基于贝叶斯网络的海洋工程装备故障诊断模型

针对海洋工程装备结构工艺复杂、质量问题难以追溯的现状,构造了以工艺活动为中心的海洋工程装备贝叶斯网络故障诊断模型。该模型通过对海洋工程装备建造全过程的工艺进行结构和参数学习,结合专家意见构建贝叶斯网络、网络拓扑结构实现故障问题的智能推理诊断,以达到为实现质量追溯系统提供理论依据、提高企业质量管理水平的目的。最后,通过分析海洋工程装备平台建造中典型的焊接工艺贝叶斯网络,说明了贝叶斯网络在海洋工程装备领域的应用及其应用效果。     

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.     

基于贝叶斯网络的真空树脂灌注机故障诊断

本文将贝叶斯网络技术应用于真空树脂灌注机的故障诊断,建立了故障诊断基本结构,并通过实验验证了该方法的可行性.本方法可广泛应用于往复工作设备的故障诊断工作.     

基于贝叶斯置信区间的传感器网络故障诊断方法研究

通过构建贝叶斯网络故障诊断模型,提出了结合故障诊断准确性和置信区间对传感器网络进行故障诊断的方法。采用二项分布参数估计方法,结合β分布和F分布对置信区间进行算法改进,降低了对测试数据规模的要求,减小了准确度的误差。通过仿真分析,验证了改进算法的准确性和可靠性。     

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。     

基于贝叶斯网络的电网故障诊断方法

根据元件故障与保护动作和断路器跳闸之间的内在逻辑关系,建立了面向元件的电网故障诊断模型,并采用误差反向传播的梯度下降法修正网络参数。该模型是一种由 Noisy-Or,Noisy-And 节点组成的特殊的贝叶斯网络,能够处理电网故障诊断中的不确定性,具有语义精确、推理快速、学习效率高等特点,适用于大规模电力系统的多重复杂故障诊断。实际电网故障案例验证了该方法的正确性和有效性。     

一种基于贝叶斯网络的配电网可靠性评估方法

提出了一种基于贝叶斯网络的故障树分析法并应用于配电系统的可靠性评估。该方法能够有效地求解系统中各部件对系统整体可靠性的影响大小,分析系统中的薄弱环节。该方法计算简便,可在此基础上方便﹑灵活地计算配电系统的可靠性指标。通过实例证明了该方法是有效可行的。     

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。     

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...     

基于模糊贝叶斯网络的空降场选择研究

空降场选择的本质是一种多属性决策问题.传统的层次分析法无法明确描述这类问题中所存在的属性度量以及关联问题.利用模糊理论来对选择影响因素进行度量和集结,通过建立空降场选择的贝叶斯网络来解决空降场选择问题,并用实例说明该方法的可行性和有效性.     

贝叶斯属性攻击图网络脆弱性评估

为了准确全面地评估计算机网络脆弱性,对攻击图中存在的攻击环路、状态爆炸、难以量化分析等问题进行了研究,提出了属性攻击图向贝叶斯网络转化的方法和新的环路消除算法,并利用这2个算法建立贝叶斯属性攻击图模型。在该模型中,利用贝叶斯公式进行推导,得到评估指标的计算公式。利用通用漏洞评分系统数据计算节点的发生概率和评估指标,进行计算机网络脆弱性评估。通过进行实验分析,证明了该模型的可行性和有效性。与其他的脆弱性评估方法相比,该模型具有评估准确、计算简洁、动态量化评估的特点。     

基于FMEA塑壳断路器操作机构的可靠性分析

利用FMEA对塑壳断路器操作机构进行可靠性分析,制定出统计FMEA的标准表,并利用标准表对操作机构可靠性进行分析与研究.根据FMEA分析结果,进行系统关键零件的可靠性设计并进行可靠性增长试验.     

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。     

装备研制中基于Bayesian网的数据挖掘

提出采用Bayesian网挖掘装备研制中的试验数据；采用列联表的方法，对独立性检验中基于信息论的方法进行了改进，使确定网络拓扑结构的过程更加客观；挖掘得到Bayesian网后．探讨了其在失效源判定和发现系统设计缺陷等方面的应用。     

基于改进MS-EM算法的贝叶斯网络学习法构建基因调控网络

基因调控网络的重构是功能基因组中最具挑战性的课题之一.实验证明构建基因调控网络的最有前途的方法是贝叶斯网络.EM算法是一种有效的利用数据来学习贝叶斯网络的方法,能较好地处理构建基因调控网络中的数据缺失情况,但存在学习精度低、对初始参数值依赖的缺点.本文应用贝叶斯网络实现啤酒酵母细胞基因调控网络的构建,用改进的MS-EM算法进行学习,并实现实验结果的可视化.与现有文献比较,结果表明改进后的算法进一步降低了时间性能,提高了构建调控网络的精度.     

基于贝叶斯方法的网络安全态势感知模型

提出了一种基于贝叶斯方法的网络安全态势感知模型。分析了目前国内外NSSA模型的研究现状。本模型先对历史监测数据进行分析,得到先验概率,随后以构建的时序模型为时间推进过程,利用贝叶斯方法对数据进行处理,将历史的统计数据与监测数据相结合,进行有效的安全预测。在网络结构的构建上,采用层次化结构,配合较合理的评价体系,使得该模型能够准确、快速、合理的对网络安全状态进行预测,并且具有较好的实时性。     

基于核方法的贝叶斯邮件分类网络研究

提出一种包含核函数的Bayesian参数估计方法,提高了Bayesian参数估计的实用性。结合邮件内容和报文格式两个方面分析和提取邮件的重要特征,建立了对应的Bayesian邮件分类网络。将包含核函数的Bayesian参数估计方法应用到邮件分类网络,在对不同邮件测试集的在线学习试验结果证明,这种新的分类模型能够有效地实现垃圾邮件的分类过滤。     

基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究

为提高智能建筑供配电系统故障诊断效率和精准度,提出了一种基于贝叶斯网络与小波变换的故障诊断方法。首先,从理论上对智能建筑供配电网络拓扑结构进行详细分析,然后利用小波变换原理对故障信息中的开关量和电气量进行筛选重组,最后运用贝叶斯网络对筛选重组后的故障信息进行建模分析,得出故障诊断结果。具体介绍了故障信息中电气量和开关量提取过程,针对现有智能建筑供配电系统的故障特点,给出了相应恢复策略,以IEEE⁃39多节点复杂电力故障系统为例进行仿真研究。结果表明,所提方法的故障诊断结果快速性和准确性更高。研究成果对智能建筑供配电网络的故障诊断研究工作具有重要参考价值。