基于改进贝叶斯网络的复杂系统故障诊断模型研究

《基于改进贝叶斯网络的复杂系统故障诊断模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、同济大学交通运输工程学院硕士学位论文基于改进贝叶斯网络的复杂系统故障诊断模型研究姓名：牛振宇申请学位级别：硕士专业：交通信息工程及控制指导教师：曾小清;赵时旻20081201抟要摘要随着机械、电子等大型设备的制造技术不断提高，系统设备之间的配合越来越紧密，设备内部不同的部件之间的关联关系也越来越紧密，系统的复杂程度越来越高，因而提出了复杂系统这个新兴的概念。复杂系统的故障诊断是复杂系统研究领域的重要方向之一，对于复杂系统来说，出于其功能单元很多，各个单元及其组合部件都可能产生不同的故障，巨大的数据量使得采用传统

2、的状态监测方法难以反应故障发生的实际情况，无法满足系统故障诊断对实时性、．准确性的要求。贝叶斯网络作为一种在复杂系统中建模、推理与机器学习的重要工具。它将数学中的概率理论与图论相结合，能很好的量化复杂系统中普遍存在的不确定性因素，其基于概率计算的推理方式能使得出的结论更加精确，适合进行故障推理。本文在研究复杂系统特点的基础上，以城市轨道交通列车作为典型的复杂系统，对复杂系统的层次及故障诊断的过程进行了分析，并结合自律分散的思想，建立了面向复杂系统的自律分散故障诊断模型。在此基础上，对贝叶斯网络的故障诊断算法做了

3、分析研究，由于只建立一个贝叶斯网络，网络故障节点数量庞大，在网络的构建与故障的推理中都会产生困难，为解决该问题，文中根据自律分散的故障诊断模型，将贝叶斯故障诊断网络进行了改进，形成了贝叶斯故障渗断子网络，并对网络中以及网络间的故障节点进行了改进，以实现在网络集合上的故障推理，降低推理运算的复杂性，提高推理的实时性。文章最后针对城市轨道交通列车，设计了列车在线故障诊断系统，开发了基于改进算法的应用仿真程序，并总结了以后的工作方向。关键词：复杂系统，故障诊断，贝叶斯网络，自律分散，城市轨道交通，列车故障Abstra

4、ctABSTRACTWiththedevelopmentofthemanufacturingtechnologyinmechanicalandelectronicequipment，thecoordinationamongsystemdevicesisbecomingcloserandcloser，andalsocomponentsinthedevicehavethesametrend．Thecomplexityofsystemishigherandhigher,thereforeanewconcept—com

5、plexsystemisproposed．Faultdiagnosisincomplexsystemisanimportanttopicinthecomplexsystemresearcharea．Asacomplexsystem，itismadeofmanyfunctionalunits，andeveryunitcouldhavedifferentfaults．Hugequantityofdatavolumemakesitdifficulttodetecttherealproblemofthesystemwi

6、ththetraditionalmonitoringmethods，andalsocouldnotsatisfythetimeandaccuracyofthefaultdiagnosis．Asanimportanttoolinthecomplexsystemmodeling，inferring，andmechanicalstudying，BayesianNetworkputtheprobabilitytheoryandgraphtheorytogether．Itcanexpresstheuncertainfac

7、torsinthecomplexsystem，andtheninfertheresultbasedontheprobabilitycalculation．SotheBayesianNetworkissuitableforthefaultreasoningincomplexsystem．Basedontheresearchoffeaturesofcomplexsystem，thispaperusestheurbantransitvehicleasatypicalcomplexsystem，andanalyzest

8、hediagnosisprogress．Thencombiningtheautonomousdecentralizedthought，thispaperbuildsafaultdiagnosismodelforthecomplexsystem．Withthisfoundation，thispaperanalyzesthefaultdiagnosisalgorithminBayesian