一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断

为应对液压举升机故障原因复杂,诊断方法准确性不高等问题,提出一种基于故障树和贝叶斯网络的液压举升机故障诊断方法。首先建立液压举升机构故障树,然后将故障树转换为贝叶斯网络,利用三角模糊函数表示举升机底事件发生概率,得到底事件模糊概率,将其做为先验概率计算叶节点发生概率,进而求得根节点后验概率以及概率重要度,可快速诊断出故障点。     

虚拟现实变电站主变压器低压侧故障诊断模型研究

传统主变压器低压侧故障诊断模型需要大量故障特征数据;且故障特征数据不相互独立,很难找到最合适的特征实现故障诊断。为此,提出一种新的虚拟现实变电站主变压器低压侧故障诊断模型。介绍了虚拟现实变电站主变压器低压侧典型故障,主要包括漏电故障和短路故障,对这两种故障进行分析,发现出现故障时电压电阻变化特征,为建立故障诊断模型提供依据。依据贝叶斯定理,利用某对象的先验概率,通过贝叶斯公式求出其后验概率,构建单层贝叶斯分类器。在此基础上,利用径向基神经网络将故障类变量看作属性变量的父节点,构建故障特征相互独立的虚拟现实变电站主变压器低压侧故障诊断模型。实验结果表明,构建模型能够准确诊断低压侧故障,具有很高的应用性。     

基于贝叶斯网络的农村电力网故障诊断研究

鉴于贝叶斯网络灵活的因果推理和诊断推理,运用贝叶斯网络方法研究了因保护装置和断路器误动或拒动、通信装置的故障等原因造成的不完备警报信号模式下的农村电网故障诊断新方法.该方法应用Noisy-Or、NoiSy-And节点模型和类似BP神经网络的误差反向传播算法建立了输电线路故障诊断模型,并应用公式推理得出每个元件的故障信任度,根据故障信任度确定元件有无故障.     

复杂机电产品基于元动作分解的可靠性建模及故障诊断

为了探讨复杂运动机电产品的故障诊断方法,按照功能-运动-动作(functionsmovement-action,FMA)对复杂机电产品进行结构化分解,根据结构化分解和符号有向图提出了复杂机电产品的可靠性故障诊断模型。为了进一步提高模型的故障诊断能力,将复杂机电产品的元动作定量信息加入模型中,利用模糊数学理论对元动作故障进行定量诊断。采用该方法可以通过对产品运行的变量监测,提高对产品故障的识别能力,为运动复杂机电产品的故障诊断提供基础模型。最后,以某型号加工中心刀库为例,验证了方法的可行性。     

虚拟现实变电站主变压器低压侧故障诊断模型

传统主变压器低压侧故障诊断模型需要大量故障特征数据;且故障特征数据不相互独立,很难找到最合适的特征实现故障诊断。为此,提出一种新的虚拟现实变电站主变压器低压侧故障诊断模型。介绍了虚拟现实变电站主变压器低压侧典型故障,主要包括漏电故障和短路故障,对这两种故障进行分析,发现出现故障时电压电阻变化特征,为建立故障诊断模型提供依据。依据贝叶斯定理,利用某对象的先验概率,通过贝叶斯公式求出其后验概率,构建单层贝叶斯分类器。在此基础上,利用径向基神经网络将故障类变量看作属性变量的父节点,构建故障特征相互独立的虚拟现实变电站主变压器低压侧故障诊断模型。实验结果表明,构建模型能够准确诊断低压侧故障,具有很高的应用性。     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

基于T-S模糊故障树和贝叶斯网络的隧道坍塌易发性评价

坍塌是钻爆法隧道施工过程中常见的灾害事故之一.为了有效预防坍塌事故,为隧道施工安全风险分析和管理提供决策依据,将T-S模糊故障树和贝叶斯网络进行互补融合,提出了一种基于两者的钻爆法施工隧道坍塌可能性评价方法.根据T-S模糊故障树向贝叶斯网络转化的方法来确定贝叶斯网络模型和条件概率表;利用模糊数和模糊子集分别描述节点的故障状态和故障概率;运用贝叶斯网络双向推理算法进行计算.该方法可以利用根节点的故障概率模糊子集和施工中实际故障状态两种不同的正向推理方式计算隧道坍塌可能性,并且可以依据根节点的重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.两个工程实例的应用结果表明,该方法能够科学、合理地评价隧道坍塌的可能性并确定关键致险因子,可作为隧道施工安全保障和管理的决策工具.     

基于故障树和贝叶斯网络的危化品罐式运输车道路运输系统的可靠性分析

为保障危化品罐式运输车道路运输系统的可靠性,提出一种基于故障树分析法和贝叶斯网络的系统可靠性研究方法.首先,根据道路运输系统故障树模型向贝叶斯网络转化的方法确定贝叶斯网络模型和条件概率表;其次,结合贝叶斯网络双向推理算法对危化品道路运输系统进行推理计算;最后,分析得出危化品罐式运输车道路运输系统的可靠度.研究发现:该方法可以根据根节点故障的先验概率正向推理系统失效的可能性,并且可以通过根节点的概率重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.在结论中,提出了针对系统中关键风险事件的应对策略.     

基于贝叶斯网络的轨道车辆门故障诊断研究

轨道车辆门系统的故障诊断受到广泛关注.针对门系统在故障诊断中存在不确定性问题,提出一种基于贝叶斯网络的故障诊断流程,统计某地铁公司提供的故障数据,建立轨道车辆门故障贝叶斯网络模型,计算得出各故障的先验概率,在建立的贝叶斯模型中输入故障证据,得到各故障的后验概率.通过仿真试验证明了贝叶斯网络能很好地推理出门系统的故障所在,为车门的故障诊断和维修提供参考和建议.