基于模糊贝叶斯理论的汽车起重机起升系统可靠性分析

针对汽车起重机起升液压系统可靠性的问题,提出了基于模糊集理论、T-S模糊故障树和BN网络相结合的系统可靠性分析方法。将T-S模糊故障树转化为BN(贝叶斯)网络,运用模糊集理论,利用专家对基本事件的主观评价转化为模糊数,得到精确失效概率。通过BN网络的双向推理计算能力,得到顶事件发生概率,各基本事件的后验概率及其重要度。通过对汽车起重机起升系统分析,发现系统薄弱环节,全面高效的对系统进行可靠性分析。     

贝叶斯网络在火灾报警系统中的应用

在火灾报警系统中火灾概率分析存在不确定性因素问题,为此文章提出用贝叶斯网络对火灾概率进行分析。首先通过分析火灾燃烧原理,得到火灾概率与燃烧过程产生的物化特征之间的内在逻辑关系;在定义火灾燃烧特征参量作为贝叶斯网络节点变量的基础上,创建了基于Netica的火灾报警系统贝叶斯网络模型。通过概率推理和对节点的证据敏感性分析,验证了利用贝叶斯网络模型对火灾发生概率进行分析是可行的、有效的。     

基于模糊概率贝叶斯网络的起重机械制动器可靠性分析

针对传统的故障树(FAT)可靠性分析方法,提出了一种基于模糊概率与贝叶斯网络(BN)相结合的分析方法。文中的BN模型通过FAT模型得到,根据专家综合评定BN模型中每一个根节点的语言变量,得出每一个根节点发生故障的精确概率。通过BN模型的正逆互推原理算出每一个叶节点的失效概率和每一个根节点的后验失效概率,进一步进行每个根节点重要度分析。最后通过该方法对桥式起重机用制动器的可靠性分析,发现其具有很高的分析效率。     

一种新型动态贝叶斯网络分析方法

为充分发挥T-S动态故障树和动态贝叶斯网络分别在分析建模与推理计算方面的优势,提出了一种新型动态贝叶斯网络分析方法--基于T-S动态故障树的动态贝叶斯网络分析方法。将T-S动态故障树转化为动态贝叶斯网络有向无环图,再将T-S动态门及其描述规则转化为动态贝叶斯网络条件概率表,进而提出了正向推理叶节点失效概率、反向推理根节点后验概率和求解根节点概率重要度、关键重要度、风险业绩值、风险降低值、微分重要度与灵敏度的新型动态贝叶斯网络算法。通过与基于Dugan动态故障树的动态贝叶斯网络分析方法和静态贝叶斯网络分析方法对比,验证了所提方法的可行性。最后,用所提方法对液压缸同步系统进行可靠性分析,计算得到系统失效概率、根节点后验概率、重要度与灵敏度,为提高系统可靠性和进行故障诊断提供依据。     

双轴转台精度检测与研究

双轴转台为加工中心和数控铣床提供了回转坐标,通过双轴数控转台的等分回转、不等分回转、连续的回转,实现了数控机床复杂曲面精密加工,扩大了数控机床的加工范围。针对双轴转台应用于五轴数控加工中心目前ISO认证中没有规定其几何精度和运行精度检验方法。通过变换矩阵建立双轴转台误差模型,分离出双轴转台运动误差,采用实验方法,改变双轴转台试验装置运动参数,对分离出的双轴转台进行精度检测。针对五轴数控加工中心用双轴转台几何精度和运行精度检验,提出了一种有效的双轴转台误差测量与分析方法。     

基于T-S故障树和贝叶斯网络的模糊可靠性评估方法

针对贝叶斯网络方法存在的贝叶斯网络模型和节点条件概率表难以构造、根节点故障率和故障概率数据难以精确获取等不足,以及T-S故障树分析方法存在的计算复杂、不能进行反向推理等不足,提出基于T-S故障树和贝叶斯网络的模糊可靠性评估方法:利用T-S故障树构造贝叶斯网络模型、T-S门规则构造节点条件概率表;用模糊数描述节点的多种故障状态,模糊子集描述节点各故障状态下的故障率、故障概率;结合贝叶斯网络推理给出在仅知根节点故障状态条件下,叶节点各故障状态的发生概率、根节点状态重要度;以及已知根节点各故障状态的故障率、故障概率模糊子集条件下,叶节点各故障状态的故障率、故障概率模糊子集,以及根节点模糊重要度、后验概率。通过与文献[5]的T-S故障树分析方法、文献[10]的贝叶斯网络方法对比,验证所提方法的可行性。对巷道运输车液压系统进行模糊可靠性评估,计算根节点状态重要度等可靠性指标,为提高系统可靠性和进行故障诊断提供依据。     

