一、信度網(wǎng)近似推理算法(上)（論文文獻(xiàn)綜述）
任東平[1]（2020）在《船舶柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷研究》文中認(rèn)為近年來(lái)船舶智能化與自動(dòng)化水平的不斷提高,在船舶可靠性與安全性這兩方面有了更加嚴(yán)格的要求。柴油機(jī)作為船舶的核心設(shè)備,在船舶安全方面起著至關(guān)重要的作用。但是,柴油機(jī)的結(jié)構(gòu)復(fù)雜、零件較多,機(jī)體處于高溫、高壓的環(huán)境中,因此發(fā)生故障的可能性比較大。傳統(tǒng)的故障診斷多為經(jīng)驗(yàn)法、熱力參數(shù)法、油液分析法等,這些方法對(duì)滑油系統(tǒng)的故障診斷不能精確定位,且耗時(shí)長(zhǎng),有的還需要專用檢測(cè)工具。本文采用貝葉斯noisy-OR/AND模型開發(fā)故障診斷系統(tǒng),可以準(zhǔn)確快速的診斷故障,同時(shí)還能給出維修措施供工作人員參考,能在故障發(fā)生的最短時(shí)間內(nèi)恢復(fù)設(shè)備的運(yùn)行,對(duì)于確保船舶安全運(yùn)行具有重要的意義。本文以亞洲網(wǎng)絡(luò)為實(shí)驗(yàn)?zāi)Ｐ?對(duì)比不同的消元順序?qū)ν评頃r(shí)間的影響。變量消元法推理快慢的主要因素是消元順序的構(gòu)造,目前主要有最小度、最大勢(shì)、最小缺邊和最小增加復(fù)雜度4種搜索方法可以用來(lái)構(gòu)造消元順序。實(shí)驗(yàn)發(fā)現(xiàn)最小增加復(fù)雜度搜索方法優(yōu)于其它搜索方法,可縮短推理時(shí)間,提高推理效率。對(duì)WARTSILA 6L34DF柴油機(jī)滑油系統(tǒng)建立診斷模型。依據(jù)潤(rùn)滑系統(tǒng)的故障類型,整個(gè)潤(rùn)滑系統(tǒng)可以分為進(jìn)機(jī)油壓異常、進(jìn)機(jī)油溫異常、滑油消耗率過(guò)高和滑油早期失效4個(gè)子故障。通過(guò)對(duì)系統(tǒng)的分析,建立六個(gè)故障樹,分別為進(jìn)機(jī)油壓過(guò)高、進(jìn)機(jī)油壓過(guò)低、進(jìn)機(jī)溫度過(guò)高、進(jìn)機(jī)溫度過(guò)低、滑油消耗率過(guò)高和滑油早期失效。采用將故障樹轉(zhuǎn)化為貝葉斯網(wǎng)的方法,構(gòu)建上述六個(gè)故障樹的貝葉斯網(wǎng)絡(luò)診斷模型。開發(fā)柴油機(jī)滑油系統(tǒng)的故障診斷軟件。利用Visual Studio 2017和SQL Server 2017為開發(fā)環(huán)境,以C#語(yǔ)言為基礎(chǔ)開發(fā)診斷系統(tǒng)。在數(shù)據(jù)庫(kù)中建立滑油系統(tǒng)的知識(shí)庫(kù),將先驗(yàn)概率存入相應(yīng)的數(shù)據(jù)表中;在Visual Studio 2017中,編程實(shí)現(xiàn)整個(gè)故障診斷功能,該系統(tǒng)包括4個(gè)菜單欄。最后使用2個(gè)故障實(shí)例證明該系統(tǒng)能準(zhǔn)確快速的診斷出故障原因。研究表明,當(dāng)結(jié)合工作人員對(duì)設(shè)備的觀測(cè)信息時(shí),該故障診斷系統(tǒng)能夠準(zhǔn)確迅速的定位故障原因,并給出相應(yīng)的維修策略。在貝葉斯網(wǎng)絡(luò)推理時(shí),采用最小缺邊復(fù)雜度搜索方法可提高變量消元法的推理速度,可縮短系統(tǒng)后臺(tái)的計(jì)算運(yùn)行時(shí)間,減少系統(tǒng)的卡頓。貝葉斯網(wǎng)絡(luò)診斷模型優(yōu)于現(xiàn)有的診斷方法,能真正診斷出故障原因,幫助工作人員快速準(zhǔn)確地定位故障。
肖蘇[2]（2019）在《基于二元決策圖和模糊推理的因果圖故障診斷研究》文中研究說(shuō)明在復(fù)雜系統(tǒng)的故障診斷領(lǐng)域,由對(duì)象的復(fù)雜性、測(cè)試手段的局限性、知識(shí)的不精確等原因?qū)е碌牟淮_定性問(wèn)題占多數(shù),這使得故障診斷問(wèn)題變得復(fù)雜。動(dòng)態(tài)因果圖起源于信度網(wǎng),是一種將概率統(tǒng)計(jì)應(yīng)用于復(fù)雜領(lǐng)域、進(jìn)行不確定性知識(shí)表達(dá)和推理的工具。簡(jiǎn)潔的知識(shí)表達(dá)方式和靈活的推理過(guò)程使得因果圖在故障診斷領(lǐng)域的應(yīng)用越來(lái)越廣泛。本論文重點(diǎn)研究了因果圖的知識(shí)表示和推理方式,主要內(nèi)容如下:（1）針對(duì)因果圖最小割集的故障診斷方法需要對(duì)最小割集排序這一類問(wèn)題,本文提出了新的推理方法。首先將因果圖轉(zhuǎn)化為二元決策圖（Binary Decision Diagram,BDD）,通過(guò)直接搜索路徑寫出不交化割集,并利用布爾吸收原理求出最小割集;其次利用BDD結(jié)構(gòu)和哈夫曼樹的相似性,將最小割集進(jìn)行哈夫曼編碼,并將哈夫曼編碼的長(zhǎng)度作為最小割集的結(jié)構(gòu)重要度,據(jù)此對(duì)最小割集進(jìn)行分組排序,簡(jiǎn)化了排序過(guò)程。（2）針對(duì)事件發(fā)生概率的不確定性和事件之間因果關(guān)系的復(fù)雜性,將模糊數(shù)引入因果圖來(lái)刻畫現(xiàn)實(shí)世界中所存在的不確定性信息。首先用三角模糊數(shù)代替事件發(fā)生的不精確概率進(jìn)行因果圖推理,利用最小割集求解中間事件發(fā)生的概率;其次針對(duì)故障現(xiàn)象和故障原因相互交叉對(duì)應(yīng)的現(xiàn)象,將因果圖和模糊推理相結(jié)合,定義模糊關(guān)系矩陣,利用矩陣運(yùn)算求解最大可能性的故障原因。（3）基于信度網(wǎng)模型對(duì)于事件多態(tài)性表達(dá)的優(yōu)勢(shì),本文將信度網(wǎng)的聯(lián)合分布概率和條件概率公式直接用于多值因果圖推理,實(shí)例證明所提算法是合理的。
劉紹紅[3]（2017）在《因果圖的兩種不精確推理探索》文中研究說(shuō)明不確定性問(wèn)題作為人工智能最核心的研究任務(wù),將不確定性問(wèn)題的求解方法大致分為兩類:一類是基于概率的方法,一類是基于非概率的方法。因果圖推理是一種概率的方法,因果圖以圖形的方式表達(dá)復(fù)雜系統(tǒng)的因果關(guān)系。由于因果圖推理中存在不確定性問(wèn)題,為了更形象的將系統(tǒng)的不確定性進(jìn)行表達(dá),本文主要是研究因果圖的兩種不精確推理:將概率矩陣近似處理轉(zhuǎn)化為精確概率值;將求基本事件精確概率值擴(kuò)充為求區(qū)間概率。主要內(nèi)容如下:（1）把一個(gè)復(fù)雜系統(tǒng)用因果圖知識(shí)表達(dá),進(jìn)行系統(tǒng)故障診斷時(shí),用節(jié)點(diǎn)事件表示故障源,用有向邊表示因果關(guān)系。由于子變量的賦值狀態(tài)數(shù)不同,將因果圖分為單值因果圖和多值因果圖。將傳統(tǒng)因果圖推理用于多值因果圖中會(huì)出現(xiàn)概率不歸一的現(xiàn)象,因此提出一種多值因果圖的不精確推理。該推理方法是根據(jù)因果影響程度找到連接事件概率值,而該概率值是在引入了事件缺省狀態(tài),并假設(shè)事件各狀態(tài)之間互斥的情況下求得的。根據(jù)概率矩陣中事件各狀態(tài)發(fā)生的概率找到其發(fā)生的可能性大小,再進(jìn)行概率分配,使概率滿足歸一性,將多值因果圖轉(zhuǎn)化為單值因果圖。（2）因果圖作為一種基于概率的知識(shí)表達(dá)方法,是對(duì)基本事件發(fā)生概率已知時(shí)進(jìn)行推導(dǎo)計(jì)算,而實(shí)際應(yīng)用中,由于數(shù)據(jù)的誤差、缺失,專家的主觀偏見等很難獲得精確概率值,針對(duì)此情況本文提出將精確值擴(kuò)充為區(qū)間數(shù)。根據(jù)Dempster-Shafer證據(jù)理論（簡(jiǎn)稱D-S理論）,將專家知識(shí)或者系統(tǒng)數(shù)據(jù)進(jìn)行融合,通過(guò)計(jì)算得到似然函數(shù)Pls（Plausibility Function）和信任函數(shù)Bel（Belief Function）,將其分別作為概率區(qū)間的上下界,形象表達(dá)系統(tǒng)的模糊性和不確定性,同時(shí)還降低了獲取精確概率值的難度。
