基于贝叶斯网络的发动机可视化故障诊断

在研究发动机各类故障诊断的基础上,结合贝叶斯网络从数据中学习的方法,提出一种能够根据实际样本数据对发动机的各类故障进行可视化诊断的方法,其充分考虑了先验知识,且能够根据实际样本数据对先验知识进行修正。以发动机W P7的故障为例,通过因果关系建立贝叶斯网络的可视化模型,结合先验知识进行参数学习和推理,实例结果表明,该模型及分析方法很好地反应了各部件或子系统的故障对于整个系统故障的影响以及各部件或子系统之间的依赖关系及依赖程度,有助于找出系统的薄弱环节和提高系统可靠性的途径。     

基于贝叶斯网络的故障诊断策略优化方法

通过分析设备故障诊断与维修所面临的主要问题以及当前常用诊断策略存在的局限性，研究基于贝叶斯网络的故障诊断策略优化方法。提出了适合于表达诊断问题的基于故障假设一观测一维修操作节点的贝叶斯网络结构，阐述了基于贝叶斯网络的故障诊断策略优化方法的基本思想和优化算法。该方法综合考虑了多故障、有观测操作以及操作之间有依赖关系等情况。最后通过应用实例，证实了该方法在信患不确定条件下进行诊断与维修决策的有效性。     

基于贝叶斯网络模型构造的汽车故障诊断研究

为了解决汽车故障诊断中的不确定性和建模问题,提出了一种基于贝叶斯网络模型构造的故障诊断融合系统架构,设计了基于贝叶斯网络构造的故障诊断算法.这种故障诊断方法利用贝叶斯网络的学习能力和概率推理来应对故障诊断中的不确定性问题的表示和推理,它能够有效地融合领域先验知识和实时传感数据的分布特征,实现故障诊断系统的自适应,并被成功地应用于汽车故障诊断.实验结果表明,新算法为故障诊断提供了准确和可靠的决策依据.     

基于贝叶斯网络模型的电子装备故障诊断研究

针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。     

基于故障树的贝叶斯网络建造方法与故障诊断应用

文章首先指出应用贝叶斯网络模型进行设备故障诊断具有的优势,提出了由常用的故障树模型建造贝叶斯网络的方法。然后详细比较了故障树与贝叶斯网络在诊断推理和模型表达方面的特点,并以实例进行说明。     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

用于态势评估中因果推理的贝叶斯网络

1 引言贝叶斯网络是由R.Howard和J.Matheson于1981年提出来的,它主要用来表述不确定的专家知识。后来经过J.Pearl,D.Heckerman等人的研究,贝叶斯网络的理论及算法有了很大的发展。作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中已经得到了广泛的应用,例如概率专家系统、计算机视觉和数据挖掘等。     

一种基于贝叶斯网络的集成的故障定位模型

故障管理是网络管理中最基本也是最重要的功能，目的是保证网络能够连续可靠地运行。故障管理可以分为两个主要的部分：故障检测和故障定位。其中故障定位是核心与难点。文中介绍了一种新的在症状收集时结合被动测试与主动探测，集成了被动诊断对网络正常的通信的影响较小以及主动探测方法可以快速有效地标识故障的优点。在诊断时采用贝叶斯网络来表示症状与故障之间的因果关系，利用不确定推理方法进行故障定位的模型。该模型包括故障推理、逼真度验证、动作选择三个模块。     

一种基于贝叶斯网络的集成的故障定位模型

故障管理是网络管理中最基本也是最重要的功能,目的是保证网络能够连续可靠地运行。故障管理可以分为两个主要的部分:故障检测和故障定位。其中故障定位是核心与难点。文中介绍了一种新的在症状收集时结合被动测试与主动探测,集成了被动诊断对网络正常的通信的影响较小以及主动探测方法可以快速有效地标识故障的优点。在诊断时采用贝叶斯网络来表示症状与故障之间的因果关系,利用不确定推理方法进行故障定位的模型。该模型包括故障推理、逼真度验证、动作选择三个模块。     

基于信息融合的诊断贝叶斯网络研究

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特性,提出了一种融合于故障树和传统贝叶斯网络的新方法--诊断贝叶斯网络,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过比较分析,综合考虑了故障树和贝叶斯网络在诊断推理和模型表达方面的特点及仿真结果,提出的新方法可以使二者优势充分发挥,在故障诊断领域中具有实际的应用价值.     