基于Copula贝叶斯网络的抬升减速器可靠性分析

针对复杂机械系统,提出了基于Copula贝叶斯网络(CBN,Copula Bayesian Network)模型的可靠性分析方法。由于复杂机械系统变量多,相互之间存在相关性,传统可靠性方法在相关性和推理性分析存在不足,而CBN模型兼有Copula函数和贝叶斯网络的优点,在考虑变量之间相关性的同时,能够依据贝叶斯网络进行可靠性概率推断。将BN转换成CBN拓扑结构,通过各个节点的边缘分布以及相关系数矩阵,构建局部t-Copula函数,实现多变量高维度表现,并利用网络的推断能力,通过已知节点失效概率推导其他节点失效概率。最后以海工平台双啮合抬升减速器为研究对象,构建CBN模型,得到各个节点之间相关结构,并进行概率推断,得到减速箱失效概率,计算结果与传统BN模型方法相比趋于保守,在实际工程上更偏安全。     

活塞式氢气压缩机排气温度超限故障诊断方法

针对活塞式氢气压缩机各级排气温度超限的故障难以用传统故障的二态性准确描述，以及目前未见能对该故障实施自诊断的故障诊断系统等问题，以DW-(5.6-13)/(0.2-0.5)-20型无油润滑变频活塞式氢气压缩机为研究对象，对相关零部件进行了重要度分析，并设计了故障自诊断系统。首先，对该故障搭建了模糊高木-关野(T-S)故障树模型，并利用基于贝叶斯网络(BN)的T-S故障树分析法对底事件进行了重要度分析，以确定薄弱环节和故障零部件诊断顺序；然后，利用模糊数表征了零部件的故障状态，对排气温度超限故障发生概率进行了预测；最后，设计了基于规则的故障诊断专家系统，并对实例进行了故障原因的推理排查。研究结果表明：基于规则的故障诊断专家系统在对现有故障数据进行分析后，其诊断结果与事实相符，说明该系统能够准确地诊断出故障原因，并进行自诊断；同时，基于BN的T-S故障树分析法，使该系统可对顶事件故障发生概率进行预测，为活塞式氢气压缩机故障诊断提供了一个可行方案。     

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.     

改进的计划评审技术在大型复杂项目进度管理中的应用

针对大型复杂项目进度管理中存在的问题,提出了PERT BN模型,其基于贝叶斯网络(BN)而改进的PERT,用于项目进度分析、控制及优化。给出了PERT BN的基本定义,并详述了其包含的节点、有向边和条件概率。然后,以某型号研制项目实验网络图为例,建立起对应的PERT BN模型实例。最后,以模型实例为基础,分析了人、成本和技术等外界因素对工序持续时间的影响,以及总工期变化时对资源的需求变化情况。     

基于离散时间贝叶斯网络的复杂机械系统重要度计算方法

为了对复杂动态系统部件进行有效的重要度分析,在构建基于事件树-动态故障树(ET-DFT)的概率安全评价模型的基础上,把ET-DFT模型映射为离散时间贝叶斯网络(DTBN),给出各静态和动态逻辑门向DTBN转化的方法以及各逻辑门条件概率表的计算方法。利用DTBN节点的独立性和双向推理功能,给出ET-DFT分层模型FV、RRW、BM和RAW等重要度的计算方法。数控机床液压系统应用实例的分析验证结果表明,基于离散时间贝叶斯网络的复杂机械系统重要度计算方法既能有效得到元件在各时间区间内的重要度,又能准确求出系统故障时各元件在各时间区间的故障概率以及某元件在某时间区间故障时各节点的故障概率。     

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。     

基于贝叶斯网络推理的数控机床元动作装配情景异常识别

针对机床的机械故障频发且装配因素难以识别的问题，提出了基于贝叶斯网络的机床装配情景异常推理识别方法。以机械零部件多尺度运动分析为切入点，建立了机床功能-元动作的多尺度映射模型，利用故障模式及影响分析(Failure Mode and Effect Analysis, FMEA)方法建立了机床元动作单元关键装配情景构成模型。基于装配情景构成模型建立了元动作单元装配情景的贝叶斯网络结构，利用证据推理法实现了元动作单元装配情景异常概率的智能推理。以蜗轮转动元动作单元为例，构建了蜗轮转动单元装配情景初始贝叶斯网络，获取了蜗轮转动元动作输出的异常概率(由装配因素引起)为2.35%;以蜗轮转动故障为起点进行了贝叶斯网络反向推理，识别出导致蜗轮转动故障的各装配情景异常概率。元动作装配情景的异常识别为实现机床故障装配因素的追溯提供理论依据。     