蔡文君[4]（2015）在《梯級(jí)水庫(kù)洪災(zāi)風(fēng)險(xiǎn)分析理論方法研究》文中研究表明梯級(jí)水庫(kù)群受到不同風(fēng)險(xiǎn)源的綜合影響,其風(fēng)險(xiǎn)源復(fù)雜,災(zāi)害鏈長(zhǎng),影響程度大。從流域整體安全性的角度出發(fā),研究分析梯級(jí)水庫(kù)群系統(tǒng)的洪災(zāi)風(fēng)險(xiǎn)問(wèn)題顯得尤為重要。一個(gè)流域梯級(jí)式開發(fā)的水利工程,是空間中一系列單元組成的系統(tǒng),各單元之間相互聯(lián)系,上游水庫(kù)失效將會(huì)對(duì)相鄰的下游水庫(kù)帶來(lái)一定程度的影響,從而對(duì)整個(gè)系統(tǒng)的安全性造成影響。本文以此為切入點(diǎn),以大渡河流域梯級(jí)水庫(kù)群系統(tǒng)為例,研究梯級(jí)水庫(kù)群系統(tǒng)的洪災(zāi)風(fēng)險(xiǎn)分析問(wèn)題。主要研究?jī)?nèi)容及成果如下：（1）構(gòu)建梯級(jí)水庫(kù)群多源風(fēng)險(xiǎn)源分析的理論框架,依據(jù)風(fēng)險(xiǎn)分析的主要流程,建立了包括風(fēng)險(xiǎn)源的識(shí)別、風(fēng)險(xiǎn)的量化和估計(jì)及風(fēng)險(xiǎn)評(píng)價(jià)的理論體系。在風(fēng)險(xiǎn)識(shí)別方面,通過(guò)分析梯級(jí)水庫(kù)群的結(jié)構(gòu)特征,認(rèn)為梯級(jí)水庫(kù)群在運(yùn)行中主要受到自然、工程兩類風(fēng)險(xiǎn)源的影響。本文主要分析在這兩種風(fēng)險(xiǎn)源的影響下,系統(tǒng)整體的洪災(zāi)風(fēng)險(xiǎn)問(wèn)題。分別從物理成因和概率統(tǒng)計(jì)的角度識(shí)別系統(tǒng)中的薄弱性工程。并在分析潰壩洪水的基礎(chǔ)上,對(duì)系統(tǒng)中水庫(kù)原設(shè)計(jì)參數(shù)提出合理的建議。在風(fēng)險(xiǎn)量化和估計(jì)方面,采用水庫(kù)失效風(fēng)險(xiǎn)率模型分析單元水庫(kù)的失效風(fēng)險(xiǎn)率,建立以貝葉斯網(wǎng)絡(luò)為理論基礎(chǔ)的梯級(jí)水庫(kù)群系統(tǒng)失效風(fēng)險(xiǎn)率模型,量化系統(tǒng)中各水庫(kù)及其整體在原設(shè)計(jì)參數(shù)和建議設(shè)計(jì)參數(shù)情況下失效風(fēng)險(xiǎn)的后驗(yàn)概率。在風(fēng)險(xiǎn)評(píng)價(jià)方面,通過(guò)計(jì)算兩種情況下系統(tǒng)的生命風(fēng)險(xiǎn)損失,評(píng)價(jià)系統(tǒng)的風(fēng)險(xiǎn)是否在可接受范圍內(nèi)。通過(guò)以上理論體系的構(gòu)建,對(duì)全文的研究提供支撐。（2）分析系統(tǒng)中各水庫(kù)工程等級(jí)、防洪標(biāo)準(zhǔn)等設(shè)計(jì)參數(shù),以及各水庫(kù)設(shè)計(jì)洪水的計(jì)算方法,發(fā)現(xiàn)設(shè)計(jì)洪水均是根據(jù)其控制水文站的設(shè)計(jì)洪水成果利用面積內(nèi)插法求得。僅根據(jù)各水庫(kù)的設(shè)計(jì)參數(shù),無(wú)法指定系統(tǒng)中的薄弱性工程。為了從流域整體的角度考慮各水庫(kù)的狀態(tài),以及在上游水庫(kù)發(fā)生潰壩風(fēng)險(xiǎn)時(shí),下游各水庫(kù)的安全性。通過(guò)分析大渡河自然地理特征和氣候特性,依據(jù)流域中主雨區(qū)的不同,分為以瀘定到瀑布溝區(qū)間降雨為主（A7）和以瀘定以上降雨為主（B7）兩種情景。利用水文氣象學(xué)的方法計(jì)算出大渡河梯級(jí)系統(tǒng)中各研究水庫(kù)的最大可能降水（PMP）,并轉(zhuǎn)化為相應(yīng)的最大可能洪水（PMF）。（3）識(shí)別系統(tǒng)的薄弱性工程,從物理成因的角度,分別在兩種降雨情境下識(shí)別系統(tǒng)中結(jié)構(gòu)性和功能性失效狀態(tài)的水庫(kù)。從數(shù)理統(tǒng)計(jì)的角度,在計(jì)算得到各單元水庫(kù)失效風(fēng)險(xiǎn)率的基礎(chǔ)上,以現(xiàn)行規(guī)范和特級(jí)水庫(kù)風(fēng)險(xiǎn)標(biāo)準(zhǔn)判定系統(tǒng)中結(jié)構(gòu)性和功能性兩種失效狀態(tài)的水庫(kù)。將兩個(gè)角度的識(shí)別結(jié)果對(duì)比分析,最終確定系統(tǒng)中的薄弱性工程?？紤]到土石壩漫頂易潰的原因,利用潰壩分析軟件,計(jì)算系統(tǒng)中水庫(kù)漫頂潰壩,潰壩洪水演進(jìn)至下游后,若造成水庫(kù)連潰的情況,此時(shí)系統(tǒng)中各水庫(kù)的狀態(tài)。并以流域安全為目標(biāo),對(duì)系統(tǒng)中水庫(kù)的設(shè)計(jì)參數(shù)提出合理的建議。在梯級(jí)水庫(kù)群系統(tǒng)中,薄弱性工程是觸發(fā)風(fēng)險(xiǎn)源,一旦系統(tǒng)中發(fā)生連潰事件,必須保證控制性工程的安全性,使其能夠分擔(dān)和消納由于上游水庫(kù)失效對(duì)系統(tǒng)造成的風(fēng)險(xiǎn),起到阻斷風(fēng)險(xiǎn)的作用。（4）針對(duì)梯級(jí)水庫(kù)群系統(tǒng)中單元水庫(kù)失效風(fēng)險(xiǎn)量化評(píng)價(jià)問(wèn)題,本文分別分析三個(gè)方面的內(nèi)容：?jiǎn)卧畮?kù)超標(biāo)準(zhǔn)洪水洪峰序列的隨機(jī)分布特征,調(diào)洪最高水位序列的隨機(jī)分布特征,以及單元水庫(kù)的失效風(fēng)險(xiǎn)率?；诮y(tǒng)計(jì)學(xué)中極值理論,分別以校核洪峰流量、校核洪水位、壩頂高程為閾值,研究大渡河流域梯級(jí)水庫(kù)的超標(biāo)準(zhǔn)（超校核）洪峰流量隨機(jī)分布特征和各水庫(kù)的調(diào)洪最高水位的隨機(jī)分布特征。結(jié)果表明：大渡河流域梯級(jí)水庫(kù)的超標(biāo)準(zhǔn)（超校核）洪峰流量與P-III型曲線擬合較好,符合我國(guó)大部分地區(qū)洪水要素的分布規(guī)律；各水庫(kù)的調(diào)洪最高水位與對(duì)數(shù)函數(shù)擬合較好。（5）在梯級(jí)水庫(kù)系統(tǒng)中單元水庫(kù)的失效概率分析方面,依據(jù)梯級(jí)水庫(kù)群中各梯級(jí)的開發(fā)次序,將大渡河干流的梯級(jí)水庫(kù)根據(jù)不同的建設(shè)時(shí)期分為三個(gè)階段,利用蒙特卡洛模擬方法分別計(jì)算各單元水庫(kù)的失效風(fēng)險(xiǎn)率。將三個(gè)階段中各單元水庫(kù)的失效風(fēng)險(xiǎn)率和已識(shí)別出的流域中的薄弱性工程對(duì)比分析,結(jié)果表明,為了保證流域長(zhǎng)期的安全,需將系統(tǒng)中各單元水庫(kù)依據(jù)其對(duì)流域安全的影響,分批次建設(shè)于流域中。同時(shí),所得到的各單元水庫(kù)失效風(fēng)險(xiǎn)率將為下一章搭建貝葉斯網(wǎng)絡(luò)計(jì)算系統(tǒng)失效概率提供數(shù)據(jù)支撐。（6）由于梯級(jí)系統(tǒng)的物理結(jié)構(gòu)特性,系統(tǒng)中各單元水庫(kù)之間也存在著一定的相關(guān)性,系統(tǒng)中各單元水庫(kù)的失效是一個(gè)條件概率事件。鑒于貝葉斯網(wǎng)絡(luò)在不確定知識(shí)的表達(dá)、因果推理等方面有突出的優(yōu)點(diǎn),本文建立基于貝葉斯網(wǎng)絡(luò)的梯級(jí)系統(tǒng)失效風(fēng)險(xiǎn)率分析模型。根據(jù)流域中的控制性工程,將系統(tǒng)劃分為巴拉-雙江口、猴子巖-瀑布溝兩段（D1、D2）。利用貝葉斯網(wǎng)絡(luò)分別分析D1、D2段系統(tǒng)在原設(shè)計(jì)參數(shù)和建議設(shè)計(jì)參數(shù)兩種情況下的失效風(fēng)險(xiǎn)率。同時(shí),建立各單元水庫(kù)的狀態(tài)對(duì)系統(tǒng)產(chǎn)生影響的貝葉斯網(wǎng)絡(luò)模型。結(jié)果表明,在不同情景下,各段系統(tǒng)中,建議設(shè)計(jì)參數(shù)的情況下與原設(shè)計(jì)參數(shù)相比,失效風(fēng)險(xiǎn)率明顯降低。各段系統(tǒng)的失效概率和其控制性工程的失效概率較為接近。本文分別從特級(jí)水庫(kù)的風(fēng)險(xiǎn)控制標(biāo)準(zhǔn)和生命風(fēng)險(xiǎn)損失的可接受程度兩個(gè)方面評(píng)價(jià)梯級(jí)水庫(kù)群系統(tǒng)失效風(fēng)險(xiǎn),結(jié)果表明,大渡河流域梯級(jí)水庫(kù)系統(tǒng)在建議設(shè)計(jì)參數(shù)情況下,系統(tǒng)失效風(fēng)險(xiǎn)有顯著降低并且在可接受的范圍內(nèi)。
