基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析

为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题,以气化炉烧嘴系统为研究对象,利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式,将气化炉烧嘴系统DBN模型划分为3个子系统,并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数,再利用BP神经网络信息向前传、误差向后传的特性,对系统进行性能学习,实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理,实现对气化炉烧嘴系统动态可靠性分析。结果表明,对气化炉烧嘴系统DBN进行正向推理,可得到优化后的系统可靠性变化趋势;进行反向推理,可得到优化前后的关键事件及薄弱环节,其中薄弱环节为高氧煤比氧煤比的波动。     

基于DBN的空间战场目标威胁评估

空间战场目标威胁评估对未来空间作战指挥决策具有重要的意义,探讨了空间战场的特点及空间战场威胁目标的特点。针对静态贝叶斯网络(Bayesian network,BN)无法有效地解决动态空间战场中目标的威胁评估问题,提出利用动态贝叶斯网络(dynamic Bayesian network,DBN)来解决空间战场目标威胁评估,建立了基于DBN的空间战场目标威胁评估模型,利用所建立的模型进行了仿真计算。研究结果证明,基于DBN的空间战场目标威胁评估模型能够适应战场形势的变化,可应用于未来空间战场目标威胁评估专家系统的开发,并且比利用静态BN得出的威胁程度更准确,可靠性更高。     

电液伺服作动器可靠性评估的贝叶斯网络方法

对机载电液伺服作动器可靠性评估方法进行了研究,提出了一种基于贝叶斯网络的可靠性建模方法。分析了机载电液伺服作动器各部件失效特性,直接利用系统功能逻辑关系建立贝叶斯网络可靠性评估模型。通过对简单串联系统与某型飞机副翼伺服控制器进行可靠性评估,证明提出方法的有效性。该方法与已有贝叶斯网络可靠性评估模型方法相比建模简便,计算复杂度低,是一种有效的可靠性评估模型方法。     

基于动态贝叶斯网络的煤粉加压输送系统可靠性分析

为解决煤粉加压输送系统动态失效问题,提出一种基于动态贝叶斯网络的可靠性评估方法。首先,在分析煤粉加压输送系统的结构与功能的基础上构造事故树模型,并根据事故树模型向动态贝叶斯网络转化的规则,建立煤粉加压输送系统的可靠性分析模型。然后,引入维修因素、时间序列,利用动态贝叶斯网络的两向推理能力,确定煤粉加压输送系统的薄弱环节和可靠度的动态变化规律。结果表明,该方法可有效描述煤粉加压输送系统的动态特性,分析结果符合实际工况。     

基于贝叶斯网络的土石坝可靠性分析

提出采用贝叶斯网络方法来分析大坝的可靠性问题.首先简要地介绍了贝叶斯网络方法的基本原理和建模方法,将贝叶斯网络方法和故障树方法进行了比较,并给出了故障树向贝叶斯网络转化的基本步骤.定义了贝叶斯网络中节点的重要度因子,并给出了相应的计算公式.最后以土石坝为例,根据土石坝的失效机理建立了土石坝可靠性分析的贝叶斯网络模型,并对溃坝原因进行了重要度分析.结果表明,贝叶斯网络能够有效地进行大坝可靠性分析,它能够更直观地表示大坝失事的因果关系,且贝叶斯网络能够方便地解决共因失效问题.故障树可以方便地转化为相应的贝叶斯网络模型.贝叶斯网络节点的重要度分析结果为制定有效的大坝失事概率控制措施提供了理论依据.     

一种解决组合爆炸问题的三态故障贝叶斯网络

针对传统故障贝叶斯网络在可靠性分析以及故障诊断领域存在的组合爆炸问题,提出了一种三态故障贝叶斯网络建模方法。通过将传统的失效分为"物理故障"和"正常却不工作"2种模式,提出将串联系统中元件以及"或"门下的事件转换为包含正常状态以及上述2种失效模式的三态节点,取代仅有正常和失效2种状态的传统模型节点。在此基础上深入分析了构建三态故障贝叶斯网络模型的方法。最后建立了某型飞机左侧交流电源系统的三态故障贝叶斯网络并进行了深入分析。理论和实例分析均表明,建立的三态故障贝叶斯网络在减少模型参数的同时可有效避免"或"门引起的组合爆炸问题,为串联系统和"或"门占优的系统提供了一种新的故障贝叶斯网络建模手段。     

基于动态贝叶斯网络的目标侦察信息处理研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模和处理的有力工具．战场环境随机变化使得侦察信息处理变的复杂化，从而影响决策的具体方式或决策方向．本文提出将隐马尔可夫模型图形模式与模糊推理结合起来构成DBN，将其用于战场侦察情报的推理分析．首先建立动态贝叶斯网络的环境变化感知模型，而后应用Viterbi解码算法获得当前隐合序列最优估计，通过HMM状态转移矩阵可预测出未来环境变化趋势，最后应用模糊推理得到问题的最优的决策或优先采用的解决方式．仿真结果表明了模型的可行性．     

基于动态贝叶斯网络的电子对抗演练效果评估研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模分析的有力工具。以作战效能为标准,建立了基于动态贝叶斯网络的电子对抗演练效果评估模型。仿真算例结果表明,动态贝叶斯网络对电子对抗演练效果评估合理。与静态贝叶斯网络相比,动态贝叶斯网络由于考虑了时间因素的影响,能更好地反映电子对抗分队演练效果的变化规律与趋势,具有较好的准确性以及容错能力。     