贝叶斯网络在液压系统可靠性分析中的应用

贝叶斯网络具有双向推理功能,不但可以计算系统的可靠性指标,而且还能进行故障诊断的反向推理。通过与或门故障树算例验证了贝叶斯网络正向推理方法与故障树分析方法的计算结果是相同的。将贝叶斯网络应用于塔式起重机液压系统可靠性分析中,建立故障树并将其转化为贝叶斯网络,利用桶排除法计算出顶事件发生概率,利用反向推理求得各部件在顶事件故障发生条件下的后验概率,得到系统薄弱环节,为提高系统可靠性提供依据。     

基于T-S模糊故障树和贝叶斯网络的多态液压系统可靠性分析

为解决T-S模糊故障树分析方法在液压系统可靠性分析过程中运算复杂和只能单向推理的问题,提出一种基于T-S模糊故障树与贝叶斯网络的多态系统可靠性分析方法。根据给出的T-S模糊故障树向贝叶斯网络转化的方法确定贝叶斯网络的模型结构与条件概率表,利用贝叶斯网络的推理算法计算顶事件发生概率、事件后验概率以及底事件重要度。该方法既能进行计算系统可靠性指标及重要度的前向推理,又能进行故障诊断的反向推理,而且计算公式简单。最后通过900t提梁机液压驱动系统工程实例验证了算法的可行性与有效性。     

基于证据理论和贝叶斯网络的液压驱动系统可靠性分析

为解决因结构复杂、数据缺乏、人的认知水平不足等导致液压系统存在不确定性,以及液压系统存在多性能、多故障状态等多态性问题,提出了液压系统证据理论和贝叶斯网络相结合的可靠性分析方法。证据理论能够很好地处理不确定信息,利用证据理论的似然概率和信任概率描述根节点的失效可能性区间,解决根节点的故障概率存在不确定性及不易精确获取的问题;利用贝叶斯网络描述系统多态性,运用其推理算法给出了叶节点故障概率区间、根节点重要度区间以及根节点的灵敏度区间的计算方法。将该方法运用到工程机械液压驱动系统中,通过分析表明该方法能够有效地描述不确定性及多态性问题。     

旋转调制式激光捷联惯导安装误差分析与标定

双轴旋转调制技术可以实现对陀螺漂移和加计零偏的调制,从而极大地提高惯导系统的精度,以满足船用惯导高精度的导航需求.由于单元体一直作连续正反旋转运动,传统的位置法和速率法无法对该系统进行标定.提出了一种基于三轴转台和单元体自旋转的误差标定方案,实现了对系统误差的快速精确标定.其中旋转轴和陀螺及加计敏感轴间的不正交角标定精度优于1",陀螺、加计敏感轴间的不正交角标定精度优于2".海上试验表明,误差标定结果满足了系统1 nmile/24 h的导航要求,具有较高的工程应用价值.     

空间索杆铰接式伸展臂动态故障树建模及其可靠性评估

由于空间索杆铰接式展臂伸机构复杂,部分失效过程出现动态特性,如冗余备份以及功能相关性等,故采用基于离散时间贝叶斯网络的动态故障树分析方法对伸展臂系统进行可靠性评估。首先分析逻辑门向离散时间贝叶斯网络的转化方法,建立逻辑门的贝叶斯网络模型以及相关事件的条件概率分布。根据上述转换原理,将空间索杆铰接式伸展臂的动态故障树转化为对应的离散时间贝叶斯网络模型,最后利用贝叶斯网络推理计算伸展臂系统的失效概率以及各失效模式的后验概率,实现对其可靠性的评估。     

双轴地磁传感器的参数标定与误差补偿

针对在双轴地磁传感器与卫星组合测量弹丸姿态的系统中双轴地磁传感器容易受外界误差因子干扰的问题,通过分析影响地磁传感器测量精度的误差因子,提出了一种参数标定和基于椭圆旋转的误差补偿算法。首先,假设双轴地磁传感器存在虚拟x轴,对传感器的误差因子进行建模,得到误差补偿模型;其次,对传感器双轴输出表达式中的参数进行标定;对双轴的测量值集合形成的椭圆进行旋转;最后,计算误差补偿模型中的6个参数。三轴无磁转台实验数据分析表明,该方法可以将双轴地磁传感器测量滚转角的误差精度控制在±2°之间,基本满足了弹丸姿态测量的要求。     

三轴转台系统姿态变化下指向误差建模与分析

为了研究三轴转台姿态变化时各误差分量对系统指向误差的影响,基于多体系统运动学理论,结合转台系统结构和运动特点,建立了从基座到负载设备的三轴转台系统多体拓扑结构,将负载设备安装角度误差分量引入特征矩阵,完善了三轴转台系统指向误差模型;基于所建立的模型,在转台实际姿态变化下,仿真获得了各误差分量对系统指向误差的影响规律,为三轴转台的设计装调、误差分配以及补偿提供了理论依据。