靳寧[5]（2011）在《基于貝葉斯網(wǎng)絡(luò)的大型星載展開天線多狀態(tài)可靠性分析》文中認(rèn)為星載天線展開機(jī)構(gòu)是可展開天線結(jié)構(gòu)中必不可少的重要部件,其可靠性研究和預(yù)測(cè)對(duì)衛(wèi)星能否正常工作至關(guān)重要。本文將貝葉斯網(wǎng)絡(luò)方法（Bayesian networks, BN）引入某星載天線展開系統(tǒng)的多狀態(tài)可靠性分析中。首先介紹了貝葉斯網(wǎng)絡(luò)的概念和基本原理,詳細(xì)說(shuō)明了桶消元推理算法的原理和實(shí)現(xiàn)過(guò)程。其次,建立星載天線展開系統(tǒng)多狀態(tài)貝葉斯網(wǎng)絡(luò)模型,即網(wǎng)絡(luò)中各節(jié)點(diǎn)都存在“正?！?“臨界”,“失效”等三種工作狀態(tài),并在給出根節(jié)點(diǎn)先驗(yàn)概率的情況下,利用貝葉斯網(wǎng)絡(luò)中的獨(dú)立關(guān)系和桶消元推理算法,計(jì)算出貝葉斯網(wǎng)絡(luò)中其余各節(jié)點(diǎn)的條件概率,對(duì)展開系統(tǒng)中各失效事件進(jìn)行了重要度分析。然后,利用隨機(jī)—模糊可靠性分析方法對(duì)天線展開系統(tǒng)中關(guān)鍵失效事件進(jìn)行分析,給出了功能函數(shù)模糊可能度的計(jì)算方法。最后,根據(jù)星載天線展開系統(tǒng)貝葉斯網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)、桶消元算法和模糊—隨機(jī)方法,開發(fā)了星載天線展開系統(tǒng)可靠性預(yù)測(cè)軟件,對(duì)軟件設(shè)計(jì)思想和功能進(jìn)行了簡(jiǎn)述。
蔣方明,曾玉[6]（2010）在《信度網(wǎng)對(duì)于不確定知識(shí)的表達(dá)及推理》文中研究說(shuō)明不確定知識(shí)的表達(dá)及演化規(guī)律的推理是概率理論領(lǐng)域的熱點(diǎn),信度網(wǎng)作為其中最有效的理論模型吸引了大批的研究者。本文就信度網(wǎng)的知識(shí)表達(dá)和推理方式進(jìn)行基礎(chǔ)性的探索,并對(duì)其應(yīng)用前景進(jìn)行介紹。
于濤[7]（2008）在《ATIS故障診斷系統(tǒng)設(shè)計(jì)及其診斷技術(shù)研究》文中研究指明鐵路車號(hào)識(shí)別系統(tǒng)（Automatic Train Identification System,ATIS）是鐵路信息化建設(shè)的一個(gè)基礎(chǔ)信息系統(tǒng)工程,該系統(tǒng)實(shí)現(xiàn)對(duì)局管內(nèi)的列車、車輛、機(jī)車動(dòng)態(tài)追蹤管理和車號(hào)數(shù)據(jù)資源共享。一旦ATIS系統(tǒng)出現(xiàn)故障不能及時(shí)排除,一方面將嚴(yán)重降低鐵路各應(yīng)用系統(tǒng)的運(yùn)轉(zhuǎn)效率,進(jìn)而影響鐵路車站、線路等技術(shù)設(shè)備的運(yùn)輸作業(yè)能力,增加各級(jí)工作人員工作量和勞動(dòng)強(qiáng)度;另一方面,對(duì)鐵路企業(yè)的貨車使用費(fèi)等費(fèi)用清算帶來(lái)較大影響,將給相關(guān)鐵路局帶來(lái)巨大的經(jīng)濟(jì)損失。為了實(shí)現(xiàn)掌握局管內(nèi)各分界口進(jìn)出車輛實(shí)時(shí)數(shù)據(jù),實(shí)時(shí)監(jiān)控ATIS系統(tǒng)設(shè)備的工作狀態(tài),并對(duì)確報(bào)質(zhì)量實(shí)現(xiàn)實(shí)時(shí)考核,特別是實(shí)現(xiàn)ATIS系統(tǒng)故障實(shí)時(shí)監(jiān)測(cè),提高系統(tǒng)的可靠性和可用性,本文提出構(gòu)建局間分界口車號(hào)識(shí)別監(jiān)控管理系統(tǒng),并詳細(xì)分析設(shè)計(jì)了ATIS故障診斷子系統(tǒng)的結(jié)構(gòu)及其各子系統(tǒng)功能模塊。本文通過(guò)對(duì)故障診斷相關(guān)理論與方法的介紹,分析了目前故障診斷的主要方法。通過(guò)各種方法的優(yōu)缺點(diǎn)比較,提出了采用基于概率的信度網(wǎng)故障診斷方法。該方法具有堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ),其網(wǎng)絡(luò)圖的結(jié)構(gòu)形式易于理解并獲取專家經(jīng)驗(yàn)知識(shí),且在推理計(jì)算中存在高效的和成熟的概率推理算法和計(jì)算軟件。在研究基于時(shí)序動(dòng)態(tài)信度網(wǎng)的故障診斷過(guò)程中,將原有底層事件重要度的適用范圍擴(kuò)展到一般系統(tǒng),使其應(yīng)用更具有廣泛適用性。最后建立了ATIS系統(tǒng)故障診斷模型,應(yīng)用基于MATLAB的BNT工具箱為輔助工具進(jìn)行了仿真實(shí)驗(yàn)并得到了良好的試驗(yàn)結(jié)果。
謝云芳[8]（2008）在《基于貝葉斯網(wǎng)絡(luò)的配電系統(tǒng)可靠性評(píng)估》文中指出配電系統(tǒng)可靠性評(píng)估是電力系統(tǒng)可靠性評(píng)估中重要環(huán)節(jié)之一,對(duì)其進(jìn)行可靠性研究具有非常重要的理論意義和巨大的社會(huì)經(jīng)濟(jì)價(jià)值。在常規(guī)可靠性計(jì)算中,僅計(jì)算系統(tǒng)各項(xiàng)可靠性指標(biāo),很少涉及可靠性最薄弱環(huán)節(jié)的識(shí)別,而識(shí)別電力系統(tǒng)可靠性最薄弱環(huán)節(jié),具有非常重要的意義。文中簡(jiǎn)要介紹了貝葉斯網(wǎng)絡(luò)的基本概念,深入研究了常用的推理算法,并在此基礎(chǔ)上編寫了基于桶消元的貝葉斯網(wǎng)絡(luò)推理程序。在分析常規(guī)電力系統(tǒng)可靠性評(píng)估方法的基礎(chǔ)上,提出了基于貝葉斯網(wǎng)絡(luò)的配電系統(tǒng)可靠性評(píng)估方法。該方法首先建立配電系統(tǒng)可靠性評(píng)估的貝葉斯網(wǎng)絡(luò)模型,然后利用貝葉斯網(wǎng)絡(luò)推理對(duì)配電系統(tǒng)進(jìn)行可靠性分析。文中編寫了配電系統(tǒng)可靠性評(píng)估的貝葉斯網(wǎng)絡(luò)自動(dòng)生成工具,從而極大地減少了貝葉斯網(wǎng)絡(luò)的建立時(shí)間,提高了模型的準(zhǔn)確性。將貝葉斯網(wǎng)絡(luò)方法應(yīng)用于配電系統(tǒng)的可靠性評(píng)估中,利用貝葉斯網(wǎng)絡(luò)對(duì)不確定性知識(shí)的靈活表示,較好地解決了系統(tǒng)負(fù)荷預(yù)測(cè)的不確定性問(wèn)題。運(yùn)用貝葉斯網(wǎng)絡(luò)靈活的因果推理和診斷推理,不但能夠進(jìn)行配電網(wǎng)的可靠性指標(biāo)評(píng)估,還可以識(shí)別系統(tǒng)的薄弱環(huán)節(jié)。以Microsoft Visual C++6.0為開發(fā)工具開發(fā)了配電系統(tǒng)可靠性評(píng)估軟件。該軟件運(yùn)用高級(jí)面向?qū)ο蠹夹g(shù)和圖形化的手段,運(yùn)用貝葉斯網(wǎng)絡(luò)對(duì)配電系統(tǒng)進(jìn)行可靠性指標(biāo)的計(jì)算,并定量地分析系統(tǒng)的薄弱環(huán)節(jié),通過(guò)對(duì)數(shù)據(jù)的分析處理,得出較傳統(tǒng)方法更有意義的結(jié)論。最后,用IEEE RBTS母線2配電系統(tǒng)作為實(shí)驗(yàn)系統(tǒng)驗(yàn)證了此方法的正確性和軟件的有效性。因此,基于貝葉斯網(wǎng)絡(luò)推理的配電系統(tǒng)可靠性評(píng)估是一種較好的方法。
楊峰[9]（2008）在《基于抽樣的貝葉斯網(wǎng)絡(luò)推理算法研究》文中進(jìn)行了進(jìn)一步梳理貝葉斯網(wǎng)絡(luò)提供了一套強(qiáng)有力的圖形工具來(lái)表達(dá)基于概率的領(lǐng)域知識(shí),是對(duì)人工智能領(lǐng)域中不確定性問(wèn)題進(jìn)行表示和處理的一種重要工具,已被成功應(yīng)用于故障診斷、數(shù)據(jù)挖掘和醫(yī)療診斷等領(lǐng)域。動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)是貝葉斯網(wǎng)絡(luò)在時(shí)間因素上的擴(kuò)展,是對(duì)人工智能領(lǐng)域中動(dòng)態(tài)不確定性問(wèn)題進(jìn)行表示和處理的一種重要工具。本文在對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行全面概述的基礎(chǔ)上,對(duì)貝葉斯網(wǎng)絡(luò)和動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的近似推理進(jìn)行了研究。全文的主要內(nèi)容如下:（1）貝葉斯網(wǎng)絡(luò)的概述。概述了貝葉斯網(wǎng)絡(luò)的起源與發(fā)展,詳細(xì)介紹了貝葉斯網(wǎng)絡(luò)模型、貝葉斯網(wǎng)絡(luò)的構(gòu)建過(guò)程、貝葉斯網(wǎng)絡(luò)的類型以及貝葉斯網(wǎng)絡(luò)的應(yīng)用,并在此基礎(chǔ)上,對(duì)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)進(jìn)行了概述;概述了貝葉斯網(wǎng)絡(luò)的主要研究?jī)?nèi)容,并對(duì)貝葉斯網(wǎng)絡(luò)和動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的推理算法進(jìn)行了重點(diǎn)介紹。