基于贝叶斯网络的态势评估诊断模型

针对传统的水电设备诊断模型通用性差等问题,提出了基于贝叶斯网络的水电设备态势评估诊断模型.该态势评估模型根据功能分为三层结构:特征级、理解级、评估级.并将贝叶斯网络中的节点按照功能分为态势节点和事件节点,采用网络推理过程将传感器采集信息作为事件节点的证据用来更新态势节点概率,并反过来影响事件节点的概率.该诊断模型在水电设备调速系统的诊断应用中的准确率达到95.2%,证实了该模型的判决可信度.     

一种朴素贝叶斯学习辅助的接触图路由算法

接触图路由(CGR)是星际网络路由协议中的一个重要组成部分，星际网络中节点易受电磁干扰或自身资源不足影响而失效，高度依赖先验知识的接触图路由在节点意外失效时通信性能会急剧恶化。针对上述问题，提出了在接触图路由中引入朴素贝叶斯学习模型来预测节点可靠性的方法。首先根据接触图路由的特点建立节点快照；然后基于节点快照进行朴素贝叶斯建模，预测节点间的不可靠性概率；最后在路由决策时考虑不可靠性概率，选择不可靠性小的节点转发数据。实验结果表明，引入朴素贝叶斯学习可以有效提高接触图路由在恶劣的太空环境中应对节点意外失效的能力，实现对数据的高效传输。     

基于粗糙集理论和贝叶斯网络的断路器故障诊断方法

为了快速准确地诊断出断路器的故障原因,笔者提出了一种断路器的故障诊断方法。该方法以粗糙集理论为基础,建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则。基于最小故障诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推断。经真空断路器故障的实例分析表明,该方法是可行有效的。     

基于小数据集贝叶斯网络建模的偏差源诊断方法

针对装配过程尺寸偏差的小样本检测条件,提出了基于条件独立性检验的结构学习算法,结合柔性装配偏差关系模型,推导了贝叶斯网络子节点的先验条件概率,将小数据集与先验概率融合并获得贝叶斯网络参数,实现了装配偏差影响因素的贝叶斯网络建模,并用于某车型侧围装配过程的偏差源诊断.结果表明,所提出的偏差源诊断方法具有较高的准确性.     

基于粗糙集与贝叶斯网络的推理和诊断模型

基于粗糙集知识约简、规则提取的优势和贝叶斯网络强大的推理能力,对决策表进行约简和提取决策规则获取节点关系、节点概率分布等信息,以获取的信息为基础建立贝叶斯网络模型.然后通过贝叶斯网络实现进行高效快速的推理和诊断.实例分析表明,该方法是可行有效的.     

基于多阶段预报分布的贝叶斯多变量均值向量监控模型

针对现有质量控制方法中没有考虑数据信息连续应用及参数不确定性风险问题,通过贝叶斯方法引入多元质量控制模型的参数先验信息,根据模型预报分布,以及多元t分布与F分布之间的关系,构造基于F统计量的贝叶斯均值向量控制限;当生产过程处于稳定控制状态时,利用前一阶段参数后验分布作为下一个阶段参数先验分布,建立序贯贝叶斯均值向量控制...     

信息融合与贝叶斯集成的船用中高速发动机磨损故障诊断

为了解决船用中高速发动机磨损故障诊断准确率偏低的问题,提出多源信息融合与贝叶斯网络集成的磨损故障诊断方法。利用贝叶斯参数估计算法进行多源故障征兆信息融合,通过大量发动机磨损故障实测数据,结合该领域专家知识,建构贝叶斯磨损故障诊断网络,并建立朴素贝叶斯分类器,简化融合结果,最终通过最大后验概率估计值识别磨损故障模式。经实际故障案例计算分析,验证了该诊断方法的有效性及网络模型建构的准确性。     

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。     

一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

基于动作单元的机电产品故障溯源诊断方法

针对故障在复杂机电产品中传递发展的特点,提出了一种基于动作单元的机电产品故障溯源诊断方法.按照"功能-运动-动作"对整机功能进行结构化分解得到基本的动作单元,并分析动作单元之间的传递过程;在此基础上建立以动作单元和故障现象为节点的贝叶斯网络模型,利用贝叶斯网络的推理算法,计算各个节点的发生概率并追溯最大概率路径,实现动作层的故障动作单元诊断及故障动作单元传播过程诊断;利用故障图对动作单元内部的故障模式及其传递发展过程进行描述,找到引起动作单元故障的根本原因.通过对机电产品动作层和动作单元内部的诊断分析,实现故障现象到故障原因的溯源诊断.将所提出的溯源诊断方法应用到某企业数控转台故障诊断中,结果表明,从运动的角度进行故障溯源诊断,能够有效地诊断出故障动作单元及其传播过程并反映出动作单元内部元件故障的传递发展过程,便于找到导致故障的根本原因,提高了对机电产品故障诊断的效率.     

