基于DBN的区域计算机联锁系统可靠性分析

区域计算机联锁设备是实现区域内行车安全、保证运输效率的核心设备,对其可靠性研究具有重要意义。结合目前存在的2种区域联锁制式,采用一种新的联锁方案,即在主控站和从控站(选择其中1站或多站)均设置联锁设备。综合考虑联锁系统的共因故障和可维修等因素,利用动态贝叶斯网络对其进行可靠性分析。首先,从系统故障■安全和危险输出的角度出发,建立区域两联锁单元和三联锁单元的动态故障树,并将其转换为相应的动态贝叶斯网络模型;然后利用动态贝叶斯网络的推理特性,对区域联锁系统进行可靠性分析;最后比较了该方法与基于静态贝叶斯网络和动态故障树分析法的结果。计算结果表明:主控站和其中之一的从控站均设置联锁设备是实现区域联锁的较佳方式;且基于动态贝叶斯网络的系统可靠性分析较上述两种方法在计算准确度和时间复杂度方面均有明显优势;并通过动态贝叶斯网络的诊断推理可知,共因故障是系统故障的主要原因,因此应重点防范以降低事故发生的概率。     

诊断贝叶斯网络模型构建与工程应用

提出了一种基于故障树的诊断贝叶斯网络建立方法,给出了用贝叶斯网络描述故障树中事件间基本关系方法,分析了贝叶斯网络对多态逻辑、关联故障、不确定关系等问题的扩展表达能力.以某型飞机外挂接口单元为例,研究了基于故障树构建诊断贝叶斯网络的工程方法,提出了一种基于故障注入的贝叶斯网络故障诊断模型评估方法.     

基于故障树贝叶斯网络的数控刀架故障研究

针对数控机床刀架系统的故障特点,提出了基于故障树分析的贝叶斯网络故障诊断方法,通过建立刀架系统的故障树模型,利用贝叶斯网络,计算出引起系统故障的各个底事件重要度。结果表明:基于故障树贝叶斯网络的故障诊断为数控刀架系统的可靠性设计、分析、维修等提供新的方法。     

模糊动态贝叶斯可靠性分析方法及其在动车制动系统中的应用

针对动车制动系统的故障发生率具有模糊不确定性以及实际工作环境中故障的发生包含动态性特点,运用三角模糊数和扩展原理来表示底事件故障率,将动态离散时间贝叶斯网络模型与故障树模型相结合,分析获得动态贝叶斯网络叶节点的模糊故障率和各根节点的后验概率。解决了不确定条件下的动态系统可靠性分析问题,对兰新客专线路上运行的动车组的制动空气供给系统进行分析,获得了系统的可靠度预测曲线和薄弱环节,为该路线上运行动车的制动系统针对故障特点制定相应的检修和维护方案提供了理论依据。     

劲性水泥土搅拌桩地下连续墙贝叶斯网络分析

分别分析了事件树、故障树和贝叶斯网络的优点和缺点,总结了三者联合应用的必要性,进而改善了贝叶斯网络的构造方法.方法是先将事件树的输出事件和序列事件分别作为故障树的顶事件和中间事件建造系统的故障树,再将故障树转化为系统的贝叶斯网络,然后利用贝叶斯网络的计算优势进行分析;建议贝叶斯网络中的任一非根节点事件出现失效时应按后验概率从大到小的次序对相应根节点事件进行控制.采用文中方法分析了SMW(soil-cement mixingwall)深基坑工程的基坑事故发生概率和造成事故的主要基本事件,证明了该方法的实用性.     

事件树、故障树、决策树与贝叶斯网络

在简要介绍贝叶斯网络技术的基础上,通过大坝失效事件树分析、导弹发动机故障树分析以及汽车销售决策树分析3个实例,分别将事件树、故障树及决策树3种分析方法与贝叶斯网络分析方法进行了比较,并给出了事件树、故障树和决策树向贝叶斯网络转化的一般规律:事件作为贝叶斯网络中的结点,根据事件之间的因果或影响关系将网络中的各结点用有向弧连接起来并由已知数据或专家经验确定各结点条件概率表.结果表明贝叶斯网络具有处理多状态复杂模型以及双向推理的优点.     