（2）在貝葉斯網(wǎng)絡(luò)近似推理方面,針對(duì)貝葉斯網(wǎng)絡(luò)的馬爾可夫鏈蒙特卡洛（Markov Chain Monte Carlo,MCMC）推理存在的問(wèn)題,本文以MCMC推理算法中具有代表性的Gibbs抽樣為基本框架,提出一種貝葉斯網(wǎng)絡(luò)的并行MCMC（Parallel MCMC,PMCMC）推理方法,在生成馬爾可夫鏈的組成序列時(shí),通過(guò)增加對(duì)貝葉斯網(wǎng)絡(luò)中每個(gè)結(jié)點(diǎn)的抽樣頻率,即加大樣本數(shù)來(lái)提高其推理精度,并在消息傳遞接口MPI的支持下,利用主從式并行機(jī)制來(lái)實(shí)現(xiàn)其推理過(guò)程,以保證推理的時(shí)間性能。在3個(gè)不同貝葉斯網(wǎng)絡(luò)即Asia、Mildew和Alarm網(wǎng)上的推理實(shí)驗(yàn)結(jié)果表明,PMCMC在提高推理精度的同時(shí)有效保證了推理的時(shí)間性能。（3）在動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)近似推理方面,針對(duì)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的粒子濾波推理存在的問(wèn)題,本文將離散粒子群優(yōu)化技術(shù)引入到傳統(tǒng)粒子濾波推理中,提出一種新的粒子濾波算法—進(jìn)化粒子濾波（Evolutionary Particle Filtering,EPF）。在進(jìn)化粒子濾波中,利用離散粒子群優(yōu)化技術(shù)的迭代尋優(yōu)能力重新分配粒子,使粒子的表示更加接近真實(shí)后驗(yàn)概率密度,以提高粒子濾波推理的精度性能。在2個(gè)不同動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)上的概率推理實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的粒子濾波推理算法相比,EPF利用較少的粒子就可以取得較好的推理精度。
王正英[10]（2007）在《面向設(shè)備管理的機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究》文中研究指明故障的發(fā)生和發(fā)展、設(shè)備工況的變化以,使機(jī)械設(shè)備的動(dòng)態(tài)信號(hào)表現(xiàn)出非平穩(wěn)性和強(qiáng)噪聲特性,給故障診斷帶來(lái)困難。本論文以機(jī)電設(shè)備為對(duì)象,對(duì)復(fù)雜振動(dòng)信號(hào)中的時(shí)頻特征提取、凈化及回轉(zhuǎn)機(jī)械的智能診斷方法進(jìn)行了研究。針對(duì)機(jī)電設(shè)備工況信號(hào)中的非平穩(wěn)特征,提出了基于SVD降噪算法對(duì)原始振動(dòng)信號(hào)進(jìn)行預(yù)處理,然后再進(jìn)行EMD分解,抑制了異常數(shù)據(jù)或高頻噪聲產(chǎn)生的影響,分解所得基本模式分量更能反應(yīng)設(shè)備運(yùn)行狀態(tài)的本質(zhì)特征。研究了基于Hilbert變換的相位解調(diào)算法的不足,提出了基于EMD的相位解調(diào)方法,仿真數(shù)據(jù)驗(yàn)證了該方法的有效性;基于工程實(shí)踐,指出了HHT在工程應(yīng)用中的兩個(gè)局限性。針對(duì)機(jī)電設(shè)備運(yùn)行中的信號(hào)混合特性,研究了信號(hào)混合的數(shù)學(xué)模型和常用的信息分離方法,提出將盲源分離方法和Hilbert-Huang變換相結(jié)合,實(shí)現(xiàn)了旋轉(zhuǎn)機(jī)械轉(zhuǎn)子系統(tǒng)非平穩(wěn)故障特征的獨(dú)立化提取,故障診斷案例明該方法的有效性和實(shí)用性。研究了機(jī)械振動(dòng)信號(hào)變換域盲源分離的可行性,提出了機(jī)械振動(dòng)信號(hào)頻域內(nèi)的獨(dú)立分量提取方法,渦流傳感器失效故障診斷和早期碰摩故障診斷的成功應(yīng)用,表明了該方法的有效性,結(jié)合設(shè)備振動(dòng)的先驗(yàn)知識(shí)可以準(zhǔn)確判定各獨(dú)立分量的物理內(nèi)涵,提高診斷信息的質(zhì)量。針對(duì)汽輪機(jī)智能診斷中知識(shí)表達(dá)的不確定性問(wèn)題,在研究了基于聯(lián)合樹的貝葉斯網(wǎng)絡(luò)精確推理方法和貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)算法的基礎(chǔ)上,結(jié)合機(jī)械故障特有的表現(xiàn)形式,提出了基于貝葉斯網(wǎng)絡(luò)的汽輪機(jī)故障診斷方法,并建立了基于貝葉斯網(wǎng)絡(luò)的機(jī)械故障診斷模型,通過(guò)對(duì)一些設(shè)備的實(shí)測(cè)數(shù)據(jù)進(jìn)行了故障診斷分析,驗(yàn)證了該模型的有效性。研究了基于振動(dòng)信息的自動(dòng)診斷方法,建立了故障模式類的概念,根據(jù)模糊聚類算法確定了故障標(biāo)準(zhǔn)模式類及其頻譜特征,為在故障模式類層次上的識(shí)別提供了理論基礎(chǔ);研究了模糊關(guān)系診斷結(jié)果的分布規(guī)律、多征兆模糊產(chǎn)生式規(guī)則的診斷知識(shí)表示以及規(guī)則結(jié)論的可信度組合,工程診斷實(shí)例驗(yàn)證了其可靠性。最后,提出了監(jiān)測(cè)診斷與設(shè)備管理信息系統(tǒng)的集成化設(shè)計(jì)思想,給出了系統(tǒng)框架和技術(shù)方案,并在此基礎(chǔ)上開發(fā)出了“基于網(wǎng)絡(luò)和狀態(tài)監(jiān)測(cè)的設(shè)備管理信息化系統(tǒng)”,消除了狀態(tài)監(jiān)測(cè)和設(shè)備管理之間的“信息孤島”現(xiàn)象。該系統(tǒng)在天津大港廣安津能發(fā)電有限責(zé)任公司得到應(yīng)用,并順利通過(guò)了天津市科委的驗(yàn)收。
二、信度網(wǎng)近似推理算法(上)（論文開題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問(wèn)題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問(wèn)題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過(guò)程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁(yè)面大小,采用多級(jí)分層頁(yè)表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁(yè)表轉(zhuǎn)換過(guò)程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過(guò)主支變革、控制研究對(duì)象來(lái)發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過(guò)調(diào)查文獻(xiàn)來(lái)獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過(guò)具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來(lái)分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過(guò)創(chuàng)設(shè)一個(gè)與原型相似的模型來(lái)間接研究原型某種特性的一種形容方法。
三、信度網(wǎng)近似推理算法(上)（論文提綱范文）
（1）船舶柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷研究（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 選題背景及意義 |
| 1.2 柴油機(jī)故障診斷技術(shù)研究現(xiàn)狀 |
| 1.2.1 柴油機(jī)故障診斷技術(shù)發(fā)展概況 |
| 1.2.2 柴油機(jī)故障診斷技術(shù)發(fā)展趨勢(shì) |
| 1.3 滑油系統(tǒng)故障診斷研究現(xiàn)狀 |
| 1.4 論文的結(jié)構(gòu)與主要研究?jī)?nèi)容 |
| 1.4.1 論文的總體框架 |
| 1.4.2 論文的主要研究?jī)?nèi)容 |
| 2 貝葉斯網(wǎng)絡(luò)理論 |
| 2.1 貝葉斯理論基礎(chǔ) |
| 2.1.1 概率論基礎(chǔ) |
| 2.1.2 概率推理 |
| 2.1.3 概率圖模型 |
| 2.1.4 貝葉斯網(wǎng)絡(luò) |
| 2.1.5 Leaky Noisy Or模型 |
| 2.2 貝葉斯網(wǎng)絡(luò)推理 |
| 2.2.1 推理算法簡(jiǎn)述 |
| 2.2.2 VE推理算法 |
