基于故障树贝叶斯网络的液压启闭机故障诊断方法

针对液压启闭机设备专业性强,故障原因复杂等特点,该研究提出了一种基于故障树建立贝叶斯网络的故障诊断方法。首先建立了液压启闭机系统的故障树,然后将故障树转化为贝叶斯网络,计算出顶事件的发生概率并运用贝叶斯网络推理对可能造成故障的原因进行重要度分析,实例表明该方法能有效克服传统故障树分析法的局限性。     

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。     

基于贝叶斯网络的复杂系统多态可靠性分析

为了评估多态复杂系统的可靠性,识别系统中的薄弱环节,提出了一种基于贝叶斯网络的多态系统可靠性评估方法。在运用故障树进行分析的基础上进一步将故障树映射为贝叶斯网络。考虑到部件故障状态以及部件间故障逻辑关系的不确定性,该方法运用贝叶斯网络的条件概率描述部件间的不确定联系,采用三状态节点来描述系统和部件不同的故障状态,融合各验前信息计算各底事件和顶事件的发生概率,分析各个底事件对系统整体可靠性的影响,并计算各事件的重要度指标,通过分析查找系统的薄弱环节,以应用实例对提出方法的可靠性进行了验证。     

基于贝叶斯网络的机器全生命周期安全性评估模型

目前机器安全性评估方法主要考虑机器使用时的安全性能。为更科学和完整地评估机器的安全性,还应关注机器在运输、安装、维护和拆解等生命周期中的机器安全性影响因素。以液压机为例分析了机器生命周期的相关任务及其安全影响因素,并利用贝叶斯网络刻画安全影响因素间的复杂依赖关系,构建了面向机器全生命周期的安全性评估模型。应用实例表明,该模型能综合考虑机器各生命周期的安全风险因素,对机器安全性做出合理评价,并能依据贝叶斯网络的反向推理功能找出影响机器安全的关键要素。     

基于贝叶斯网络的多状态系统可靠性建模与评估

利用贝叶斯网络(Bayesian network, BN)的不确定性推理和图形化表达的优势,提出一种基于BN的多状态系统可靠性建模与评估的新方法,确定BN的结点及系统各元件的多个状态,并给出各状态的概率,进而用概率分布表(Conditional probability distributing, CPD)描述元件各状态之间的关系来表达关联结点的状态,建立多状态系统BN模型.该模型表达直观,能够清晰地表示系统和元件的多种状态以及状态概率,并能够根据元件多种状态概率直接计算系统可靠度,对多状态系统可靠性进行定性分析和定量评估.实例分析表明了应用BN方法进行多状态系统可靠性评估的有效性.     

基于贝叶斯网络的通用桥式起重机结构安全评价

阐述了通用桥式起重机结构安全评价对于减少起重机事故的重要意义,在对国内外相关研究进行分析和比较的基础上,构建了用于起重机结构安全性评价的指标体系。利用贝叶斯网络所具有的表达不确定性知识和进行不确定性知识推理的能力,提出了基于贝叶斯网络的安全评价模型。该模型能够处理复杂的逻辑关系,很好地表达变量间的不确定性关系,可灵活方便地对系统进行预测及诊断分析,将该方法应用于评估起重机结构的安全等级,以说明其合理性。     

基于贝叶斯网络信息价值的故障维修决策应用研究

针对光电设备系统的复杂性与故障相关信息的不确定性和不完整性问题,本文提出了一种基于贝叶斯网络的信息价值的故障维修决策方法,并将该方法应用到某型号军用光电设备的激光告警单元故障维修决策中。这种方法的优点是能根据现有的信息(可能是不确定、不完整的信息)以最少的操作、最低的代价给出故障维修决策,提高了光电设备的故障维修决策能力,并大大增强了故障快速维修能力。     

基于模糊贝叶斯网络的电力设备故障诊断和状态评估

针对电力设备在运行过程中故障程度模糊和全景状态的不确定问题,提出一种融合模糊函数改进的贝叶斯网络故障诊断和状态评估方法.在该网络中,采用贝叶斯概率测度多维特征指标与不同故障之间的关联性,构造时变评分函数整合具有不同时效性的特征信息,量化故障发生的模糊状态.另外,基于危害性对故障进行分级,在网络中融合多个模糊函数,分别描...     