贝叶斯网络在机械系统可靠性评估中的应用

针对故障树分析方法在可靠性评估方法中的局限性,提出了基于贝叶斯网络的机械系统可靠性评估新方法.首先根据系统可靠性框图建立故障树,然后将故障树直接映射成为贝叶斯网络,构建条件概率表,运用贝叶斯网络的推理能力进行系统的可靠性评估.该方法不但能计算出机械系统的可靠性指标,而且能方便地给出某一个部件或几个部件对系统可靠性的影响大小,识别系统的薄弱环节.最后通过实例验证了用贝叶斯网络进行机械系统可靠性评估的有效性.     

采用动态故障树分析诊断系统故障的信息融合法

为提高系统故障诊断效率,提出了一种利用动态故障树分析诊断系统故障的信息融合方法,该方法充分发挥动态故障树建模和贝叶斯网络推理各自优势,通过集成系统结构信息和传感器信息来诊断系统故障.采用高效的零压缩二元决策图生成系统所有最小割集,并采用贝叶斯网络方法计算部件和最小割集的诊断重要度;根据传感器证据信息对系统特征函数化简,同时对部件和证据条件下割集的诊断重要度进行更新;综合考虑部件和割集诊断重要度设计了系统诊断决策算法,生成诊断决策树以指导维修人员恢复系统故障;最后通过实例验证了该故障诊断方法的有效性.     

基于潜在调控因子筛选的高阶动态贝叶斯建模方法

为了解决目前用于构建基因调控网络的方法中所存在的网络构建准确率低、网络构建时间过长等问题，以及减小网络构建的复杂度，提高网络构建效率，提出了一种基于潜在调控因子筛选的高阶动态贝叶斯网络建模方法(high-order dynamic Bayesian network modeling method based on potential regulatory factor screening, PRS-HO-DBN).该方法将关联模型与高阶动态贝叶斯网络模型相结合，首先利用潜在调控因子筛选的方法在不同的时间延迟下删除与目标基因关联程度较低的基因，保留与目标基因关联程度较高的基因并作为目标基因的潜在调控因子集，以减小搜索空间；然后利用高阶动态贝叶斯模型进行结构学习，以提高网络构建的精确率.与其他的网络构建模型方法相比，该方法可以极大地缩短网络构建的时间，提升效率和精确度.     

核电厂设备冷却水系统动态可靠性评估方法

核电厂设备冷却水系统作为一类双重冗余的系统,存在复杂的动态时序失效行为。传统故障树分析法缺乏对时间因素的描述,对设备冷却水系统中的动态时序问题分析假设过于保守。针对上述故障树分析法的局限性,结合动态故障树（dynamic fault tree, DFT）和动态贝叶斯网络（dynamic Bayesian network, DBN）,提出了一种核电厂设备冷却水系统动态可靠性评估方法：首先在设备冷却水系统结构功能的基础上构建系统DFT模型;然后根据转化规则将DFT模型转化为DBN模型;最后通过DBN正向推理得到设备冷却水系统可靠度曲线,反向推理得到根节点的后验概率排序,敏感性分析识别系统薄弱环节。评估结果表明：所提出的方法能够为提高系统智能维修维护水平和可靠性提供依据。     

基于涡轮风扇发动机控制系统的安全性分析评价

阐述了对涡轮风扇发动机控制系统分析评价的必要性,分别对故障树和马尔科夫分析评价法进行了介绍和综合对比,提出一种基于模糊马尔科夫模型的动态故障树分析评价方法:将故障树里的动态逻辑转换为马尔科夫模型,来解决动态逻辑门的求解问题,实例证明此方法能有效解决具有动态失效特征的复杂系统的建模问题.     