贝叶斯网络在空间机械臂故障诊断中的应用研究

空间机械臂在空间设施中广泛应用,如何准确快速判断其运行状态成为需要解决的重要问题。文中首先介绍了机械臂在国内外空间设施的应用背景,然后采用基于故障树与贝叶斯网络的故障诊断方法,包括：基于系统组成结构的故障树建模、贝叶斯网络转化、团树传播算法和最大后验估计(MAP)推理结果分析。最后利用单点故障实验和多点故障实验对所提方法进行了验证,结果表明将故障树分析和贝叶斯网络结合应用到空间机械臂故障诊断是有效的、可行的。     

基于神经网络专家系统的大型异步电动机故障诊断

针对大型异步电动机发生故障时 ,故障征兆与故障原因之间复杂的对应关系 ,提出了一种利用神经网络专家系统对电动机进行故障诊断的新方法 ,专家系统作为神经网络的外壳 ,充分发挥了专家系统和神经网络各自的特点。文章介绍了系统的构成、功能、算法及实现。该算法利用MATLAB的神经网络工具箱进行了仿真。结果表明 ,该算法可行 ,可大大提高故障诊断的准确性     

一种网络环境中故障诊断与维修决策方法

本文将贝叶斯网络引入到大型网络故障管理系统中,从贝叶斯网络推理模型与故障诊断和维修决策问题的一致性出发,提出了基于故障假设、观测和维修操作节点结构的DBN模型,并详细阐述了模型的内涵和故障诊断知识构成要素     

基于模糊推理的电机故障诊断专家系统研究

利用小波的多分辨率分析方法对某电机的噪声信号进行分析,将小波分解后得到的高频能量作为故障特征向量,作为故障检测的依据;针对电机故障的特点及故障诊断的要求,设计了基于模糊推理的专家系统,采用模糊产生式规则表示知识,利用已获得的各种故障的高频能量特征向量构造规则的前提条件,通过实时获得的故障特征向量与各条规则前提条件进行模糊匹配,采用正向推理的模糊推理方法实现推理机制,直接得出诊断结果,经实验验证是可行的,并且具有较高的实时性以及准确性。     

基于贝叶斯网络的车辆电源系统故障诊断方法

针对车辆电源系统测试点少且测试数据不完备的问题,提出一种多信号流图模型和贝叶斯网络相结合的故障诊断方法。利用多信号流图模型建立电源系统的故障诊断模型,得到系统故障源与测试信号对应的故障依赖矩阵,在此基础上,建立用于故障诊断的贝叶斯网络结构,根据历史数据完成网络的参数学习,并以故障后验概率最大为准则,实现电源系统的故障诊断。仿真实验验证了该方法的有效性。     

基于神经网络的柴油发动机故障预测研究

为了保证设备安全可靠地运行,需要对设备进行故障预测,及时消除故障;探讨了故障预测技术的应用及神经网络预测原理和建模的方法,给出了神经网络模型在预测过程中的学习算法和改进的神经网络的训练算法,并用于柴油发动机运行中的故障预测,经过多种柴油机的试验证明试验结果满意,对故障的实时检测有重要意义,具有良好的应用前景.     

改进的贝叶斯算法在智能变电站网络故障诊断系统中的研究

提高智能变电站网络故障诊断能力对于确保电力系统的稳定运行和供电可靠性具有重要意义,故障的分类是目前智能变电站网络故障诊断系统所面临的一个主要问题.常用分类算法存在着训练数据多样化,特征的选择标准具有不确定性,学习潜力匮乏等问题,文章在原有贝叶斯算法的基础上加入了特征的选择标准及学习过程,实验结果表明改进的贝叶斯算法在很大程度上能有效解决故障分类问题,从而提高智能变电站的网络故障诊断能力.     

基于因果网络模型的飞机通信系统故障诊断

研究了基于因果网络模型的故障诊断方法,首先建立因果网络模型,并进行模型匹配;然后用Warshall算法实现邻接矩阵到可达矩阵的转换,采用逻辑数组法产生候选诊断模型;接着利用概率论的方法给出系统故障诊断的推理策略;最后,将该诊断模型应用于飞机通信系统,诊断实例验证了设计方法的实用性.