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。     

基于贝叶斯网络的车身制造偏差诊断

车身结构的复杂性及知识表达的不精确性,使得车身故障症状与故障原因之间的映射表现为随机和不确定。针对这些特点,在大量车身测量数据和历史诊断案例的基础上,将贝叶斯网络引入到车身偏差故障诊断中去。对贝叶斯网络的参数学习进行了探讨,结合实例统计和相关性分析建立了车身偏差诊断的贝叶斯网络模型。最后用以某车型的偏差诊断案例对该方法进行了验证,结果表明该方珐在工程实际中有一定的指导性。     

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.     

基于贝叶斯网络的电子设备故障诊断技术研究

针对电子设备故障诊断的难点,通过分析贝叶斯网络的特点,设计了一种基于贝叶斯网络的故障诊断系统。首先介绍了故障及故障诊断的相关概念;然后在理解贝叶斯网络的基础上分析其优点,研究了贝叶斯的推理;进而研究贝叶斯故障诊断的关键技术;最后介绍了基于贝叶斯网络故障诊断系统的整体框架。     

基于FMECA知识的故障诊断贝叶斯网络建模研究

为了构建具有较完备知识的贝叶斯网络诊断模型,提出了一种基于FMECA知识的故障诊断贝叶斯网络建模方法,该方法根据产品FMECA分析所得故障模式、故障原因、故障影响之间的因果关系构建贝叶斯网络拓扑结构,通过历史数据确定网络各节点的先验概率和条件概率分布,进而利用建立的贝叶斯网络进行故障诊断推理决策,最后通过某型飞机平视显示器的故障诊断贝叶斯网络建模及诊断实例,验证了方法的正确性及可行性。     

基于贝叶斯网络的摩擦学系统状态辨识的知识获取

研究了基于贝叶斯网络的摩擦学系统状态辨识知识的获取方法.针对摩擦磨损试验数据一般比较齐全且数据量相对比较大的特点,将贝叶斯网络用于摩擦学系统状态辨识的知识获取,通过计算建立属性之间的依赖关系,获得各种依赖关系下的条件概率表,说明依赖关系的强弱,从而获得对机器摩擦学系统状态辨识有指导意义的客观知识,以利于机器摩擦磨损状态辨识的智能化.将贝叶斯网络用于滑动轴承摩擦磨损试验数据的知识获取,获取该摩擦学系统状态辨识的定性及定量知识.     

网络信息安全与信息加密

随着现代计算机技术的发展和网络的普及,网络信息存储和传输安全的重要性就尤为突出。主要对网络信息安全加以论述。首先从总体上对信息安全进行论述,总结了信息安全所涉及的问题。现在有很多种保护信息安全的方法,最常用的就是信息加密。最后,又介绍了信息加密技术的发展趋势和前沿技术。     

基于贝叶斯网络的芯片质量视觉检测

提出一种零件视觉检测方法,提取图像的暗点数、边缘点数和面积等图像特征,使用Netica软件构建具有10个属性节点和9个类节点的贝叶斯网络分类器,对各种缺陷和损坏零件进行识别,试验表明该方法具有较高的精度和效率。     

基于贝叶斯网络的不确定性知识的推理方法

贝叶斯网络是不确定性知识表达与推理的一种新方法。它是概率论和图论相结合的产物,可用于复杂多因果关系的分析,是人工智能领域的研究热点和重要成果之一。由于它的解决方案明确、直观,所以近年来在远程医疗、故障诊断以及数据挖掘等领域,得到了广泛的应用。本文论述了贝叶斯网络的基本理论、方法和应用,并指出当前所存在的主要问题。     

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.     

基于FMECA知识的故障诊断贝叶斯网络建模研究

为了构建具有较完备知识的贝叶斯网络诊断模型,提出了一种基于FMECA知识的故障诊断贝叶斯网络建模方法,该方法根据产品FMECA分析所得故障模式、故障原因、故障影响之间的因果关系构建贝叶斯网络拓扑结构,通过历史数据确定网络各节点的先验概率和条件概率分布,进而利用建立的贝叶斯网络进行故障诊断推理决策,最后通过某型飞机平视显示器的故障诊断贝叶斯网络建模及诊断实例,验证了方法的正确性及可行性。     

基于贝叶斯网络的草图识别研究

针对大多数草图识别算法笔画分组精确率低和用户适应性较差的问题,提出了一种基于混合特征的笔画分组方法,并在笔画的分组信息基础上构建了贝叶斯网络模型识别用户绘制的语义符号.该方法首先将用户绘制的笔画分组,每个分组代表一个独立的语义符号,然后提取分组的特征向量,最后通过贝叶斯网络模型推理出分组对应的语义符号.通过实验验证和数据分析,表明该方法具有良好的用户适应性、笔画分组能力及符号识别能力.