貝葉斯網(wǎng)絡(luò)靈敏性分析方法及其在復(fù)雜系統(tǒng)故障診斷中的應(yīng)用.pdf

1、在過去的幾十年當(dāng)中，人工智能領(lǐng)域關(guān)于不確定性知識(shí)系統(tǒng)的研究中獲得了很大的進(jìn)展，對(duì)于表達(dá)不確定知識(shí)的有效工具貝葉斯網(wǎng)絡(luò)的研究也逐漸深入，作為貝葉斯網(wǎng)絡(luò)的靈敏性分析也成為實(shí)際應(yīng)用研究中的一個(gè)熱點(diǎn)。貝葉斯網(wǎng)絡(luò)的靈敏性分析是研究模型局部參數(shù)或證據(jù)微小變化對(duì)于目標(biāo)結(jié)點(diǎn)所產(chǎn)生的影響，靈敏性分析在醫(yī)藥、土木工程、計(jì)算機(jī)，以及故障診斷等領(lǐng)域有著廣泛的應(yīng)用。然而對(duì)于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，迄今為止仍然沒有一種有效的靈敏性分析算法，因此本文基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理算

2、法FF算法的基礎(chǔ)上提出了一種靈敏性分析方法，并且將貝葉斯網(wǎng)絡(luò)的靈敏性分析方法引入到復(fù)雜系統(tǒng)的故障診斷中，本文的主要研究?jī)?nèi)容如下：
　　(1)貝葉斯網(wǎng)絡(luò)的概述，全面介紹和分析了貝葉斯網(wǎng)絡(luò)靈敏性分析以及故障診斷的研究背景、研究現(xiàn)狀。
　　(2)針對(duì)馬爾科夫模型(HMMs)靈敏性分析方法不能用于分析一般動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)靈敏性和靈敏性分析計(jì)算復(fù)雜性高的問題，提出一種可有效處理動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)靈敏性分析算法(SA_FF)。SA_FF算法利

3、用FF近似推理算法(Factored Frontier)思想求解動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的靈敏性函數(shù)，通過對(duì)邊界(Frontier)的動(dòng)態(tài)推理建立參數(shù)與目標(biāo)結(jié)點(diǎn)條件概率分布之間的函數(shù)關(guān)系；SA_FF算法在靈敏性函數(shù)推理計(jì)算過程中，通過對(duì)局部性邊界的邊緣化進(jìn)行信息傳播，不需要對(duì)模型的聯(lián)合概率分布進(jìn)行更新，顯著提高了計(jì)算的效率，且可用于多參數(shù)靈敏性分析，但會(huì)引入一定的誤差；進(jìn)而，通過誤差分析證明誤差是有界的。通過實(shí)例計(jì)算的比較和分析顯示SA FF算法

4、的有效性。
　　(3)針對(duì)DFC算法判斷結(jié)點(diǎn)的重要性時(shí)只考慮自身狀態(tài)概率的片面性，增大了尋找異常結(jié)點(diǎn)的時(shí)間，導(dǎo)致算法時(shí)間復(fù)雜性偏高的問題，將靈敏性分析用于故障診斷中，提出了高效的故障診斷算法：SA_FD算法。SA_FD算法通過計(jì)算結(jié)點(diǎn)靈敏度，將結(jié)點(diǎn)的狀態(tài)對(duì)于子結(jié)點(diǎn)的影響與其狀態(tài)參數(shù)對(duì)于子結(jié)點(diǎn)的影響程度結(jié)合起來，能夠準(zhǔn)確的判斷出網(wǎng)絡(luò)中的重要結(jié)點(diǎn)，縮短了尋找異常結(jié)點(diǎn)的時(shí)間，從而能以最快的效率診斷出系統(tǒng)中的故障結(jié)點(diǎn)，提高了故障診斷的效率