基于贝叶斯网络的故障树分析

文章简要阐述了贝叶斯网络的构造原理和网络信念的传播与更新,并详细说明了故障树向贝叶斯网络转化的过程,主要包括结点与事件的映射关系和联接强度与逻辑门的映射关系.最后通过一个实例说明了故障树向贝叶斯网络的转化过程,并对二者的推理功能进行了比较.     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性,注定了其生命周期过程中存在着相对较多的不确定性,故障隐患必不可免,故障诊断尤为重要.因此,提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型.首先,通过分析复杂装备的结构组成,建立复杂装备的故障树模型.其次,利用故障树转化法,构建基于故障树的贝叶斯网络拓扑结构.然后,针对复杂装备结...     

基于贝叶斯网络的系统可靠性评估方法研究

为了有效评估动态系统要素间的复杂行为和交互特性,提出了一种基于贝叶斯网络(Bayesian Network,BN)的可靠性建模与分析的新方法.该方法利用BN的不确定性推理和图形化表达的优势,能够很好地捕捉系统要素的行为与交互,以结构的方式组合各种基本BN架构为用户提供模块化和分级的途径对系统进行建模.实验结果表明该方法的可行性和有效性.从而提高了系统的灵敏度,减少了其不确定性.     

基于动态贝叶斯网络的动态故障树分析

针对传统的动态故障树Markov链分析方法的不足,研究了优先或门、顺序相关门、功能相关门、存在公共备件的备件门和层叠功能相关门向动态贝叶斯网络的转化方法以及基于动态贝叶斯网络的顶事件概率、重要度等计算方法.用该方法对心脏辅助装置进行了分析,通过与Markov链、离散时间贝叶斯网络分析的结果比较表明,基于动态贝叶斯网络的建模分析方法可以有效地避免组合爆炸,而且能够保证较高的求解精度.     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

模糊情形下基于贝叶斯网络的可靠性分析方法

确定性的可靠性分析方法在描述模糊情形下的逻辑门与事件时表现出了局限性.为能在模糊情形下进行可靠性分析,利用贝叶斯网络对不确定性问题具有良好描述能力和推理能力的特点,提出一种基于贝叶斯网络的可靠性分析方法.该方法在采用贝叶斯网络进行系统可靠性建模基础上,提出了一个重要的概念:置信割集;并给出了计算强割集的算法.这种基于贝叶斯网络的可靠性分析方法能较好地刻画系统中存在的模糊性,丰富了割集理论,使可靠性分析更加接近实际.最后,举例说明了算法的有效性.     

基于贝叶斯网络的商业银行全面风险预警系统

贝叶斯网络能够用条件概率较好地表达不确定性因果关系, 并进行一定的推理. 基于商业银行全面风险管理的复杂性, 较难采用传统方法构建预警系统, 采用贝叶斯网络, 通过构建商业银行全面风险的拓扑结构, 将各类风险诱因对商业银行全面风险的影响纳入到具有因果关联的网络结构中, 测算了各类指标对全面风险的影响程度, 并通过预警系统的灯号模型, 直观地展示了风险因素对商业银行全面风险的影响, 以便帮助商业银行及时采取措施化解风险.     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

基于贝叶斯网络的态势评估

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得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与事件之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后以一个实例来说明该网络的计算过程。     

基于贝叶斯网络的突发事件预测模型

构建通用的突发事件预测模型有助于应急管理主体以统一的方式处理各类突发事件.运用系统理论,将突发事件视为一个系统,抽象出了各类突发事件发生发展的统一行为模式;针对突发事件发生发展的不确定性,提出了用于突发事件预测的贝叶斯网络模型的构建方法,包括变量的选取和网络结构的确定.提出的方法能够根据各领域的专家知识和统计数据,通过不确定性推理对各类突发事件的主要状态与损失后果进行预测.最后,通过台风事例说明了该方法的可行性和有效性.     

基于联结树的贝叶斯网的推理结构及构造算法

BN(贝叶斯网)被认为是人工智能研究中不确定性知识表示和推理的重要工具，广泛应用到复杂系统的建模等领域，成为人工智能研究的热点问题之一。然而直接在BN上精确推理与近似推理都被证明是NP完全的。因此把在BN上推理转变为在SS(二次结构)上的推理。SS是由JT（联结树)与BP(信念势)组成，构造JT大体分为三步即：把BN对应的有向无环图G转变为一个道义图G^M；把G^M转变为弦化图G^T，识别和选择G^T图的圈；连接圈和边建立JT。因而提出了建立G^M、G^T与JT的方法原理和算法。最后通过案例分析了G^M、G^T与JT构造过程。     

基于故障树方法的项目安全风险分析

从深基坑施工事故产生的原因来看,各种风险事件往往表现出复杂的逻辑关系.采用故障树理论,从系统的角度对深基坑施工事故的原因进行逐层分解,从而对深基坑施工的安全风险因素进行辨识.考虑到基坑施工故障树基本事件发生概率的取值具有一定的不确定性,将基本事件的发生概率作为模糊数进行处理,通过对上海电网越江电力管道工程深基坑施工可能出现的安全事故中间事件和顶事件模糊故障树的分析计算,说明整个深基坑施工安全风险的分析过程.实例分析表明,基于模糊数的故障树分析方法对深基坑施工的安全风险分析是可行的,并具有一定的应用价值.     

贝叶斯网络个人信用评估模型

研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较.结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.     

事件树方法的贝叶斯分析

事件树方法是安全风险分析的基本技术,其分析结果的可信度在很大程度上取决于控制系统失效概率估计的精度。由于可靠性试验费用昂贵,试验次数有限,因此控制系统失效概率的估计往往较粗糙。提出的贝叶斯分析方法能够有效地利用系统运行过程的事故统计数据,对控制系统失效概率进行修正,可显著提高估计的精度。     

灰色系统理论在故障诊断决策中的应用

介绍了一种灰色诊断法 .将灰色系统理论中的灰关联分析方法引入到故障诊断模式识别中 ,依据故障树底事件重要度 ,对故障树分析中各种故障模式发生的可能性大小作出了准确的判断 .     

基于BP神经网络的故障诊断方法

提出了一种表示故障的模型 ,然后为其建立了基于 BP(逆向传播 )模型的神经故障诊断网络 ,给出了该网络的训练算法和故障诊断步骤 ,并提供了在雷达系统设备上对某些部件的仿真调试诊断实例 .     

基于神经网络技术的飞机舵面故障趋势预测研究

在飞机舵面故障诊断系统中,及时准确的故障预报对提高飞机的安全性具有极其重要的意义,针对飞机舵面故障预报系统的设计要求,建立了神经网络故障预测模型以及训练算法,该预测模型采用三层BP网络模型,还对神经网络的预测精度给出了评价函数.最后,为了验证所述方法的有效性,结合风洞实验数据,对某机舵面故障模式之一的方向舵卡死进行了预测和分析,并与传统的ARMA方法进行了比较,结果充分表明了该神经网络预测模型的有效性和优越性.