结合定性知识的定量贝叶斯模型外推方法 

针对新设计域中试验数据有限而难以进行模型验证的问题,提出了定性知识与定量贝叶斯推理相结合的模型外推方法.其中,量化方法用于将领域专家意见等定性知识转化为先验概率;贝叶斯网络及限定抽样范围的蒙特卡罗方法用于定量推理,并通过贝叶斯区间假设检验的贝叶斯可信度提供模型外推结果.对Sandia国家实验室某静态力学结构的研究表明,该方法能有效实现新设计域不确定性系统的模型可信度外推.     

贝叶斯网络VE推理算法的并行化研究

贝叶斯网络是一种强有力的不确定性推理和数据分析工具.网络推理是贝叶斯网络的重要内容之一.VE算法是利用联合分布的分解来简化推理的贝叶斯网推理算法.提出一种基于最小缺边搜索算法的消元顺序(PL_OE)算法,使VE算法可并行执行,降低了贝叶斯网推理的时间复杂性.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

贝叶斯网络在飞机驾驶舱手轮故障诊断中的应用

为了解决飞机驾驶舱手轮故障诊断的不确定性和复杂性,提出了基于贝叶斯网络的故障诊断方法。首先,利用K-S检验方法验证故障数据服从指数分布,再通过极大似然估计算法实现参数优化,得到基本事件最优故障率;其次,根据驾驶舱手轮的故障树构建贝叶斯网络;最后,将故障率代入贝叶斯网络模型进行分析。实例结果表明,该BN网络模型具有较高的可靠性和准确性,能为机务人员迅速做出判断和高效维修提供有力支持。     

复杂多态系统的区间值模糊贝叶斯网络建模与分析

随着现代工程系统结构复杂度的增加以及运行环境的复杂化,传统的可靠性分析与评估技术已不能满足现代工程系统需求.针对复杂多态系统可靠性分析与评估的需求,本文从部件状态分析、系统结构分析入手,对存在认知不确定性同时考虑失效相关性的复杂多态系统进行可靠性建模与分析.由于现代复杂多态系统信息输入及系统故障影响因素的多样性,以及系统冗余,使得不确定性和共因失效对复杂多态系统可靠性分析和评估至关重要.本文借助贝叶斯网络对多态系统的图形表达和推理优势,采用模糊理论中区间值三角模糊数对部件概率进行描述;同时利用β因子模型对共因失效进行量化,再将其以新增共因节点的方式实现共因失效的贝叶斯网络建模,从而提出基于区间值模糊贝叶斯网络的复杂多态系统可靠性分析方法.最后,将基于区间值模糊多态贝叶斯网络对具有共因失效的多态卫星天线双轴定位机构传动系统进行可靠性分析.通过对实际工程系统的分析,表明本文建立的多种因素影响下复杂多态系统的可靠性建模和分析方法,进一步完善了复杂系统可靠性分析理论与方法.     

基于BN和模糊评判的异型烟分拣系统故障诊断

针对异型烟分拣系统故障诊断中存在的复杂性和不确定性问题,提出了贝叶斯网络(BN)与模糊评判相结合的故障诊断方法。该方法在利用贝叶斯网络推理故障发生概率的基础上,较为全面地考虑了故障复杂性对诊断结果的影响,利用故障排查难度、维修难度、诊断准确性和故障对整条分拣线的影响程度等因素构成的故障复杂性模糊评判值修正贝叶斯网络诊断结果。通过异型烟分拣系统的故障诊断实例验证了该方法的有效性,可为故障的预防与排查提供科学依据。     

基于互信息-主成分分析-贝叶斯网络的化工过程故障诊断方法

为了解决复杂工业过程中存在变量众多、特征提取困难等问题,提出一种基于互信息(mutual information, MI)、主成分分析(principal component analysis, PCA)和贝叶斯网络(Bayesian network, BN)相结合的诊断方法。利用互信息与PCA在故障特征信息提取的优势,并结合BN在建模中强大的学习能力,建立互信息-主成分分析-贝叶斯网络(mutual information-PCA-Bayesian network, MPBN)故障诊断模型,最后根据联合树推理算法完成推理实验,并在田纳西-伊斯曼(Tennessee Eastman, TE)过程进行仿真验证。实验结果表明,该方法有效提高了化工过程诊断的准确效率和稳定性,尤其可在传感器存在证据缺失等不确定性环境因素情况下,依然具有一定的故障诊断效果。     

贝叶斯网络对故障树方法的改进

通过建立映射，引入作为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——贝叶斯网络(BN)，有效地解决可靠性分析中最常用的故障树分析(FTA)方法的局限性：各部件独立，状态为二值等。     

基于CREAM和不确定推理的人因可靠性分析方法

提出了一种基于认知可靠性与失误分析方法（CREAM）和不确定性推理的适用于海洋工程的人因可靠性分析方法．首先根据海洋工程的作业环境特点,对共同绩效条件（CPC）进行了修正．之后为解决CREAM本身固有的不确定性,利用模糊数学原理实现CPC评价的模糊化,再基于CREAM的分析流程建立91叶斯网络,完成由CPC得到控制模式的推理过程,并证明贝叶斯网络的建模效率要高于模糊模型．由贝叶斯网络输出控制模式的隶属度,再通过去模糊化的方式计算得到人误概率．最后,针对某平台的实例分析结果证明该方法能够提高计算的精度．     

贝叶斯网络结构学习算法探析

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络逐渐成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别、机器学习和数据挖掘等领域.本文在对贝叶斯网络全面概述的基础上,深入研究贝叶斯网络的基本原理、贝叶斯网络的典型推理和学习算法.     