| 2.3 貝葉斯網(wǎng)絡(luò)學(xué)習(xí) |
| 2.3.1 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí) |
| 2.3.2 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí) |
| 2.4 本章小結(jié) |
| 3 亞洲網(wǎng)絡(luò)最優(yōu)消元順序構(gòu)造 |
| 3.1 變量消元法相關(guān)概念 |
| 3.2 消元復(fù)雜度分析 |
| 3.3 消元順序構(gòu)造 |
| 3.3.1 最小度法搜索消元順序 |
| 3.3.2 最大勢(shì)搜索消元順序 |
| 3.3.3 最小缺邊搜索消元順序 |
| 3.3.4 最小增加復(fù)雜度搜索消元順序 |
| 3.4 本章小結(jié) |
| 4 建立滑油系統(tǒng)貝葉斯診斷模型 |
| 4.1 WARTSILA 6L34DF柴油機(jī)簡(jiǎn)介 |
| 4.2 滑油系統(tǒng)結(jié)構(gòu)原理 |
| 4.2.1 滑油系統(tǒng)組成及作用 |
| 4.2.2 滑油運(yùn)送方式 |
| 4.2.3 滑油系統(tǒng)結(jié)構(gòu)原理分析 |
| 4.3 建立診斷模型 |
| 4.3.1 滑油系統(tǒng)故障分析 |
| 4.3.2 滑油診斷模型的建立過(guò)程 |
| 4.3.3 滑油診斷模型搭建實(shí)例 |
| 4.4 變量消元法推理實(shí)例 |
| 4.5 本章小結(jié) |
| 5 滑油診斷系統(tǒng)的設(shè)計(jì)及實(shí)現(xiàn) |
| 5.1 故障診斷流程 |
| 5.2 軟件開發(fā)環(huán)境及結(jié)構(gòu) |
| 5.2.1 開發(fā)環(huán)境 |
| 5.2.2 軟件結(jié)構(gòu) |
| 5.3 數(shù)據(jù)庫(kù)設(shè)計(jì) |
| 5.4 模型代碼化 |
| 5.5 用戶界面模塊設(shè)計(jì) |
| 5.6 故障診斷系統(tǒng)的實(shí)例驗(yàn)證 |
| 5.7 本章小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 工作總結(jié) |
| 6.2 展望及建議 |
| 結(jié)論 |
| 參考文獻(xiàn) |
| 附錄A 滑油系統(tǒng)故障樹及貝葉斯模型 |
| 附錄B 滑油系統(tǒng)事件先驗(yàn)概率表 |
| 致謝 |
| 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果 |
（2）基于二元決策圖和模糊推理的因果圖故障診斷研究（論文提綱范文）
| 中文摘要 |
| 英文摘要 |
| 1 緒論 |
| 1.1 研究背景 |
| 1.2 因果圖研究現(xiàn)狀 |
| 1.3 創(chuàng)新點(diǎn)及論文結(jié)構(gòu) |
| 1.3.1 論文創(chuàng)新點(diǎn) |
| 1.3.2 論文結(jié)構(gòu) |
| 2 因果圖理論及其推理方法 |
| 2.1 信度網(wǎng)理論 |
| 2.2 因果圖理論及其推理 |
| 2.2.1 因果圖模型及其符號(hào)定義 |
| 2.2.2 單值因果圖推理 |
| 2.2.3 基于鄰接矩陣的因果圖推理算法 |
| 2.2.4 多值因果圖推理的困難分析 |
| 2.3 小結(jié) |
| 3 基于改進(jìn)二元決策圖的因果圖分析方法 |
| 3.1 二元決策圖概念 |
| 3.2 因果圖向BDD轉(zhuǎn)化算法分析 |
| 3.2.1 基于ite結(jié)構(gòu)的轉(zhuǎn)化方法 |
| 3.2.2 基于模塊連接的轉(zhuǎn)化方法 |
| 3.3 哈夫曼編碼 |
| 3.3.1 哈弗曼編碼理論 |
| 3.3.2 改進(jìn)哈弗曼編碼算法描述 |
| 3.4 改進(jìn)的因果圖推理步驟 |
| 3.5 實(shí)例分析 |
| 3.6 小結(jié) |
| 4 基于模糊推理的因果圖故障診斷研究 |
| 4.1 模糊數(shù)學(xué)理論 |
| 4.1.1 三角模糊數(shù) |
| 4.1.2 三角模糊數(shù)的運(yùn)算 |
| 4.2 模糊因果圖理論 |
| 4.2.1 擴(kuò)展模糊算子 |
| 4.2.2 最小割集算法 |
| 4.2.3 模糊重要度分析 |
| 4.3 因果圖的模糊推理方法 |
| 4.3.1 模糊推理理論 |
| 4.3.2 基于因果圖的模糊關(guān)系矩陣構(gòu)造 |
| 4.3.3 模糊推理算法 |
| 4.4 實(shí)例分析 |
| 4.5 小結(jié) |
| 5 基于信度網(wǎng)的因果圖推理研究 |
| 5.1 信度網(wǎng)的概率基礎(chǔ) |
| 5.2 轉(zhuǎn)化的具體步驟 |
| 5.3 基于信度網(wǎng)模型的節(jié)點(diǎn)概率計(jì)算 |
| 5.4 算例分析 |
| 5.5 小結(jié) |
| 6 總結(jié)與展望 |
| 6.1 總結(jié) |
| 6.2 展望 |
| 參考文獻(xiàn) |
| 附錄A 模糊關(guān)系矩陣程序及結(jié)果 |
| 附錄B 作者攻讀碩士學(xué)位期間發(fā)表論文及科研情況 |
| 致謝 |
（3）因果圖的兩種不精確推理探索（論文提綱范文）
| 中文摘要 |
| Abstract |
| 1 緒論 |
| 1.1 研究背景 |
| 1.1.1 不確定性問(wèn)題 |
| 1.1.2 研究現(xiàn)狀 |
| 1.2 論文創(chuàng)新點(diǎn) |
| 1.3 論文章節(jié)安排 |
| 2 動(dòng)態(tài)因果圖理論 |
| 2.1 因果圖的概念 |
| 2.2 因果圖的知識(shí)表達(dá) |
| 2.3 因果圖的傳統(tǒng)推理算法 |
| 2.4 因果圖傳統(tǒng)推理實(shí)例分析 |
| 2.5 本章小結(jié) |
| 3 因果圖的近似推理算法 |
| 3.1 因果圖的近似推理基本理論 |
| 3.1.1 因果圖近似推理概念 |
| 3.1.2 因果圖近似推理的符號(hào)定義 |
| 3.2 因果圖近似推理步驟 |
| 3.3 因果圖的近似推理算法實(shí)例 |
| 3.4 本章小結(jié) |
| 4 基于D-S理論的因果圖區(qū)間分析方法及應(yīng)用 |
| 4.1 D-S理論 |
| 4.2 區(qū)間運(yùn)算法則 |
| 4.3 基于D-S理論的因果圖區(qū)間分析法 |
| 4.3.1 基于D-S理論的因果圖區(qū)間分析法研究目的 |
| 4.3.2 基于D-S理論的因果圖區(qū)間分析法及算例 |
| 4.4 本章小結(jié) |
| 5 結(jié)論與展望 |
| 5.1 本文結(jié)論 |
| 5.2 本文存在的問(wèn)題及以后的研究方向 |
| 參考文獻(xiàn) |
| 附錄A:作者攻讀碩士學(xué)位期間發(fā)表論文及科研情況 |
| 致謝 |
（4）梯級(jí)水庫(kù)洪災(zāi)風(fēng)險(xiǎn)分析理論方法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 主要符號(hào)表 |
| 1 緒論 |
| 1.1 問(wèn)題提出與研究意義 |
| 1.2 國(guó)內(nèi)外相關(guān)研究進(jìn)展 |
| 1.2.1 洪災(zāi)風(fēng)險(xiǎn)分析 |
| 1.2.2 水庫(kù)洪災(zāi)風(fēng)險(xiǎn)分析 |
| 1.2.3 梯級(jí)水庫(kù)群系統(tǒng)的洪災(zāi)風(fēng)險(xiǎn)分析 |
| 1.3 研究存在的問(wèn)題及發(fā)展趨勢(shì) |
| 1.4 本文主要研究思路與內(nèi)容 |
| 1.4.1 本文主要內(nèi)容 |
| 1.4.2 本文的組織結(jié)構(gòu)圖 |
| 2 研究區(qū)概況 |
| 2.1 引言 |
| 2.2 大渡河干流梯級(jí)水庫(kù)群基本自然特征 |
| 2.2.1 自然地理概況 |
| 2.2.2 氣候特征 |
| 2.2.3 暴雨洪水特征 |
| 2.3 大渡河干流梯級(jí)水庫(kù)群基本規(guī)劃情況 |
| 2.3.1 水庫(kù)規(guī)劃方案 |
| 2.3.2 水庫(kù)工程等級(jí)和防洪標(biāo)準(zhǔn) |
| 2.4 本章小結(jié) |
| 3 梯級(jí)水庫(kù)群多源風(fēng)險(xiǎn)分析理論框架 |
| 3.1 引言 |
| 3.2 基本概念 |
| 3.2.1 風(fēng)險(xiǎn)的概念及其本質(zhì) |
| 3.2.2 控制性工程和薄弱性工程的概念 |
| 3.2.3 全生命周期的統(tǒng)籌防控 |
| 3.3 梯級(jí)水庫(kù)群多源風(fēng)險(xiǎn)源分析研究機(jī)理 |
| 3.3.1 系統(tǒng)的結(jié)構(gòu)特征及風(fēng)險(xiǎn)源 |
| 3.3.2 系統(tǒng)多源風(fēng)險(xiǎn)評(píng)估研究的技術(shù)路線 |
| 3.4 梯級(jí)水庫(kù)群系統(tǒng)薄弱性工程的識(shí)別 |
| 3.4.1 界定水庫(kù)的失效模式 |
| 3.4.2 成因分析 |
| 3.4.3 概率統(tǒng)計(jì)分析 |
| 3.4.4 梯級(jí)水庫(kù)連潰的分析 |
