收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

Bayes网络在故障诊断中的应用

费致根  
【摘要】:目前,出于安全、高效生产的考虑,各个大型工厂基本上都对一些重要设备实施了实时监控,由传感器不断地获取机组运行状态的各种参数,并对这些参数进行有效地存储,就形成了庞大的数据仓库。人们关心的是从这些数据库中我们可以发现什么样的有价值的知识,这些知识以什么样的形式表现出来。基于人们的这一关注,本文将贝叶斯网络——数据挖掘的一种方法引入到故障诊断领域,以直观的表达形式,有效地解决了数据库中的知识发现问题。 贝叶斯网络以统计学为基础,是数据挖掘技术的一种方法。本质上贝叶斯网络是一个有向无循环的图表模型,直观地表述了多个变量之间的依赖关系。它通过一个有向无循环表来描述各个节点之间的因果关系,通过一个条件概率分布表来描述各个节点之间的关系密切程度。并且,贝叶斯网络可以有效地把先验知识和现有数据结合起来,使得网络的推理结果更加的合理。特别是在当前数据较少或者较难获得的情况下,贝叶斯网络的这一优点更加明显。 结合故障诊断技术自身特点,本文组建了一个具有两层结构的贝叶斯网络模型,上层代表故障节点,下层代表症状节点,且所有节点所对应的随机变量都是二元矢量。在网络模型结构已知的前提下,根据故障样本数据的完整与否,我们采用不同的学习法则来有效地调整贝叶斯网络模型的条件概率分布表,使之更符合特定机组的实际运行情况。同时一种简化的推论法则被用来计算各个故障发生的后验概率,这样就可以有效地解决对故障数据的识别、分类问题。最后,利用转子实验台的模拟故障数据对该网络模型进行考核。结果表明,网络模型的学习是有效的,其推理结果是和专家知识相一致的。 之所以采用贝叶斯网络来进行故障诊断,是因为贝叶斯网络用于故障诊断有其突出的优势。第一,贝叶斯网络方法有坚实的理论基础;第二,贝叶斯网络有成熟的概率推理算法:第三,贝叶斯网络更适合于表达设备故障诊断问题;第四,贝叶斯网络具有很强的学习能力。 在WINDOWS2000开发平台上,结合开发工具Matlab6.1,采用模块化的程序设计方法,对该数据挖掘方法进行了软件实现。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谭琳,胡谷雨,胥光辉,潘志松;基于贝叶斯网络的计算机网络端到端服务故障诊断[J];海军工程大学学报;2005年05期
2 刘磊;孙树栋;蔡志强;司书宾;;基于FMECA知识的故障诊断贝叶斯网络建模研究[J];中国制造业信息化;2010年05期
3 周忠宝;马超群;周经伦;;基于贝叶斯网络的事故序列分析[J];哈尔滨工业大学学报;2009年09期
4 赵顺毅;刘飞;;基于贝叶斯网络的控制回路关联故障诊断[J];东南大学学报(自然科学版);2010年S1期
5 陆维嘉;;基于贝叶斯网的抗肺结核诊疗数据分析[J];计算机与数字工程;2010年12期
6 朱刚;周政新;马良;;基于贝叶斯网络的电机智能诊断技术研究[J];微计算机信息;2006年01期
7 赵晶;潘紫薇;;基于Bayes网络的故障诊断系统[J];自动化与仪表;2007年02期
8 张磊;;一种基于FMEA的贝叶斯诊断网络[J];军民两用技术与产品;2007年08期
9 费胜巍;孙宇;师会超;;基于故障分析模型的贝叶斯网络构建及应用[J];计算机集成制造系统;2007年09期
10 周忠宝;董豆豆;冯静;周经伦;;存在房形事件的故障树向贝叶斯网络的转化[J];哈尔滨工业大学学报;2008年06期
11 周忠宝;马超群;周经伦;;贝叶斯网络在多态系统可靠性分析中的应用[J];哈尔滨工业大学学报;2009年06期
12 张克;汪云甲;;基于贝叶斯网络的煤与瓦斯突出预测研究[J];计算机工程与应用;2007年29期
13 周忠宝;马超群;周经伦;董豆豆;;基于贝叶斯网络的多态故障树分析方法[J];数学的实践与认识;2008年19期
14 龚德平,高颖,唐涛;基于数据挖掘的数字化中医诊断系统[J];中国医学影像技术;2003年S1期
15 蒋晶;刘同明;;基于数据库信息构建贝叶斯网络的免疫遗传算法[J];计算机应用;2005年S1期
16 焦捷;;基于贝叶斯网络的飞机变流器故障诊断决策系统的设计与实现[J];航天器环境工程;2007年02期
17 王科欣;王胜利;;基于贝叶斯网络技术的软件缺陷预测与故障诊断[J];微型电脑应用;2009年11期
18 李俭川,胡茑庆,秦国军,温熙森;基于故障树的贝叶斯网络建造方法与故障诊断应用[J];计算机工程与应用;2003年24期
19 李芸;;基于贝叶斯信念网络的数据分类挖掘算法[J];计算机科学;2006年09期
20 李翔;朱莉;;基于贝叶斯网络的信用卡客户价值预测[J];计算机与数字工程;2009年03期
中国重要会议论文全文数据库 前10条
1 马赛红;齐玉东;许宇茹;;数据挖掘在智能故障诊断系统中的应用[A];2001年中国智能自动化会议论文集(下册)[C];2001年
