基于貝葉斯網絡(Bayesian Networks)方法的高爐故障診斷研究.pdf

1、鋼鐵工業(yè)是國民經濟的支柱產業(yè)，其非常關鍵的地方就是要做好高爐冶煉。高爐冶煉過程是一個非常復雜的過程，這其中包含了許許多多的物理及化學反應過程。在高爐冶煉過程中，人們無法直接測量各類想要掌握的過程參數，并且由于冶煉是在封閉環(huán)境中進行的，所以人們只能通過間接方式去了解冶煉過程的進行。
　　高爐爐況的故障診斷對于高爐冶煉有著非常重要的意義，而爐況是經常波動的，因此如果能全面了解高爐冶煉的爐況情況及異常情況并對其故障進行快速、準確的隔離和

2、辨識，就可以更好的有計劃的確定高爐故障的方向，便可以從很大程度上去降低維護的成本，提高經濟效益，并可以防止重大事故的發(fā)生。
　　本論文將主要研究在高爐故障診斷方面采用貝葉斯網絡（Bayesian Networks）的方法來實現(xiàn)。論文探討了貝葉斯網絡在高爐故障診斷中的應用，將貝葉斯網絡應用到高爐故障診斷模型的建模、學習和診斷中，提出了高爐故障診斷系統(tǒng)的設計方案，并設計了因果關系貝葉斯網絡診斷模型和簡單貝葉斯網絡診斷模型，以及應用完備

3、樣本集對網絡參數進行初始化訓練。經過測試，對比分析了兩種診斷模型的特點和性能。此外，為了完善診斷模型的功能，應用成熟的不完備數據處理算法來加以解決，并分析研究了應用Monte-Carlo方法、Gaussian近似算法和EM算法三種不同方法對不完備數據進行訓練對貝葉斯網絡產生的不同影響，并分析了產生差異的原因。
　　貝葉斯網絡是一種有向無環(huán)圖，在這個網絡中的各個節(jié)點的相關程度是用條件概率來表達的，貝葉斯網絡是一種基于概率論的數學推理