| 3.5 梯級(jí)水庫(kù)群系統(tǒng)洪災(zāi)風(fēng)險(xiǎn)的估計(jì)和評(píng)價(jià) |
| 3.5.1 單元水庫(kù)失效風(fēng)險(xiǎn)估計(jì) |
| 3.5.2 基于貝葉斯網(wǎng)絡(luò)的系統(tǒng)失效風(fēng)險(xiǎn)率估計(jì) |
| 3.5.3 可接受風(fēng)險(xiǎn)水平評(píng)價(jià) |
| 3.6 本章小結(jié) |
| 4 梯級(jí)水庫(kù)群系統(tǒng)薄弱性工程識(shí)別 |
| 4.1 引言 |
| 4.2 基于AHP的單元水庫(kù)關(guān)鍵致災(zāi)因子識(shí)別模型 |
| 4.2.1 AHP法原理 |
| 4.2.2 單元水庫(kù)失效層次結(jié)構(gòu)模型 |
| 4.3 大渡河流域PMP的估算 |
| 4.3.1 典型暴雨分析 |
| 4.3.2 大渡河流域子流域的劃分 |
| 4.3.3 水文氣象數(shù)據(jù)處理 |
| 4.3.4 當(dāng)?shù)乇┯甑姆糯?/td> |
| 4.3.5 PMP成果合理性檢驗(yàn)及推薦 |
| 4.3.6 PMF成果合理性檢驗(yàn)及推薦 |
| 4.4 基于成因分析的系統(tǒng)中薄弱性工程識(shí)別 |
| 4.4.1 成因分析思路 |
| 4.4.2 簡(jiǎn)化處理 |
| 4.4.3 識(shí)別結(jié)果 |
| 4.4.4 結(jié)果分析 |
| 4.5 基于土石壩連潰分析的水庫(kù)設(shè)計(jì)參數(shù)建議值的論證 |
| 4.5.1 D_1段系統(tǒng)梯級(jí)連潰模型及計(jì)算結(jié)果 |
| 4.5.2 D_2段系統(tǒng)梯級(jí)連潰模型及計(jì)算結(jié)果 |
| 4.6 本章小結(jié) |
| 5 單元水庫(kù)失效風(fēng)險(xiǎn)估計(jì)與評(píng)價(jià) |
| 5.1 引言 |
| 5.2 超標(biāo)準(zhǔn)洪峰頻率分析 |
| 5.2.1 統(tǒng)計(jì)學(xué)的極值理論 |
| 5.2.2 洪水極值分析的基本方法 |
| 5.2.3 Monte Carlo模擬方法 |
| 5.2.4 水庫(kù)超標(biāo)準(zhǔn)洪峰分布特征分析 |
| 5.3 水庫(kù)失效風(fēng)險(xiǎn)率估計(jì)理論方法 |
| 5.3.1 隨機(jī)變量特征值分布 |
| 5.3.2 模擬過(guò)程 |
| 5.3.3 具體步驟 |
| 5.4 水庫(kù)調(diào)洪最高水位隨機(jī)分布特征分析 |
| 5.4.1 洪水特征值統(tǒng)計(jì)分析 |
| 5.4.2 入庫(kù)洪水過(guò)程的生成 |
| 5.4.3 調(diào)洪最高水位隨機(jī)分布特征 |
| 5.5 基于不同建設(shè)時(shí)期的單元水庫(kù)失效風(fēng)險(xiǎn)率估計(jì) |
| 5.5.1 第一階段建設(shè)水庫(kù)失效風(fēng)險(xiǎn)率 |
| 5.5.2 第二階段建設(shè)水庫(kù)失效風(fēng)險(xiǎn)率 |
| 5.5.3 第三階段建設(shè)水庫(kù)失效風(fēng)險(xiǎn)率 |
| 5.6 薄弱性工程識(shí)別結(jié)果對(duì)比 |
| 5.6.1 基于概率統(tǒng)計(jì)分析的薄弱性工程識(shí)別 |
| 5.6.2 結(jié)果對(duì)比 |
| 5.7 本章小結(jié) |
| 6 梯級(jí)水庫(kù)群系統(tǒng)失效風(fēng)險(xiǎn)估計(jì)與評(píng)價(jià) |
| 6.1 引言 |
| 6.2 梯級(jí)系統(tǒng)失效的一般模式 |
| 6.2.1 梯級(jí)系統(tǒng)失效特性 |
| 6.2.2 基于貝葉斯網(wǎng)絡(luò)的系統(tǒng)失效概率解析分析 |
| 6.3 系統(tǒng)節(jié)點(diǎn)失效概率的求解 |
| 6.4 大渡河干流梯級(jí)系統(tǒng)失效風(fēng)險(xiǎn)率估計(jì) |
| 6.4.1 基于貝葉斯網(wǎng)絡(luò)模型的系統(tǒng)失效風(fēng)險(xiǎn)率估計(jì) |
| 6.4.3 水庫(kù)原設(shè)計(jì)參數(shù)下梯級(jí)系統(tǒng)失效風(fēng)險(xiǎn)率估計(jì) |
| 6.4.4 水庫(kù)建議設(shè)計(jì)參數(shù)梯級(jí)系統(tǒng)失效風(fēng)險(xiǎn)率估計(jì) |
| 6.5 大渡河梯級(jí)水庫(kù)群系統(tǒng)失效風(fēng)險(xiǎn)評(píng)價(jià) |
| 6.5.1 基于特級(jí)水庫(kù)風(fēng)險(xiǎn)控制標(biāo)準(zhǔn)的失效風(fēng)險(xiǎn)評(píng)價(jià) |
| 6.5.2 基于生命風(fēng)險(xiǎn)損失的系統(tǒng)失效風(fēng)險(xiǎn)評(píng)價(jià) |
| 6.6 本章小結(jié) |
| 7. 結(jié)論與展望 |
| 7.1 主要結(jié)論 |
| 7.2 主要?jiǎng)?chuàng)新點(diǎn) |
| 7.3 展望 |
| 參考文獻(xiàn) |
| 攻讀博士學(xué)位期間科研項(xiàng)目及科研成果 |
| 致謝 |
| 作者簡(jiǎn)介 |
（5）基于貝葉斯網(wǎng)絡(luò)的大型星載展開天線多狀態(tài)可靠性分析（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 星載天線展開系統(tǒng)可靠性發(fā)展?fàn)顩r |
| 1.3 可靠性分析數(shù)學(xué)模型 |
| 1.4 系統(tǒng)可靠性建模方法 |
| 1.5 論文的內(nèi)容安排 |
| 第二章 貝葉斯網(wǎng)絡(luò)概述 |
| 2.1 貝葉斯網(wǎng)絡(luò)簡(jiǎn)介 |
| 2.2 貝葉斯網(wǎng)絡(luò)理論基礎(chǔ) |
| 2.3 貝葉斯網(wǎng)絡(luò)基本原理 |
| 2.4 貝葉斯網(wǎng)絡(luò)中的獨(dú)立關(guān)系 |
| 2.5 本章小結(jié) |
| 第三章 貝葉斯網(wǎng)絡(luò)推理 |
| 3.1 貝葉斯網(wǎng)絡(luò)推理算法簡(jiǎn)介 |
| 3.2 精確推理算法 |
| 3.3 近似推理算法 |
| 3.4 本章小結(jié) |
| 第四章 星載天線展開系統(tǒng)貝葉斯網(wǎng)絡(luò)建模與可靠性分析 |
| 4.1 星載天線展開系統(tǒng)貝葉斯網(wǎng)絡(luò)模型的建立 |
| 4.1.1 貝葉斯網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)的建立 |
| 4.1.2 貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)先驗(yàn)概率的確定 |
| 4.2 簡(jiǎn)單貝葉斯網(wǎng)絡(luò)模型多狀態(tài)可靠性計(jì)算 |
| 4.3 星載天線展開系統(tǒng)多狀態(tài)可靠性計(jì)算 |
| 4.4 星載天線展開系統(tǒng)貝葉斯網(wǎng)絡(luò)模型根節(jié)點(diǎn)概率重要度 |
| 4.5 本章小結(jié) |
| 第五章 關(guān)鍵失效事件多狀態(tài)可靠性分析 |
| 5.1 隨機(jī)結(jié)構(gòu)模糊狀態(tài)的可靠性分析方法 |
| 5.2 旋轉(zhuǎn)關(guān)節(jié)轉(zhuǎn)動(dòng)功能多狀態(tài)可靠性分析 |
| 5.2.1 旋轉(zhuǎn)關(guān)節(jié)轉(zhuǎn)動(dòng)功能可靠性數(shù)學(xué)建模 |
| 5.2.2 旋轉(zhuǎn)關(guān)節(jié)轉(zhuǎn)動(dòng)功能多狀態(tài)可靠性計(jì)算 |
| 5.3 繩索牽引裝置多狀態(tài)可靠性分析 |
| 5.3.1 繩索牽引裝置可靠性數(shù)學(xué)建模 |
| 5.3.2 繩索牽引裝置多狀態(tài)可靠性計(jì)算 |
| 5.4 同步齒輪傳動(dòng)多狀態(tài)可靠性分析 |
| 5.4.1 同步齒輪傳動(dòng)可靠性數(shù)學(xué)建模 |
| 5.4.2 同步齒輪傳動(dòng)多狀態(tài)可靠性計(jì)算 |
| 5.5 本章小結(jié) |
| 第六章 星載天線展開系統(tǒng)可靠性預(yù)測(cè)軟件 |
| 6.1 軟件簡(jiǎn)介 |
| 6.2 可靠性預(yù)測(cè)軟件可靠度計(jì)算模塊功能 |
| 6.3 本章小結(jié) |
| 第七章 總結(jié)與展望 |
| 致謝 |
| 參考文獻(xiàn) |
（6）信度網(wǎng)對(duì)于不確定知識(shí)的表達(dá)及推理（論文提綱范文）
| 一、信度網(wǎng)的提出和原理 |
| 二、信度網(wǎng)推理 |
| 三、信度網(wǎng)學(xué)習(xí) |
| 四、信度網(wǎng)應(yīng)用 |
（7）ATIS故障診斷系統(tǒng)設(shè)計(jì)及其診斷技術(shù)研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 第1章 緒論 |
| 1.1 課題的研究背景 |
