一种贝叶斯诊断网络的拓扑结构

为了解决工程诊断中的不确定性，提出了一种基于工况-操作-故障-征兆的3层拓扑结构的贝叶斯诊断网络模型．该模型发挥了贝叶斯网络解决不确定性问题的优越性，融合了专家的经验知识，用图形化方式直观地表达了诊断中的复杂关系．应用实例表明，与传统质朴型贝叶斯诊断网络相比，该模型考虑了诊断对象的实际运行工况和操作情况，用于诊断的证据信息更充分，网络的诊断推理结果更符合诊断实际，已成功地应用于某石化公司炼油厂的烟机诊断中．     

基于多色集合的数控机床故障诊断模型构建与推理方法

数控机床故障具有层次性和相关性等复杂特点,构建形式化的数控机床故障诊断模型并推理出故障原因,是进行故障诊断的重要过程。本文基于多色集合理论,提出数控机床故障诊断形式化结构模型的构建与推理方法。在阐述多色集合基本概念的基础上,构建了基于多色集合的数控机床故障诊断层次结构模型;利用多色集合的元素、个人颜色、统一颜色以及布尔矩阵,从横向和纵向两个方向对该模型进行了形式化描述;给出了数据机床故障诊断模型的推理算法流程,实现了自顶向下的自动推理。最后以刀架系统故障诊断建模与推理过程为例,验证了所提理论和方法的正确性和有效性。     

基于贝叶斯网络的列控车载设备故障诊断

针对目前高速铁路列控车载设备故障诊断过度依赖于专家经验且诊断正确率不高等问题,提出了以专家知识为基础,以贝叶斯网络为核心的故障诊断方法.首先,以CTCS3-300T型列车运行控制系统的车载设备为研究对象,建立基于专家知识的贝叶斯网络.其次,根据故障记录数据集使用K2算法进行结构学习并对学习后的贝叶斯网络结构做适当简约处理.利用极大似然估计算法进行参数学习,得到故障诊断的最优贝叶斯网络.最后,通过诊断推理,得到该故障诊断模型的诊断正确率为88.20％,验证了该贝叶斯网络模型的可行性和有效性.     

基于多色集合理论的概念设计形式化解决方法

应用多色集合理论的个人颜色、统一颜色和递阶结构树建立了产品的概念设计递阶结构信息模型，分析了概念设计产品信息模型中的三类约束关系，并用统一颜色和元素个人颜色之间的的模块布尔矩阵对这些约束关系进行了形式化描述．提出了产品概念设计推理过程的形式化方法，实现了从产品功能需求到方案元表示的可行方案的推理过程，并把推理结果提供给下层设计进行优选和评估．最后，以隔振系统的概念设计为例验证了该方法．研究结果表明，该方法可以快速地对产品概念设计进行信息建模，为知识创新提供了一个全新的思路。     

基于故障树和贝叶斯网络的危化品罐式运输车道路运输系统的可靠性分析

为保障危化品罐式运输车道路运输系统的可靠性,提出一种基于故障树分析法和贝叶斯网络的系统可靠性研究方法.首先,根据道路运输系统故障树模型向贝叶斯网络转化的方法确定贝叶斯网络模型和条件概率表;其次,结合贝叶斯网络双向推理算法对危化品道路运输系统进行推理计算;最后,分析得出危化品罐式运输车道路运输系统的可靠度.研究发现:该方法可以根据根节点故障的先验概率正向推理系统失效的可能性,并且可以通过根节点的概率重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.在结论中,提出了针对系统中关键风险事件的应对策略.     

基于贝叶斯网络的农村电力网故障诊断研究

鉴于贝叶斯网络灵活的因果推理和诊断推理,运用贝叶斯网络方法研究了因保护装置和断路器误动或拒动、通信装置的故障等原因造成的不完备警报信号模式下的农村电网故障诊断新方法.该方法应用Noisy-Or、NoiSy-And节点模型和类似BP神经网络的误差反向传播算法建立了输电线路故障诊断模型,并应用公式推理得出每个元件的故障信任度,根据故障信任度确定元件有无故障.     

基于综合集成方法的设备故障诊断及其应用

设备故障的诊断涉及到知识工程、知识管理、数据挖掘、专家系统、可靠性工程等多领域知识，常常需要综合定性和定量方法共同进行诊断。本研究从综合集成法的思路出发，提出了一种定性定量结合的设备故障诊断方法，并以铁路CIR设备为例，综合知识图谱、文本分类、贝叶斯网络等技术，应用于设备故障知识管理、故障定位、故障诊断推理。本研究表明，综合集成方法对复杂设备故障知识的管理和诊断实践提供了有效指导，同时能为维修人员和管理人员进行设备健康管理工作提供决策支持。     

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.     

