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.     

计算通信网络可靠性的分解技术

本文应用分离节点的概念将图分解成两个子图，使通信网络端对可靠性的成功函数简化为两个子网络的可靠性成功子函数，并且进一步导出由子网络不交化表示的原网络的不交化表达式，最后得到通信网络更简便更紧凑的端对可靠性表达式，此简化方法适用于任意系统可靠性的计算．     

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.     

矿井通风网络最小独立路集不交化可靠度的计算

运用可靠性工程理论及不交型积之和定律 ,在大型网络系统可靠度计算的基础上 ,提出了矿井通风网络系统最大线性无关最小独立路集予以真子集涤除的不交化可靠度计算的实现方法 .根据不交化可靠度计算法 ,当最小独立路集按所含网络分支的多少进行升序排列时 ,还可进一步减少中间过程的计算量 ,从而达到最佳不交化简化计算的效果 .实例分析表明 :采用升序排列的最小独立路集并按不交型积之和定理予以真子集涤除的不交化处理后 ,不仅计算值等同于一般网络分析中用全概率公式计算的矿井通风网络系统可靠度 ,而且 ,计算工作量大为简化 .     

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.     

构造网络不交化最小路集的一种新算法

网络系统不交化最小路集的求解是进行网络系统可靠性分析的重要途径.本文以网络计算为基础,根据不交化代数及不交化最小路集的树生成算法提出了一种新的直接求解网络系统不交化最小路集的算法.该算法简便易行,具有分布计算的特点,为大型网络系统的可靠性分析提供了一种新的途径.     

故障树分析技术在软件测试中的应用

针对故障模式判决软件测试用例设计的特点 ,提出了一种利用故障树分析原理 (FTA)和软件测试用例设计等价类划分方法进行故障模式判决软件测试用例设计的新方法。该方法运用FTA原理进行测试用例设计 ,根据故障判决模式画出故障树 ,将该树作为测试用例设计树 ,然后运用故障树原理获得该树的最小割集 ,将此最小割集作软件测试用例的设计的依据。利用该方法进行测试用例设计保证了测试的充分性、测试用例分布的合理性 ,同时依据此方法设计的测试用例辅助生成软件 ,也极大地提高了软件测试自动化水平。     

贝叶斯网络在仿真结果数据分析中的应用研究

复杂仿真系统涉及的因素众多,在其运行过程中产生大量数据,从这些海量数据中提取知识困难较大.针对该问题,给出了利用贝叶斯网络进行仿真结果数据分析的具体方法,包括网络结构的确定和网络参数的确定,并通过试验数据构建了反映仿真对象部分属性之间关系的贝叶斯网络,从而得到反映仿真对象运行过程的一些内在规律.     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

大型网络系统可靠度计算新方法

在大型网络系统可靠度的不交最小路集算法基础上,提出大型网络系统可靠度的不交最小路集算法的实现新方法。由于直接采用两节点之间弧表示逻辑运算,编程实现过程直观而简便,根据需要可以提供网络系统的全部最小路集、全部最小割集和系统可靠度,并且采用Fortran90语言和C＋＋语言编程,为大网络系统的可靠度和不可靠度分析提供了计算模块。     

基于Gibbs抽样的诊断贝叶斯网络模型评估方法

贝叶斯网络模型应用到故障诊断之前,必需对模型的正确性、故障诊断率、故障隔离率等进行全面的分析评估。通常的评价方法是用基于标准案例的测试程序对模型进行测试,但这些案例毕竟是有限的,不能穷尽所有情况。提出一种基于Gibbs抽样的诊断模型评估方法,不需要特殊的诊断案例,该方法采用等概率故障注入算法,自己产生测试案例,仿真故障传播和故障诊断过程,能够保证对系统的全面覆盖测试,对诊断模型进行全面评估。     

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。     

一种计算复杂网络可靠性的新方法

修正了RBAP算法和RBAC算法中的错误,提出了一种分析网络可靠性的新方法。这种算法通过构造树的方法产生不交和。     

基于贝叶斯网络的目标融合识别方法研究

利用贝叶斯网络模型进行目标融合识别是近年来的一个研究热点。以电子战环境中的数据融合为背景，提出了一种以朴素贝叶斯分类器和扩展的朴素贝叶斯分类器为基本结构的目标融合识别模型，采用同质传感器数据优先融合原则对雷达侦察、通信侦察和红外成像侦察数据进行融合。仿真实验表明，该模型可以有效地提高识别系统的准确率、可靠性和稳健性。     

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。