| 1.2 課題的研究現(xiàn)狀 |
| 1.2.1 ATIS系統(tǒng)應(yīng)用現(xiàn)狀 |
| 1.2.2 故障診斷技術(shù)研究現(xiàn)狀 |
| 1.3 本文的研究工作和主要內(nèi)容 |
| 1.4 本章小結(jié) |
| 第2章 ATIS監(jiān)控管理系統(tǒng)分析 |
| 2.1 ATIS系統(tǒng)概述 |
| 2.2 監(jiān)控管理系統(tǒng)需求分析 |
| 2.3 監(jiān)控管理系統(tǒng)功能分析 |
| 2.4 監(jiān)控管理系統(tǒng)架構(gòu)及其設(shè)備組成 |
| 2.4.1 監(jiān)控管理系統(tǒng)總體構(gòu)成 |
| 2.4.2 車輛/機(jī)車電子標(biāo)簽(TAG) |
| 2.4.3 地面識(shí)別設(shè)備(AEI) |
| 2.4.4 車站集中控制與車號(hào)處理系統(tǒng)(CPS主機(jī)) |
| 2.4.5 標(biāo)簽編程設(shè)備 |
| 2.5 本章小結(jié) |
| 第3章 故障診斷相關(guān)理論與方法 |
| 3.1 故障及故障診斷的基本概述 |
| 3.2 故障診斷技術(shù)的方法 |
| 3.2.1 基于事件樹/故障樹的故障診斷方法 |
| 3.2.2 基于專家系統(tǒng)的故障診斷方法 |
| 3.2.3 基于模糊邏輯的故障診斷方法 |
| 3.2.4 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法 |
| 3.3 基于信度網(wǎng)的故障診斷方法 |
| 3.3.1 信度網(wǎng)的表示 |
| 3.3.2 給定結(jié)構(gòu)信度網(wǎng)的參數(shù)學(xué)習(xí)算法 |
| 3.3.3 基于時(shí)序動(dòng)態(tài)信度網(wǎng)故障診斷 |
| 3.4 本章小結(jié) |
| 第4章 ATIS故障診斷系統(tǒng)設(shè)計(jì) |
| 4.1 ATIS故障診斷系統(tǒng)的需求分析 |
| 4.2 ATIS故障診斷系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì) |
| 4.3 故障診斷知識(shí)獲取子系統(tǒng) |
| 4.3.1 故障診斷知識(shí)的構(gòu)成 |
| 4.3.2 知識(shí)庫(kù)的設(shè)計(jì) |
| 4.3.3 故障知識(shí)管理 |
| 4.3.4 ATIS系統(tǒng)的故障現(xiàn)象及其分析 |
| 4.4 故障診斷推理子系統(tǒng) |
| 4.4.1 機(jī)器學(xué)習(xí)模塊 |
| 4.4.2 故障現(xiàn)象解釋模塊 |
| 4.5 故障診斷輔助子系統(tǒng) |
| 4.5.1 用戶管理模塊 |
| 4.5.2 維修記錄管理模塊 |
| 4.7 本章小結(jié) |
| 第5章 ATIS系統(tǒng)故障診斷建模與仿真 |
| 5.1 基于信度網(wǎng)的ATIS系統(tǒng)故障建模 |
| 5.1.1 故障樹向信度網(wǎng)絡(luò)的轉(zhuǎn)化算法 |
| 5.1.2 ATIS系統(tǒng)故障樹的構(gòu)建 |
| 5.1.3 ATIS系統(tǒng)故障信度網(wǎng)的構(gòu)建 |
| 5.2 基于MATLAB的BNT工具箱簡(jiǎn)介 |
| 5.2.1 BNT工具箱中網(wǎng)絡(luò)表示方法 |
| 5.2.2 BNT工具箱中的學(xué)習(xí)算法 |
| 5.3 ATIS故障診斷模型仿真實(shí)驗(yàn) |
| 5.4 本章小結(jié) |
| 結(jié)論 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄 |
| 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果 |
（8）基于貝葉斯網(wǎng)絡(luò)的配電系統(tǒng)可靠性評(píng)估（論文提綱范文）
| 摘要 |
| Abstract |
| 1 緒論 |
| 1.1 配電系統(tǒng)可靠性 |
| 1.1.1 配電系統(tǒng)的概念和特點(diǎn) |
| 1.1.2 配電系統(tǒng)可靠性研究的意義 |
| 1.1.3 配電系統(tǒng)可靠性研究的任務(wù) |
| 1.1.4 國(guó)內(nèi)外配電系統(tǒng)可靠性研究的進(jìn)展 |
| 1.2 貝葉斯網(wǎng)絡(luò)概述 |
| 1.2.1 貝葉斯網(wǎng)絡(luò)簡(jiǎn)介 |
| 1.2.2 貝葉斯網(wǎng)絡(luò)的理論基礎(chǔ) |
| 1.2.3 貝葉斯網(wǎng)絡(luò)的基本原理 |
| 1.2.4 D-Separation判定準(zhǔn)則 |
| 1.2.5 單連通和多連通貝葉斯網(wǎng)絡(luò) |
| 1.3 貝葉斯網(wǎng)絡(luò)方法在配電網(wǎng)可靠性評(píng)估中的可行性和優(yōu)越性 |
| 1.4 本文的主要工作 |
| 2 配電系統(tǒng)可靠性評(píng)估的基本原理 |
| 2.1 配電系統(tǒng)可靠性評(píng)估方法 |
| 2.2 配電系統(tǒng)可靠性評(píng)估的指標(biāo) |
| 2.2.1 負(fù)荷點(diǎn)的可靠性指標(biāo) |
| 2.2.2 系統(tǒng)的可靠性指標(biāo) |
| 2.3 配電系統(tǒng)可靠性評(píng)估的模型 |
| 2.3.1 二狀態(tài)模型 |
| 2.3.2 三狀態(tài)模型 |
| 2.3.3 七狀態(tài)模型(簡(jiǎn)化成四狀態(tài)模型) |
| 3 貝葉斯網(wǎng)絡(luò)推理 |
| 3.1 貝葉斯網(wǎng)絡(luò)推理簡(jiǎn)介 |
| 3.2 精確推理算法 |
| 3.2.1 基于Poly Tree消息傳遞算法 |
| 3.2.2 基于Conditioning算法的推理 |
| 3.2.3 基于Clique-tree propagation算法的推理 |
| 3.2.4 基于組合優(yōu)化問(wèn)題的求解方法 |
| 3.3 近似推理算法 |
| 3.3.1 隨機(jī)模擬算法 |
| 3.3.2 基于搜索的算法 |
| 3.4 基于桶消元的貝葉斯網(wǎng)絡(luò)推理算法的實(shí)現(xiàn) |
| 3.4.1 基于桶消元的貝葉斯網(wǎng)絡(luò)推理算法 |
| 3.4.2 推理程序的實(shí)現(xiàn) |
| 4 基于貝葉斯網(wǎng)絡(luò)的配電系統(tǒng)可靠性評(píng)估 |
| 4.1 貝葉斯網(wǎng)絡(luò)模型 |
| 4.2 貝葉斯網(wǎng)絡(luò)的建立 |
| 4.2.1 路徑搜索方法 |
| 4.2.2 基本故障后果分類 |
| 4.2.3 樹型鏈表的生成 |
| 4.2.4 貝葉斯網(wǎng)絡(luò)的形成 |
| 4.3 基于貝葉斯網(wǎng)絡(luò)的可靠性分析 |
| 4.3.1 單出線配電系統(tǒng)接線圖 |
| 4.3.2 單出線配電系統(tǒng)的貝葉斯網(wǎng)絡(luò)圖 |
| 4.3.3 單出線配電系統(tǒng)的可靠性分析 |
| 4.3.4 程序的實(shí)現(xiàn)和程序界面 |
| 5 結(jié)論 |
| 參考文獻(xiàn) |
| 附錄 |
| 在讀期間發(fā)表的學(xué)術(shù)論文 |
| 作者簡(jiǎn)歷 |
| 致謝 |
（9）基于抽樣的貝葉斯網(wǎng)絡(luò)推理算法研究（論文提綱范文）
| 摘要 |
| Abstract |
| 致謝 |
| 第一章 緒論 |
| 1.1 貝葉斯網(wǎng)絡(luò)的起源與發(fā)展 |
| 1.2 貝葉斯網(wǎng)絡(luò) |
| 1.2.1 貝葉斯網(wǎng)絡(luò) |
| 1.2.2 貝葉斯網(wǎng)絡(luò)的構(gòu)造過(guò)程 |
| 1.2.3 貝葉斯網(wǎng)絡(luò)的類型 |
| 1.2.4 貝葉斯網(wǎng)絡(luò)的應(yīng)用 |
| 1.3 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò) |
| 1.4 課題來(lái)源和本文組織 |
| 1.4.1 課題來(lái)源 |
| 1.4.2 本文組織 |
| 第二章 貝葉斯網(wǎng)絡(luò)的推理 |
| 2.1 貝葉斯網(wǎng)絡(luò)的研究?jī)?nèi)容 |
| 2.2 貝葉斯網(wǎng)絡(luò)的推理 |
| 2.2.1 貝葉斯網(wǎng)絡(luò)的精確推理 |
| 2.2.2 貝葉斯網(wǎng)絡(luò)的近似推理 |
| 2.3 貝葉斯網(wǎng)絡(luò)的聯(lián)合樹推理 |
| 2.3.1 相關(guān)概念 |
| 2.3.2 聯(lián)合樹推理算法 |
| 2.4 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的推理 |
| 2.4.1 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的精確推理 |
| 2.4.2 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的近似推理 |
| 2.5 本章小結(jié) |
