进行分析的基础上 ,提出了以设备故障率分布情况为依据来选择定期预防维修方式或状态监测维修方式的维修策略 ,该策略有助于实现设备寿命周期费用最优化。     

发动机故障冷测试的贝叶斯诊断网络

为提高故障诊断中不确定信息的处理能力和推理质量,将贝叶斯网络技术引入发动机故障诊断领域。充分考虑发动机故障产生的机理,提出一种适用性较强的三层贝叶斯网络结构,增加了诊断信息来源,符合专家的诊断思路。诊断实例验证了其良好的故障源识别效果。     

差异维修决策系统研究与设计

研究航空装备维修决策问题中发现,系统维修时存在广泛的差异性,从研究实际出发,提出维修信息集成基础上的差异维修思想。结合维修决策框架研究了差异维修决策的基本原理,分析了差异维修决策差异来源,给出了进行差异维修决策的基本流程。从总体设计上对差异维修决策系统的七层模型进行了研究,对系统主要模块功能进行了分析,最后以某控制系统为例说明了差异维修决策系统的实用性。     

基于贝叶斯网络的电梯振动故障诊断及维修方案决策

电梯异常振动由于故障原因复杂难以快速诊断排除,现通过构建贝叶斯网络基础结构,并用实际设备测量和实验数据进行贝叶斯网络学习,最终利用电梯振动贝叶斯网络进行故障模拟、故障诊断和维修方案决策,进一步提出了电梯异常振动故障智能化解决方案。     

基于贝叶斯网络和理想解动态群决策的故障诊断方法

为综合利用多属性信息和历次故障搜索结果反馈信息进行故障诊断,提出一种基于贝叶斯网络和理想解动态群决策的故障诊断方法。以砼泵分配阀液压系统为例,利用贝叶斯网络对系统进行分析并求解根节点的后验概率和关键重要度;根据本次诊断成功与否对下次最优搜索决策影响程度的大小,定义出启发函数求解启发式信息价值;考虑后验概率、关键重要度和启发式信息价值等因素,利用基于熵权的理想解法求取搜索方案的群体理想解和逆理想解,得到故障搜索最佳方案;考虑历次故障搜索最佳方案对当前搜索方案的影响,最终求得故障搜索的最佳方案序列。该方法克服了单属性决策和群决策方法的不足,提高了故障诊断的可行性和诊断效率。       

基于贝叶斯网络的复杂系统故障诊断

系统结构和部件关系复杂、试验费用昂贵是小样本下基于不确定性信息的决策问题。针对其特点，建立了基于贝叶斯网络的复杂系统故障诊断模型，并提出采用Leaky Noisy-OR模型来降低数据需求量和计算复杂度。经研究表明，这种方法能综合利用各种来源信息，具有知识表达明确、样本需求量小、故障诊断准确度高等特点，可为复杂系统故障诊断提供决策支持。     

多特征信息融合的贝叶斯网络故障诊断方法研究

针对轴向柱塞泵故障特征的模糊性和不完备性特点,提出一种多特征信息融合与贝叶斯网络相结合的故障诊断方法。该方法从柱塞泵采集的振动信号中提取出频域和幅域的多个故障特征,并将这些特征当作来自多个不同传感器的多源信息。利用贝叶斯参数估计算法进行多特征信息融合。通过构造贝叶斯网络并建立贝叶斯分类器来简化融合后的结果,通过最大后验概率估计值的计算进行故障识别。经过轴向柱塞泵多故障模式的诊断实验,验证了该方法能够有效地实现柱塞泵柱塞松靴和脱靴故障的诊断。     

基于贝叶斯网络的系统信息安全管理

结合信息系统结构的特点和信息安全评估标准,建立了一个信息安全层次结构模型;结合贝叶斯网络由节点、有向边、节点概率分布构成的特点,将信息安全层次结构模型转换为贝叶斯网络模型,建立了信息安全贝叶斯网络模型;运用层次分析法对信息安全贝叶斯网络模型进行节点权重系数计算,并对系统信息安全指标进行评估分析。     

元动作装配单元的故障维修决策

为快速确定故障部位,缩短维修时间,提出一种基于元动作装配单元的故障维修决策方法。首先,提出元动作装配单元的概念,并介绍其特点和划分原则,然后,采用模糊集理论和灰色关联理论将元动作装配单元故障进行风险性分析并排序,进而对各故障灰色关联度进行归一化处理并用主次图法确定关键故障,最后利用灰色聚类分析法对关键故障进行聚类分析,选择出元动作装配单元关键故障的合理维修方式。通过对某加工中心某元动作装配单元进行实例分析,证明了该方法的有效性。     

基于PCA与贝叶斯决策的人脸识别算法

研究了主元分析与贝叶斯决策相结合的人脸识别方法。利用主元分析提取人脸图像训练集的特征子空间,将训练图像和测试图像投影到该子空间,提取特征向量及计算统计特性,利用最小错误率贝叶斯决策规则对测试图像进行分类,从而实现人脸识别。大量实验表明:主元分析能将人脸图像的特征信息有效地映射在特征子空间,同时采用贝叶斯决策规则能够快速准确地对人脸图像进行分类。     

[云制造]云制造环境下基于贝叶斯网络的机床装备资源优化决策方法

结合复杂网络理论,提出了一种云制造环境下基于贝叶斯网络的机床装备资源优化选择方法。对云制造环境下机床装备资源优化选择问题进行数学描述,构建了一种由决策环境变量、决策选择变量、决策传递变量、决策目标变量、决策价值变量以及因果依赖关系组成的不确定多阶段多目标（UMM）决策模型,并对该模型的求解算法进行研究;通过实例验证了所提方法的适用性和有效性。     

基于贝叶斯理论的指挥引导决策研究

为提高对战场态势判断的准确性,从而提升指挥引导战斗机的效率,提出运用贝叶斯方法对敌机态势进行估计的方法.首先介绍了贝叶斯决策的基本原理、基于最小错误率的贝叶斯决策规则,以及基于最小风险的贝叶斯决策规则.其次,对两种决策规则分别进行仿真,在情况不明的状态下,可以得到比较合理的决策结果.最后说明了在判明战场态势的情况下如何进行指挥引导解算.