基于贝叶斯网络的土石坝可靠性分析

提出采用贝叶斯网络方法来分析大坝的可靠性问题．首先简要地介绍了贝叶斯网络方法的基本原理和建模方法，将贝叶斯网络方法和故障树方法进行了比较，并给出了故障树向贝叶斯网络转化的基本步骤．定义了贝叶斯网络中节点的重要度因子，并给出了相应的计算公式．最后以土石坝为例，根据土石坝的失效机理建立了土石坝可靠性分析的贝叶斯网络模型，并对溃坝原因进行了重要度分析．结果表明，贝叶斯网络能够有效地进行大坝可靠性分析，它能够更直观地表示大坝失事的因果关系，且贝叶斯网络能够方便地解决共因失效问题．故障树可以方便地转化为相应的贝叶斯网络模型．贝叶斯网络节点的重要度分析结果为制定有效的大坝失事概率控制措施提供了理论依据．     

基于GO法与DBN的冗余系统可靠性分析

为获得冗余可修系统在共因失效影响下的可靠性动态变化规律,提出了一种将改进GO法与动态贝叶斯网络相结合的新算法。首先,根据系统的原理图与流程图建立GO图模型;然后,基于信号流与各操作符向动态贝叶斯网络的映射规则,将GO图模型转化为动态贝叶斯网络;最后,凭借动态贝叶斯网络成熟的软件与算法对模型进行求解。通过对算例的验证和比较可以得出,该方法不但能够得到冗余系统的可靠度与可用度随时间变化的动态曲线,还能处理维修因素与共因失效对分析结果的影响。此外,新算法具有强大的反向推理能力,可迅速获得系统的薄弱环节,为实现系统的故障诊断提供理论支持     

Comparison of dynamic Bayesian network approaches for online diagnosis of aircraft system

The online diagnosis for aircraft system has always been a difficult problem. This is due to time evolution of system change, uncertainty of sensor measurements, and real-time requirement of diagnostic inference. To address this problem, two dynamic Bayesian network(DBN) approaches are proposed. One approach prunes the DBN of system, and then uses particle filter(PF) for this pruned DBN(PDBN) to perform online diagnosis. The problem is that estimates from a PF tend to have high variance for small sample sets. Using large sample sets is computationally expensive. The other approach compiles the PDBN into a dynamic arithmetic circuit(DAC) using an offline procedure that is applied only once, and then uses this circuit to provide online diagnosis recursively. This approach leads to the most computational consumption in the offline procedure. The experimental results show that the DAC, compared with the PF for PDBN, not only provides more reliable online diagnosis, but also offers much faster inference.     

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。     

Fault Diagnosis Approach of Local Ventilation System in Coal Mines Based on Multidisciplinary Technology

In order to reduce the probability of fault occurrence of local ventilation system in coal mine and prevent gas from exceeding the standard limit, an approach incorporating the reliability analysis, rough set theory, genetic algorithm （GA）, and intelligent decision support system （IDSS） was used to establish and develop a fault diagnosis system of local ventilation in coal mine. Fault tree model was established and its reliability analysis was performed. The algorithms and software of key fault symptom and fault diagnosis rule acquiring were also analyzed and developed. Finally, a prototype system was developed and demonstrated by a mine instance. The research results indicate that the proposed approach in this paper can accurately and quickly find the fault reason in a local ventilation system of coal mines and can reduce difficulty of the fault diagnosis of the local ventilation system, which is significant to decrease gas exploding accidents in coal mines.     

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.     

采用故障树分析诊断系统故障的改进方法

为了优化系统诊断过程,提出一种采用故障树分析诊断系统故障的改进方法.通过故障树分析,求出所有最小割集、最小割集发生概率、组成单元的诊断重要度.诊断重要度大的最小割集优先诊断,最小割集中诊断重要度大的组成单元优先诊断.当最小割集中诊断重要度最大的组成单元故障时,包含该组成单元的最小割集应该优先诊断.根据组成单元的诊断顺序,生成系统的诊断决策树.这种方法弥补了仅以组成单元的诊断重要度确定最小割集诊断顺序的不足,使得发生概率大的最小割集可以优先诊断,优化了诊断过程.通过实例验证了该故障诊断方法的有效性.     

基于改进粒子群神经网络的提升机故障诊断

针对BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺点,提出了一种基于粒子群神经网络的故障诊断方法.根据制动系统故障征兆与故障类型之间的非线性和耦合性,建立了提升机制动系统的故障诊断模型;采用改进的粒子群算法优化BP神经网络的连接权值和阈值,应用于制动系统的故障诊断,缩短了神经网络的训练时间,提高了故障诊断的精度.仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点.     

基于故障树的数控机床故障诊断系统研究

通过对数控机床的故障实例分析,应用故障树模块分析算法,对Fanuc0i型数控车床的工作原理、故障现象进行定量分析;采用基于面向对象方法和专家知识的智能诊断方法,用Fussed法求解最小割集,把大型复杂故障树,分解为相对独立的多个子树;对数控机床典型故障建立了故障树,通过其最小割集进行故障定性分析,并将故障树分析法应用于故障诊断专家系统分析推理机制中。     

分布式工业控制网络的可靠性研究

在自动化程度不断提高的生产过程中，控制网络的应用已非常普遍，但它与普通互联网的一个突出差别，在于其要求严格的实时性和高度的可靠性．对控制系统网络进行可靠性分析，设计更为合理的系统网络，将有助于提高系统的有效性（availability）和可靠性（reliability）．通过建立系统网络故障概率模型，比较总线型控制网络在不同结构下的故障概率，并给出了分级模式和分段模式两种网络系统示例的分析结果．引入基本评价指标的方法，可以定量分析各种分布式控制网络的相对可靠性，作为控制网络可靠性设计的指导．     

基于动态贝叶斯网络的WSNs链路质量预测

无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络（dynamic Bayesian networks,DBN）的链路质量预测机制。为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络（Bayesian networks,BN）处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度。采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。