基于贝叶斯网络的核电厂安全系统可靠性分析

 针对核电厂改进的辅助给水系统（ASG）,研究了基于贝叶斯网络的系统安全评价方法。通过故障模式与影响分析构建ASG系统可靠性框图,根据可靠性框图与贝叶斯网络的映射关系,建立ASG系统贝叶斯网络,利用网络推理计算事件发生概率,对系统进行了可靠性分析。研究结果表明,该方法通过贝叶斯网络的正向推理、反向推理和双向推理,能够计算任意节点事件的发生概率,表征设备多态失效模式和获得更多评估信息,与传统的故障树方法相比,具有更强的分析能力和更接近实际,适用于核电厂安全系统的可靠性评价,且具有一定的优越性。     

Reliability Analysis of Lithography Wafer Stage Based on Fuzzy Bayesian Networks

Bayesian network（ BN） is a powerful tool of uncertainty reasoning. Considering the insufficient information,incorporating fuzzy probability into BN is an effective method. Fuzzy BN was used to solve this problem. In this paper,fuzzy BN was applied in wafer stage system,which was an important part of lithography. BN of wafer stage was transferred from fault tree（ FT）. The quantitative assessment based on fuzzy BN was carried out. The Birnbaum importance factors of basic events were calculated. Therefore,the system failure probability and the vulnerable components could be gotten.     

基于多模态的贝叶斯网络疼痛识别方法

有效的疼痛管理对病人的治疗和护理至关重要,针对传统的单模态疼痛识别准确度低的问题,提出了一种基于多模态的贝叶斯网络(multimodal Bayesian network, MMBN)疼痛识别方法。首先利用互信息对多模态特征进行相关性判断,剔除冗余的特征向量,使得模型简洁;其次将多模态特征与贝叶斯网络结构的可扩展性相结合设计了一种基于多模态的BN结构,并建立疼痛识别模型;最后利用BN概率推理算法完成疼痛识别,并在UNBC-McMaster数据库上进行验证。实验结果表明：与传统基于单模态的疼痛识别方法相比较,MMBN方法利用多模态之间的信息互补性能够有效地提高疼痛识别准确度,为目前的疼痛识别与研究提供了一种新手段。     

一种基于概率图模型的关联规则更新方法

针对事务库发生变化后关联规则的更新问题,讨论了一种只对具有实用价值的关联规则更新其前件的方法.首先分析了关联规则各组件间的依赖关系及其不确定性,进而建立描述其中所蕴含不确定性知识的贝叶斯网模型(称为规则贝叶斯网),并提出了基于Gibbs采样的规则贝叶斯网近似推理算法,从而实现关联规则的更新.实验结果表明,作者提出的基于概率图模型的关联规则前件更新方法具有高效性和可行性.     

齿轮故障诊断专家系统

在分析了以往的齿轮诊断方法及大量试验数据的基础上，选出了对应于各故障敏感的参量，总结扫描了齿轮故障的判据并在此基础上建立了故障诊断的专家系统，把模糊理论用以知识表示进行不精确推理，采用元知识控制下的反向推理机制并根据推理结果赋以合理的解释，该系统既能本向自动诊断又能结合其它诊断方法作精蜜诊断；还能兼顾在线监测与离线分析，利用该系统对齿轮试验数据进行分析、处理进而推理，诊断获得了满意的效果。     

基于故障树分析法的FMS层次诊断模型

从基于知识的诊断角度出发，针对ＦＭＳ的结构特点和故障传播形式，提出了一种基于故障树分析法的ＦＭＳ层次诊断模型．详细介绍了模型的设计思想、模型的建立过程以及诊断推理控制策略     

UML建模技术在智能故障诊断系统中的应用

智能故障诊断系统是电站仿真系统中的重要部分,它根据采集到的数据或经转换过的参数进行推理、判断出发生故障的设备.推理诊断采用专家系统和不确定性推理的技术.本文以UML(统一建模语言)为工具,对智能故障诊断系统进行面向对象分析、设计和建模.     

基于案例与模糊推理的中医诊断系统研究

中医诊断过程中存在着大量的不确定信息,使得需要精确数据的计算机很难参与其中.阐述了案例推理和模糊推理的基本概念和原理,结合中医领域知识的特点,提出一种模糊规则推理机制.采用基于案例的模糊推理机制来实现推理过程,融合了人工智能领域的案例和模糊推理技术,并应用于中医诊断.实践证明:该机制具备良好的推理能力,能够为医生的正确判断提供决策支持.