| 第三章 貝葉斯網(wǎng)絡(luò)的 MCMC推理算法研究 |
| 3.1 引言 |
| 3.2 MCMC算法與 Gibbs抽樣 |
| 3.2.1 MCMC算法 |
| 3.2.2 Gibbs抽樣 |
| 3.3 基于 MPI的主從式并行 MCMC推理 |
| 3.3.1 PMCMC的程序結(jié)構(gòu) |
| 3.3.2 PMCMC的任務(wù)分配 |
| 3.3.3 完全條件分布的選擇 |
| 3.4 實(shí)驗(yàn)結(jié)果及分析 |
| 3.4.1 問(wèn)題描述 |
| 3.4.2 實(shí)驗(yàn)環(huán)境及評(píng)價(jià)標(biāo)準(zhǔn) |
| 3.4.3 實(shí)驗(yàn)結(jié)果分析 |
| 3.5 本章小結(jié) |
| 第四章 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的粒子濾波推理 |
| 4.1 引言 |
| 4.2 粒子濾波和粒子群算法 |
| 4.2.1 粒子濾波算法 |
| 4.2.2 粒子群優(yōu)化算法 |
| 4.3 基于 PSO的進(jìn)化粒子濾波推理 |
| 4.3.1 編碼機(jī)制 |
| 4.3.2 適應(yīng)度函數(shù)的選擇 |
| 4.3.3 EPF算法的主要思想 |
| 4.3.4 EPF算法描述 |
| 4.4 實(shí)驗(yàn)結(jié)果及分析 |
| 4.4.1 問(wèn)題描述 |
| 4.4.2 參數(shù)設(shè)置與實(shí)驗(yàn)環(huán)境 |
| 4.4.3 實(shí)驗(yàn)結(jié)果分析 |
| 4.5 本章小結(jié) |
| 第五章 總結(jié)與展望 |
| 5.1 本文主要工作總結(jié) |
| 5.2 進(jìn)一步的研究工作 |
| 參考文獻(xiàn) |
| 攻讀碩士期間重要科研工作及成果 |
（10）面向設(shè)備管理的機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究（論文提綱范文）
| 中文摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 選題意義 |
| 1.2 狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的現(xiàn)狀與進(jìn)展 |
| 1.3 課題的來(lái)源和研究?jī)?nèi)容 |
| 1.3.1 課題的來(lái)源 |
| 1.3.2 論文的主要工作 |
| 第二章 機(jī)電設(shè)備非平穩(wěn)信號(hào)的特征提取與故障診斷應(yīng)用 |
| 2.1 非平穩(wěn)信號(hào)的自適應(yīng)處理——Hilbert-Huang變換 |
| 2.1.1 瞬時(shí)頻率的概念 |
| 2.1.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸?/td> |
| 2.1.3 Hilbert-Huang變換 |
| 2.2 Hilbert-Huang變換的工程應(yīng)用 |
| 2.3 SVD降噪對(duì)經(jīng)驗(yàn)?zāi)Ｊ椒纸庑Ч挠绊?/td> |
| 2.3.1 相空間重構(gòu)和奇異值分解 |
| 2.3.2 基于奇異熵的降噪階次合理確定 |
| 2.3.3 工程應(yīng)用 |
| 2.4 基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾南辔唤庹{(diào) |
| 2.4.1 相位調(diào)制 |
| 2.4.2 基于EMD的相位解調(diào)算法研究 |
| 2.5 Hilbert-Huang變換的局限性 |
| 2.5.1 HHT變換在微弱信號(hào)處理中的局限性 |
| 2.5.2 HHT變換在小頻率比混合信號(hào)處理中的局限性 |
| 2.6 本章小節(jié) |
| 第三章 機(jī)電設(shè)備故障信息的獨(dú)立化提取 |
| 3.1 機(jī)電設(shè)備測(cè)試信號(hào)的混合模型 |
| 3.2 工程測(cè)試混合信號(hào)的分離方法 |
| 3.3 盲源分離理論及其實(shí)現(xiàn) |
| 3.4 基于ICA和HHT的機(jī)械振動(dòng)信號(hào)時(shí)頻域特征凈化方法及其應(yīng)用 |
| 3.4.1 基于ICA-HHT的轉(zhuǎn)子監(jiān)測(cè)系統(tǒng)傳感器失效檢測(cè) |
| 3.4.2 轉(zhuǎn)子早期碰摩故障診斷 |
| 3.5 機(jī)械振動(dòng)信號(hào)變換域盲源分離的可行性 |
| 3.6 振動(dòng)頻譜盲源分離的工程應(yīng)用 |
| 3.6.1 基于FastICA算法的傳感器失效檢測(cè) |
| 3.6.2 轉(zhuǎn)子早期碰摩故障診斷 |
| 3.7 本章小結(jié) |
| 第四章 基于貝葉斯網(wǎng)絡(luò)的機(jī)電設(shè)備故障診斷方法 |
| 4.1 前言 |
| 4.2 貝葉斯網(wǎng)絡(luò)理論 |
| 4.2.1 貝葉斯網(wǎng)絡(luò)定義 |
| 4.2.2 貝葉斯網(wǎng)絡(luò)推理 |
| 4.2.3 貝葉斯網(wǎng)絡(luò)學(xué)習(xí) |
| 4.3 基于貝葉斯網(wǎng)絡(luò)的機(jī)械故障診斷模型與診斷推理 |
| 4.3.1 用貝葉斯網(wǎng)絡(luò)描述機(jī)械故障診斷知識(shí) |
| 4.3.2 貝葉斯網(wǎng)絡(luò)診斷模型 |
| 4.3.3 故障診斷的貝葉斯網(wǎng)絡(luò)推理 |
| 4.4 本章小結(jié) |
| 第五章 汽輪機(jī)振動(dòng)故障多征兆模糊診斷方法 |
| 5.1 模糊關(guān)系診斷方法 |
| 5.1.1 模糊關(guān)系診斷方法概述 |
| 5.1.2 征兆隸屬度函數(shù)的構(gòu)造 |
| 5.2 振動(dòng)故障模糊聚類分析 |
| 5.2.1 模糊C均值聚類方法 |
| 5.2.2 模糊聚類診斷過(guò)程 |
| 5.2.3 模糊C均值聚類方法計(jì)算 |
| 5.2.4 模糊聚類診斷實(shí)例 |
| 5.3 基于CLIPS的汽輪機(jī)振動(dòng)故障多征兆模糊診斷 |
| 5.3.1 多征兆模糊診斷知識(shí)庫(kù) |
| 5.3.2 汽輪機(jī)故障特征轉(zhuǎn)化為CLIPS語(yǔ)言 |
| 5.3.3 推理機(jī)的實(shí)現(xiàn) |
| 5.3.4 征兆證據(jù)的輸入 |
| 5.3.5 故障診斷實(shí)例 |
| 5.4 本章小結(jié) |
| 第六章 集成狀態(tài)監(jiān)測(cè)的設(shè)備管理信息系統(tǒng)的開發(fā)與應(yīng)用 |
| 6.1 前言 |
| 6.2 集成系統(tǒng)設(shè)計(jì)思想 |
| 6.3 系統(tǒng)框架 |
| 6.4 具體技術(shù)方案 |
| 6.5 功能介紹 |
| 6.5.1 便攜數(shù)采分析儀 |
| 6.5.2 服務(wù)器端管理軟件 |
| 6.5.3 網(wǎng)絡(luò)模式智能診斷與預(yù)測(cè)維修軟件系統(tǒng) |
| 6.5.4 設(shè)備管理信息系統(tǒng) |
| 6.6 本章小結(jié) |
| 第七章 結(jié)論與展望 |
| 參考文獻(xiàn) |
| 發(fā)表論文和參加科研情況說(shuō)明 |
| 致謝 |
四、信度網(wǎng)近似推理算法(上)（論文參考文獻(xiàn)）
- [1]船舶柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷研究[D]. 任東平. 大連海事大學(xué), 2020(01)
- [2]基于二元決策圖和模糊推理的因果圖故障診斷研究[D]. 肖蘇. 重慶師范大學(xué), 2019(08)
- [3]因果圖的兩種不精確推理探索[D]. 劉紹紅. 重慶師范大學(xué), 2017(01)
- [4]梯級(jí)水庫(kù)洪災(zāi)風(fēng)險(xiǎn)分析理論方法研究[D]. 蔡文君. 大連理工大學(xué), 2015(03)
- [5]基于貝葉斯網(wǎng)絡(luò)的大型星載展開天線多狀態(tài)可靠性分析[D]. 靳寧. 西安電子科技大學(xué), 2011(08)
- [6]信度網(wǎng)對(duì)于不確定知識(shí)的表達(dá)及推理[J]. 蔣方明,曾玉. 科技信息, 2010(30)
- [7]ATIS故障診斷系統(tǒng)設(shè)計(jì)及其診斷技術(shù)研究[D]. 于濤. 西南交通大學(xué), 2008(06)
- [8]基于貝葉斯網(wǎng)絡(luò)的配電系統(tǒng)可靠性評(píng)估[D]. 謝云芳. 河北農(nóng)業(yè)大學(xué), 2008(08)
- [9]基于抽樣的貝葉斯網(wǎng)絡(luò)推理算法研究[D]. 楊峰. 合肥工業(yè)大學(xué), 2008(11)
- [10]面向設(shè)備管理的機(jī)電設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究[D]. 王正英. 天津大學(xué), 2007(07)
標(biāo)簽：貝葉斯論文; 故障診斷論文; 網(wǎng)絡(luò)模型論文; 模糊理論論文; 概率計(jì)算論文;