- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于分布式贝叶斯网络的多故障诊断方法研究 摘 要: 针对复杂系统存在的不确定性、多故障以及传统贝叶斯网络诊断实时性差等问题,提出一种基于分布式贝叶斯网络的故障诊断方法。该故障诊断方法将大型、复杂系统故障诊断模型抽象为贝叶斯网络模型,并将其分解为若干贝叶斯网络子系统,基于消息传播机制完成多个子系统局部推理以及子系统间重叠子域紧凑的消息传播,实现分布式贝叶斯网络的故障推理与诊断。实验结果表明,该故障诊断方法可在复杂、不确定性系统中完成单故障和多故障推理、诊断任务,与传统贝叶斯网络故障诊断方法相比,该方法在推理速度上的优势尤为突出,具有广泛的应用前景。 关键词: 贝叶斯网络; 分布式推理; 多故障诊断; 复杂系统 中图分类号: TN711?34; TP391.4 文献标识码: A 文章编号: 1004?373X(2017)01?0119?06 Abstract: Since the complex system has the uncertain and multi?fault problems, and the traditional Bayesian network diagnosis has poor real?time performance, a fault diagnosis approach based on distributed Bayesian network is proposed. The large?scale and complex system fault diagnosis model is abstracted as the Bayesian network model with the fault diagnosis method. The Bayesian network model is decomposed into several Bayesian network subsystems. The information propagation mechanism is used to accomplish the partial inference of the multiply subsystems and compact information propagation of the overlap subdomain among subsystems, and realize the inference and diagnosis of the distributed Bayesian network fault. The experimental results demonstrate that the fault diagnosis method can accomplish the single fault and multi?fault diagnosis inference and diagnosis task in the complex and uncertain system. In comparison with the traditional Bayesian network fault diagnosis method, the method has the prominent advantage of fast inference speed and extensive application prospects. Keywords: Bayesian network; distributed inference; multi?fault diagnosis; complex system 0 引 言 随着高新技术在大型复杂系统中的广泛应用,一方面极大地改善了系统的性能,使系统功能越来越强大;另一方面,由于技术和结构的复杂化,不确定因素及不确定信息充斥其间,系统的故障概率也大幅提高,并且由单故障转向多故障并发。为保证系统正常运行,必须采取有效的故障诊断方法,对系统进行实时观测,准确、及时地检测与排除故障。 近几年来,多故障诊断问题得到了国内外学者的关注[1?4]。文献[5]提出基于分布式神经网络的多故障诊断方法,需要系统中有足够的可观测节点才能进行相应的故障识别。文献[6?7]提出有向图模型的模糊多故障诊断算法,只考?]系统的结构模型,未充分考虑测试过程中的不确定性因素,因此在工程应用中受限。文献[8]提出基于GSA的多故障诊断方法适用于小规模系统,但对于大规模复杂系统诊断存在精度低且实时性差的问题。 在不确定理论研究领域的研究中有机结合了图论和概率论的贝叶斯网络(Bayesian Network,BN)适合
文档评论(0)