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。     

贝叶斯网络在模型诊断中的应用

把贝叶斯网络引入到模型诊断框架中,依据观测量,研究了一种建立系统贝叶斯网络观测模型的方法。利用网络观测模型,可计算系统诊断解的后验概率,从而找出系统最可能的故障组件。最后,以卫星两轴姿态控制系统为例,应用本文方法进行了分析。     

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。     

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.     

风电机组故障诊断中不确定性信息处理的贝叶斯网络方法

针对风电机组故障信息耦合性、模糊性的不确定性特点,结合贝叶斯网络在处理不确定性问题上的优势,提出了风电机组故障诊断的贝叶斯网络方法.重点研究了该方法的两个关键问题,即风电机组故障诊断的贝叶斯网络建模和贝叶斯网络推理.构建了一种基于事故树分析方法的三层CME贝叶斯网络模型并解析了贝叶斯网络的故障推理过程,通过风电机组齿轮箱的故障诊断实例验证了上述模型的可行性和贝叶斯网络推理的有效性.研究成果对具有相关不确定性问题的机电设备故障诊断有借鉴意义.     

贝叶斯网络在多态系统可靠性分析中的应用

针对多态元件组成的二态系统可靠性定量分析的难点,提出了一种基于贝叶斯网络的分析方法.该方法首先将多态故障树转化成贝叶斯网络,然后利用该网络计算各事件发生概率和元件重要度.同时利用该贝叶斯网络还可以得到其他一些有意义的结果,可用于系统故障诊断和实时监控.通过一个供电系统实例说明了该方法的有效性.     

基于故障树和贝叶斯网络的故障诊断模型

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点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,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.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.     

态势评估中的贝叶斯网络模型研究

针对战场态势评估的特点,采用模块化的贝叶斯网络模型对态势问题进行描述,动态构建贝叶斯网络结构．为了解决动态构建贝叶斯网络的推理问题,提出一种新的解决方法,将待连接贝叶斯网络模块的推理结果作为软证据,输入到已有网络对应的节点中,以代替所要连接的贝叶斯网络模块,在不改变贝叶斯网络结构的情况下完成网络的推理过程．仿真实验结果表明该方法是有效的．     

基于贝叶斯网络的轻度认知障碍诊断系统

提出一种基于依赖性分析和打分函数进行贝叶斯网络结构学习的新方法,并把该方法应用于轻度认知障碍诊断系统中。该算法首先通过对结点变量间的依赖性分析测试和无向图的遍历,获得贝叶斯网络结构中所有结点的先验顺序,然后用启发式打分-搜索方法获得最优的贝叶斯网络结构。实验结果表明,该算法能够在不增加算法复杂度的情况下,完成无结点顺序要求的贝叶斯网络学习,并能应用于轻度认知障碍诊断系统中,实现较好的预测,进而辅助医生的诊断。     

蓝牙技术在工程机械故障诊断中的应用

构建远程故障诊断系统总体结构,同时给出故障诊断专家系统基本结构,介绍数据采集蓝牙无线传输模块。基于蓝牙技术的远程故障诊断系统由客户端、网络通信协议和远程故障诊断服务中心三部分组成。现场技术人员将反映设备状态的数据通过现场监控中心计算机经由蓝牙适配器和蓝牙手机与Internet网络连接,发送给远程故障诊断中心,利用蓝牙技术实现对工程机械状态的实时监控和远程故障诊断。     

混合神经网络在泵站机组故障诊断中的应用

分析了专家系统ES和前向神经网络MLP对新事件的识别能力的不足 ,探讨了神经网络的数学模型和数学结构 ,建立了MLP和ART1相结合的混合型神经网络模型 ,以实现故障模式的有效识别 .在泵系统故障诊断与监测中的应用表明 ,混合型神经网络能可靠地进行水泵机组故障模式的识别 .     

神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用

研究了神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用,在该协作系统中,先根据模糊模型确定神经网络的结构、连接方式以及初始权值,从而构造出相应的神经网络.然后,将神经网络应用于闸门综合自动化故障诊断系统,根据系统的运行数据对神经网络进行学习训练,调整神经网络的权值来修正原始的模型,提高其准确性.经过学习训练后的神经网络模型又被转换成模糊模型,从而使分布存储在神经网络中的知识得到清晰的解释.该系统已应用于生产实践中,系统运行结果验证了该方法的有效性和可行性.     

故障诊断专家系统中的推理机设计

重点研究故障诊断专家系统中推理机的实现技术，推理算法、解释和推理过程中资源的管理技术．该推理机是一个对象推理机，采用正向推理策略完成对对象式框架知识集的推理操作．推理机控制和协调推理过程中的各种资源，利用各种检测输入信息，实现故障推理，最终确定故障源，并给出故障维修措施．推理解释向用户解释推理的结果获得的原因，提高了系统的透明性．对推理过程资源管理中的、人机交互界面、视图结点显示的技术实现作了说明。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

基于参数测量的电力远动监控与故障诊断系统

系统分析了基于FSK调制的远动信号频率测量方法以及电平测量方法。分析了提高频率测量精度的措施。针对二线远动方式,提出了一种基于信道参数测量和逻辑推理的电力远动设备、信道故障诊断方法。现场实验运行表明,该方法对于实现电力远动设备的安全运行具有重要的意义。     

改进BP算法在故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行了诊断和分析研究,以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究,从中可以看出,改进算法加快了收敛速度,诊断的精度也有所提高。     

小波包特征熵-神经网络在轴承故障诊断中的应用

提出了一种基于小波包特征熵-神经网络的轴承故障诊断新方法。首先对采集到的轴承的振动信号进行三层小波包分解,提取小波包特征熵,然后构造信号的小波包特征向量,并以此向量作为故障样本对三层BP神经网络进行训练,实现智能化故障诊断。仿真结果表明该方法有效可行。