FPGA组合逻辑程序的Petri网建模方法

针对现场可编程门阵列(FPGA)组合逻辑程序,提出其普通Petri网建模方法.首先,将状态变量描述为库所对,程序中的逻辑运算描述为变迁,从而将系统程序转换为一个普通Petri网结构;然后,根据Petri网的动态分析性能,给出系统状态可达图的计算方法,实现了状态可达图等价描述FPGA组合逻辑系统运行过程.研究结果表明:该Petri网能够准确地描述变量间的逻辑关系,提出的方法可以为FPGA组合逻辑程序的形式化设计和验证提供建模依据.     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。     

基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法. 利用英国南安普敦市的实际数据对上述方法进行了仿真验证. 验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.      

城市内涝事理图谱构建方法及应用

为消除城市内涝事件的突发性和空间易变性对城市内涝灾害决策调度的影响,构建城市内涝事理图谱,并在此图谱上提出成因分析应用的框架。利用规则模板库抽取中文城市内涝语料库中的因果事件句,基于投票机制的深度神经网络融合方法抽取因果句中的事件,融合手工规则实现城市内涝事理图谱的构建。采用事理图谱自动生成以内涝点为中心的场景,用生成的场景自动生成并训练离散动态贝叶斯网络,并在该网络上进行内涝点成因分析。结果表明,所构建的城市内涝事理图谱能较好地描述所在城市的内涝演化规律,成因分析结果与真实结果对比表明,此方法能准确找到内涝点处产生内涝的成因,并排除有干扰影响的伪成因。     

开放式网络环境下的上下文敏感的信任管理

为了更准确地反映出开放式网络环境下实体行为的不确定性和动态性,提出一种基于贝叶斯网络的信任管理方案.该方案显式地加入了上下文信息,并使用一种统计学方法推算出上下文信息对实体行为的影响因子.采用一种上下文间的信任度映射方法,使得实体能够根据一些相关上下文中的信任信息推算出其他实体在陌生上下文中的信任度.仿真结果表明,该方案的信任度估算比其他使用特定算法的系统更精确.     

基于预测能力的贝叶斯网络结构学习

给出了变量之间预测能力的概念及估计方法,证明了预测能力就是预测正确率.在此基础上建立了基于预测能力的贝叶斯网络结构学习方法,并使用模拟数据进行了实验.实验结果显示该算法能够有效地进行贝叶斯网络结构学习.     

基于轮询机制的Utopia接口设计与实现

针对多个物理层传输芯片(PHY)、单ATM层的应用情况,分析了Utop ia level 2接口时序,基于现场可编程门阵列(FPGA)设计并实现了轮询机制的Utop ia接口逻辑,给出了时序仿真结果。设计了一种ATM同高层协议的接口逻辑并给出了进一步减小轮询操作开销的方法。同传统单端口模式相比,节约了75%的逻辑资源和引脚。测试结果表明,4个物理层单元能以155 Mbps的速度双向并行通信,可为模块化设计提供参考。     

基于有色Petri网的逻辑电路仿真模型设计

提出了一种受控有色Petri网(CCPN)模型.该模型在有色Petri网的基础上对逻辑电路的拓扑结构和动态运行过程进行了形式化描述,给出了逻辑电路与CCPN的映射关系,引入了受控门函数集,并按照充分考虑逻辑电路特殊性和稳定性的激发规则,加入了有效的约定,较好地解决了逻辑电路仿真过程中电路拓扑结构难以有效描述的问题.在此基础上,给出了信号在模型中动态传递的描述性算法及其实现方法,并举例说明了基于该模型的逻辑电路仿真过程.     

一种基于小数据集的贝叶斯网络学习方法

 贝叶斯网络是用来表示不确定变量集合联合分布的图形模型,反映了变量间潜在的依赖关系.从完备数据集和不完备数据集上学习贝叶斯网络是研究的热点之一,要求有大数据集.针对实际应用中常常只能获得小样本数据,提出了基于Bootstrap抽样的网络结构学习的遗传算法,实验结果表明该方法在小数据集上学习贝叶斯网络具有一定的有效性.