计及气象因素的风电机组故障诊断与风险预测

针对极端天气导致风电机组频繁故障,提出了一种基于改进贝叶斯网络的风电机组故障诊断与风险预测模型。该模型计及气象因素与风机故障之间的关联,利用ReliefF算法计算故障特征权重,得到最优特征集合;建立计及气象因素的基于贝叶斯网络的风电机组故障诊断与风险预测模型,利用正向诊断技术得到故障诊断策略,并通过反向推理技术对风险事件进行预测。将文中提出的模型进行受试者工作特性曲线（receiver operating characteristic curve, ROC）验证,结果表明所提模型ROC曲线下面积（Area Under Curve, AUC）为0.9049,验证了所提模型的有效性,可以为风电机组故障诊断和风险预测提供有效依据。     

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.     

一种基于因果网络模型的诊断推理模型

提出一种基于因果网络的诊断推理模型.该模型用因果网络表示诊断对象的领域知识,不仅能有效地表达知识的不确定性,更重要的是解决了知识的不完备问题.该模型的推理过程分为领域相关的环境集识别和领域无关的诊断解产生两个阶段,增加了算法的柔性和通用性.     

Application of Bayesian Network Learning Methods to Land Resource Evaluation

0IntroductionLand resourceis the material basis of people’s existence.Land protectionis a persistent national problembecausethat it is serving national sustainable development.Moreover,land evaluation and land gradation are of great i mportance inguiding decisions onland uses andland explorations.Shortageof land resource becomes serious,which attracted the specialattention and recognitionin various countries.And so,manyscholars triedtofind novel approaches of landresource evalua-tion.Kalogir…     

面向对象的复杂系统诊断知识表达与推理

基于面向对象的知识表达方法,建立了复杂系统诊断知识表达和组织模型,并讨论了诊断系统的推理行为.对应于复杂系统的结构元素的诊断基元是表达诊断知识的基本单元,构成知识库的原型知识库和系统知识库,分别对应于问题领域和具体诊断对象;诊断系统通过消息传递推理引导层间诊断,并基于“假设产生-假设建立”的推理完成基元的层内诊断.     

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.     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

一种基于概率神经网络模型的胃病诊断专家系统

给出了将神经网络与基于规则的专家系统结合起来的一种神经网络模型,在这种模型中,一方面,领域知识以显式方式表示,神经网络的并行推理过程是可以理解和解释的;另一方面,由于通过贝中斯后验概率指定权值,因此避免了神经网络漫长的递归学习过程,提高了学习效率。     

基于贝叶斯网络的油田管道失效概率计算

针对事故树分析法不能对管道风险进行多态性分析,且无法实现双向推理问题,提出一种基于贝叶斯网络的油田管道失效概率计算方法.首先,建立油田管道失效风险事故树模型,利用事故树与贝叶斯网络的转换确定贝叶斯网络结构,完成管道失效风险贝叶斯网络模型结构的构建;其次,考虑到由专家知识经验及期望最大化算法确定的网络参数存在较大的估计误...     

液体火箭发动机的分层贝叶斯变分推理故障诊断方法

针对稀疏数据场景下，传统的多项式-狄利克雷模型存在一定的分类精度问题，提出一种基于变分推理的分层贝叶斯网络的参数估计方法. 通过在传统的多项式-狄利克雷模型中引入超先验，构建出的分层多项式-狄利克雷模型可用于贝叶斯网络中的条件分布估计. 对分层多项式-狄利克雷模型的先验依赖结构进行分析研究，提出一种快速准确的自组织变分推理算法. 与传统的分类模型相比，本文提出的分层多项式-狄利克雷模型在处理小数据集液体火箭发动机的故障分类中有显著的性能提高.      

基于多跳路径的知识库补全

为了对知识库(KBs)进行补全,提出一种新的基于路径的推理方法,使用注意力机制,将实体与其类型相结合,共同对路径中的实体进行表示,并使用注意力机制对每条路径预测的关系向量与给定关系的表示向量之差的绝对值进行汇总来计算模型的置信度.在基准数据集WN18RR和FB15k-237上的实验结果表明,与现有的基于路径的关系推理方...