过程质量控制的BP神经网络诊断方法研究

利用BP神经网络建立了过程质量控制图模式诊断模型，并采用单因素法优化了模型参数．仿真结果表明，神经网络能有效识别控制图模式类型，具有较高的识别率，模型符合过程质量智能诊断的基本要求．     

复合型工艺风险评估模型的研究及其现场应用

充分考虑石化装置的复杂工艺特点,建立了基于贝叶斯网络的危险与可操作性研究(HAZOP)、保护层分析(LOPA)、领结分析(Bow-Tie分析)于一体的复合型工艺风险评估模型.首先编制系统故障树,将其映射成对应贝叶斯网络,利用Ge NIe软件实现贝叶斯双向推理进行故障预测和诊断,找出最容易导致事故的风险贝叶斯故障节点;然后运用HAZOP-LOPA集成分析研究该节点参数出现偏差的原因及后果,通过独立保护层失效概率评估风险等级;最后对剩余风险等级较高的事件进行Bow-Tie分析,辨识出使保护层持续有效的关键活动,进而控制后果严重的工艺安全事故.以辽河石化公司的延迟焦化装置为例对该风险评估模型进行了现场应用.     

基于投影变换的多元统计过程控制与诊断模型

针对多元统计过程控制图中变异源的识别问题,给出了基于投影变换的多元过程控制和诊断模型,将原始样本数据通过投影变换,转换为相互独立的数据,然后对各独立变量分别构建控制图,从而达到控制多元过程的目的．恰当地构造变换矩阵,使转换后的样本数据的协方差矩阵为单位矩阵．由于转换后的各变量相互独立,可通过多个控制图的联合报警概率的计算,建立联合概率控制图,对过程进行整体控制;利用转换矩阵,可发现导致异常的原因．最后通过对手机摄像头聚焦度测量结果的分析将该方法进行了验证．结果表明,所提的多元过程控制方法与产控帆图的结果基本相同,并可以指示出过程变异的原因．     

基于贝叶斯网络方法的客户流失应用研究

本文采用贝叶斯网络的方法对移动公司客户的流失进行趋势预测。根据先验知识选取变量,组建数据样本集,通过对贝叶斯网络的结构学习和参数学习,建立客户流失模型,提高了对数据样本预测的准确性。     

基于故障树和Bayes网络组合的装备故障诊断

针对故障树和Bayes网络在故障诊断中的局限性,提出一种使用故障树和Bayes网络组合的方式建立诊断故障Bayes网络,并基于诊断故障Bayes网络运用联合树推理进行故障诊断的方法.该方法解决了在复杂系统故障诊断过程中独立运用故障树和Bayes网络出现故障推理能力弱和建模难等问题.实验结果表明,使用该方法对某型舰船上的甲板灯光照明系统进行故障诊断,得出了各个故障征兆节点或故障原因节点的概率分布,从而可快速准确地定位甲板灯光照明系统故障.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

机械故障的Bayes诊断法

对于机械故障，建立了贝叶斯诊断模型，利用并改进。Ｍ（·，＋）算法，给出一种较为满意的诊断方法，并通 过示例表现出同以往的模糊诊断模型的一致性及其优越性。     

一种基于Stacking算法的乙烯裂解炉炉管结焦智能诊断方法

为提高炉管结焦诊断的准确度,提出一种基于Stacking算法的炉管结焦智能诊断方法。该方法首先利用多重层次聚类算法实现了对炉管外表面温度的精准计量;然后融合相关性度量和网格搜索算法,实现了基学习器和次级学习器的最优组合;最后构建了基于支持向量机、朴素贝叶斯、径向基函数神经网络、逻辑回归和随机森林的炉管结焦诊断模型。对比实验表明,基于Stacking算法的炉管结焦诊断模型的准确率(99.82%)、有效性和稳定性比使用单一的基于学习器SVM、朴素贝叶斯、RBF和LR算法训练的结焦诊断模型均有一定程度的提高。因此,本文方法可为乙烯生产过程中裂解炉炉管结焦程度的判断提供可靠依据。     

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。     

基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法

为了提高医学诊断模型防御攻击的能力,提出了一种基于生成对抗网络的医学诊断模型知识蒸馏对抗攻击方法。首先创建医学对抗攻击端到端训练网络,并以残差网络作为对抗网络架构;其次在生成器特征块中融合扩张卷积块和通道注意力机制,采用马尔可夫判别器改进判别器网络结构;最后利用生成器和判别器组建生成对抗网络,使用对抗样本进行知识蒸馏对抗攻击,以训练医学诊断模型提高识别精度。采用对抗样本对所提对抗方法进行攻击验证,结果表明：本文方法对抗攻击的成功率为92.6%,与所对比的主流方法相比,该方法的成功率提高了20%,生成对抗样本的最大平均差异降低了3.68%,峰值信噪比、结构相似性分别提升了5.07%、20.29%。本文方法解决了医学诊断模型在对抗攻击中难以获取网络结构和参数信息的问题,生成的对抗样本更接近真实样本,网络效果更佳,为辅助医疗模型诊断及模型安全性提供了参考方案。