贝叶斯网络系统可靠性分析及故障诊断方法研究

《贝叶斯网络系统可靠性分析及故障诊断方法研究》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、分类号：ＴＨ１２２单位代码：１０４３０密级：无学号：２０１２０７０２０５ＳｈａｎｄｏｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ硕士学位论文贝叶斯网络系统可靠性分析及论文题目：丨故障诊断方法研究研究生姓名张路路专业名称机械设计及理论指导教师姓名张瑞军学院机电工程学院入学日期２０１２年９月论文提交日期２０１５年４月山东建筑大学硕士学位论文题目贝叶斯网络系统可靠性分析及故障诊断方法研究国家８６３重点项目编号：２０１４ＡＡ０４１５０３（）１国家自然科学基金资助项目编

2、号：５１７５３１２（）山东省教育厅计划项目编号：Ｊ１２ＬＢ６０（）计：学位论文７２页表格２５个插图２８幅评阅人：指导教师：学院院长：学位论文完成日期：原创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究取得的’成果。除文中已经注明引用的内容外，论文中不含其他人已经发表或撰写过的研究成果，也不包含为获得山东建筑大学或其他教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律责任。学位论文作者签名：

3、学位论文使用授权声明本学位论文作者完全了解山东建筑大学有关保留、使用学位论文的规定，即：山东建筑大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权山东建筑大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以釆用影印、缩印或其它手段保存、汇编学位论文。保密论文在解密后遵守此声明。学位论文作者签名：日期Ｉ师＾名：日期ｒｊｆｔｆ＼Ｖ辦ｊ６山东建筑大学硕士学位论文摘要一可靠性作为衡量机电产品质量的项重要指标、、，在机电产品设计、制造维护、使用试验等多个环

4、节中占据着举足轻重的地位，在对机电产品进行可靠性分析过程中，如何处理信息的模糊性、多态性和动态性，并尽可能多的避免分析过程中主观因素对计算结果的影响对实际工程有重要的指导意义。对于机电产品而言，故障诊断技。术的应用同样影响着产品的有效使用在故障诊断过程中，影响故障诊断顺序的因素也是多方面的，如何同时考虑多方面因素，建立更加接近实际情况的故障诊断决策顺序模型，对机电产品的维护、维修具有重要实用价值。首先一，用变量函数表示节点故障状态的模糊支撑半径，构建了种含模糊支撑半一径变量的隶属函数来描述部件故障状态，建立了种基于模糊支撑半径

5、变量的贝叶斯网络多态系统故障概率计算模型。在隶属函数的构造中，用变量代替精确值描述隶属函数模糊支撑半径，建立了含模糊支撑半径变量的隶属函数；并将其引入到贝叶斯网络，利用桶消元法对多态系统叶节点故障概率进行分析，得到叶节点故障概率变化曲线。该方法有效解决了解决了多态系统的模糊性和不确定性问题，避免了模糊支撑半。径确定过程中的主观性，因此具有更加广泛的适用性其次，针对现有贝叶斯网络可靠性分析方法在处理模糊故障信息和动态故障信息方面的不足一，提出了种融合故障动态性和模糊性的贝叶斯网络多态系统可靠性分析方法。该方法引入模糊集合理论

6、和部件失效概率动态变化函数，构建了动态模糊子集，对信息的模糊性与动态性进行了融合，；基于动态模糊子集和贝叶斯网络特性给出了叶节点故障状态模糊动态故障可能性和模糊动态重要度的求解算法；利用ＭＡＴＬＡＢ软。件，仿真得到叶节点模糊动态故障可能性和部件模糊动态重要度的变化曲线然后，针对三角模糊子集边界值的模糊性问题，在现有模糊贝叶斯网络可靠性分析方法的基础上引入区间变量，提出了基于区间三角模糊贝叶斯网络的系统可靠性分析方法，并将其从二态系统拓展应用到多态系统，实现了对多态系统的可靠性评估。该方法将区间变量引入到三角模糊子集的构建中，构

7、建了区间三角模糊子集；基于区间模糊子集和贝叶斯网络的特点，给出了去模糊叶节点故障概率、区间模糊后验概率的求解算法，；定义了区间模糊重要度描述部件所有故障状态的模糊可能性对系统故障重要程度的综合影响－Ｓ模糊故障树理论验证了文中，并用Ｔ所提方法的有效性，为一进步对系统进行故障诊断奠定理论基础。Ｉ山东建筑大学硕士学位论文最后，综合考虑部件故障信息的模糊多属性问题，建立了基于区间三角模糊多属性决策的贝叶斯网络故障诊断模型。该模型利用贝叶斯网络的因果依赖关系，将故障多属性层次结构表示为贝叶斯网络结构，降低了多属性层次结构的复

8、杂程度。在权重信息完全未知条件下，利用灰色关联分析方法，构建了灰色关联度优化