Bayes網(wǎng)絡(luò)在故障診斷中的應(yīng)用.pdf

1、目前,出于安全、高效生產(chǎn)的考慮,各個(gè)大型工廠(chǎng)基本上都對(duì)一些重要設(shè)備實(shí)施了實(shí)時(shí)監(jiān)控,由傳感器不斷地獲取機(jī)組運(yùn)行狀態(tài)的各種參數(shù),并對(duì)這些參數(shù)進(jìn)行有效地存儲(chǔ),就形成了龐大的數(shù)據(jù)倉(cāng)庫(kù).人們關(guān)心的是從這些數(shù)據(jù)庫(kù)中我們可以發(fā)現(xiàn)什么樣的有價(jià)值的知識(shí),這些知識(shí)以什么樣的形式表現(xiàn)出來(lái).基于人們的這一關(guān)注,該文將貝葉斯網(wǎng)絡(luò)--數(shù)據(jù)挖掘的一種方法引入到故障診斷領(lǐng)域,以直觀(guān)的表達(dá)形式,有效地解決了數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)問(wèn)題.貝葉斯網(wǎng)絡(luò)以統(tǒng)計(jì)學(xué)為基礎(chǔ),是數(shù)據(jù)挖掘技術(shù)

2、的一種方法.本質(zhì)上貝葉斯網(wǎng)絡(luò)是一個(gè)有向無(wú)循環(huán)的圖表模型,直觀(guān)地表述了多個(gè)變量之間的依賴(lài)關(guān)系.它通過(guò)一個(gè)有向無(wú)循環(huán)表來(lái)描述各個(gè)節(jié)點(diǎn)之間的因果關(guān)系,通過(guò)一個(gè)條件概率分布表來(lái)描述各個(gè)節(jié)點(diǎn)之間的關(guān)系密切程度.并且,貝葉斯網(wǎng)絡(luò)可以有效地把先驗(yàn)知識(shí)和現(xiàn)有數(shù)據(jù)結(jié)合起來(lái),使得網(wǎng)絡(luò)的推理結(jié)果更加的合理.特別是在當(dāng)前數(shù)據(jù)較少或者較難獲得的情況下,貝葉斯網(wǎng)絡(luò)的這一優(yōu)點(diǎn)更加明顯.結(jié)合故障診斷技術(shù)自身特點(diǎn),該文組建了一個(gè)具有兩層結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)模型,上層代表故障

3、節(jié)點(diǎn),下層代表癥狀節(jié)點(diǎn),且所有節(jié)點(diǎn)所對(duì)應(yīng)的隨機(jī)變量都是二元矢量.在網(wǎng)絡(luò)模型結(jié)構(gòu)已知的前提下,根據(jù)故障樣本數(shù)據(jù)的完整與否,我們采用不同的學(xué)習(xí)法則來(lái)有效地調(diào)整貝葉斯網(wǎng)絡(luò)模型的條件概率分布表,使之更符合特定機(jī)組的實(shí)際運(yùn)行情況.同時(shí)一種簡(jiǎn)化的推論法則被用來(lái)計(jì)算各個(gè)故障發(fā)生的后驗(yàn)概率,這樣就可以有效地解決對(duì)故障數(shù)據(jù)的識(shí)別、分類(lèi)問(wèn)題.最后,利用轉(zhuǎn)子實(shí)驗(yàn)臺(tái)的模擬故障數(shù)據(jù)對(duì)該網(wǎng)絡(luò)模型進(jìn)行考核.結(jié)果表明,網(wǎng)絡(luò)模型的學(xué)習(xí)是有效的,其推理結(jié)果是和專(zhuān)家知識(shí)相一