2 陈小岗;孙宇;张晓阳;;基于FMEA的贝叶斯诊断网络构建方法研究[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
3 张蓉;张彬;;基于贝叶斯网络的电信网的根源故障定位[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
4 沈海峰;梁曼君;;基于贝叶斯网络的数据挖掘技术[A];全国第十四届计算机科学及其在仪器仪表中的应用学术交流会论文集[C];2001年
5 黄桂松;;一种基于贝叶斯网络的业务驱动认知网络实现方法[A];江苏省电子学会2010年学术年会论文集[C];2010年
6 董杰;刘春红;李峰;李素芳;王传跃;;基于贝叶斯网络在双相抑郁的静息态网络间关系研究[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年
7 宫义山;钱娜;;贝叶斯网络结构在线学习算法及应用[A];科学发展与社会责任(A卷)——第五届沈阳科学学术年会文集[C];2008年
8 杨卓鹏;郑恒;薛峰;任立明;;基于蒙特卡洛--贝叶斯网络方法的卫星地面站可用性分析[A];第二届中国卫星导航学术年会电子文集[C];2011年
9 王鹏;刘震;潘瑾;程尊平;汪卫;施伯乐;;OSBNC:一种快速贝叶斯网络分类算法[A];第二十届全国数据库学术会议论文集(研究报告篇)[C];2003年
10 朱宏博;张芊;赵海;宋纯贺;;基于贝叶斯网络英文电影对白的潜在语义分析[A];第八届沈阳科学学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年
2 霍利民;基于贝叶斯网络的电力系统可靠性评估[D];华北电力大学(河北);2005年
3 吴立增;变压器状态评估方法的研究[D];华北电力大学(河北);2005年
4 李俭川;贝叶斯网络故障诊断与维修决策方法及应用研究[D];中国人民解放军国防科学技术大学;2002年
5 华斌;贝叶斯网络在水电机组状态检修中的应用研究[D];华中科技大学;2004年
6 黄解军;贝叶斯网络结构学习及其在数据挖掘中的应用研究[D];武汉大学;2005年
7 张少中;基于贝叶斯网络的知识发现与决策应用研究[D];大连理工大学;2003年
8 胡文斌;基于多Agent的分布式智能群决策支持系统关键技术研究[D];武汉理工大学;2004年
9 洪净;中医辩证量化方法学研究[D];湖南中医学院;2002年
10 孙岩;贝叶斯网络结构学习算法研究与应用[D];大连理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 费致根;Bayes网络在故障诊断中的应用[D];郑州大学;2004年
2 吴欣;基于改进贝叶斯网络方法的电力系统故障诊断研究[D];浙江大学;2005年
3 应凤刚;无人作战飞机对地攻击态势威胁评估方法和算法研究[D];西北工业大学;2005年
4 杨晓东;基于贝叶斯网络的配电网可靠性评估[D];华北电力大学(河北);2004年
5 白涛;贝叶斯算法在电力营销决策中的应用与研究[D];华北电力大学(河北);2008年
6 赵海丰;关联规则挖掘及贝叶斯网表示研究[D];重庆大学;2007年
7 廉捷;贝叶斯网络构造方法及应用研究[D];北京交通大学;2008年
8 毛杰;基于贝叶斯网络结构学习和分类器的数据挖掘研究[D];浙江大学;2008年
9 肖文辉;基于本体的智能故障诊断的不确定性推理研究[D];湖南科技大学;2010年
10 陈新亿;基于KL距离的贝叶斯网络结构学习算法研究[D];云南大学;2010年
中国重要报纸全文数据库 前10条
1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年
2 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
3 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
4 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
5 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
6 张立明;数据挖掘之道[N];网络世界;2003年
7 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年
8 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
9 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
10 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978