基于貝葉斯網絡的化工過程故障診斷方法研究.pdf

1、統(tǒng)計學、機器學習等的理論研究及發(fā)展，帶動了貝葉斯網絡的發(fā)展，使得貝葉斯網絡在越來越受關注同時被應用到越來越多的領域。本文對化工TE過程進行分析，引用層次分析法和貝葉斯網絡對復雜化工過程進行建模，將復雜難理解的理論及內部機理以直觀可見的有向網絡展示出來，同時實現(xiàn)在化工過程系統(tǒng)的故障診斷。與傳統(tǒng)貝葉斯網絡學習建模方法不同，本文提出的基于AHP-K2的貝葉斯構建方法是一種基于純數(shù)據(jù)的貝葉斯網絡學習算法，克服了需要十分依賴傳統(tǒng)專家經驗分析的不足

2、。貝葉斯網絡在故障診斷領域的研究應用，與傳統(tǒng)以多變量統(tǒng)計方法為主的數(shù)據(jù)驅動技術在故障診斷中的應用不同，貝葉斯網絡不需要對高斯分布進行嚴格假設，創(chuàng)建了新建模方法及其在化工生產領域的應用，具有重要的現(xiàn)實意義和研究前景。本文做了如下的研究:
　　1、研究了貝葉斯網絡理論，提出了一種基于層次分析法和K2算法相結合的貝葉斯網絡學習方法，建立了TE過程基于AHP-K2的貝葉斯網絡。
　　2、研究了基于約束和評分搜索相結合的貝葉斯網絡混合

3、結構學習算法，提出了一種MI-AHP-K2的貝葉斯網絡結構學習算法并在Asia網絡上與基于經驗知識的K2算法進行比較驗證，實驗結果證明了該方法對Asia網的學習是有可行并且有效的。
　　3、將AHP-K2算法應用在化工故障診斷中。利用層次分析法確定變量順序，生成貝葉斯網絡模型，通過對網絡進行聚集系數(shù)、平均度、平均距離等故障分析指標分析來辨別系統(tǒng)運行狀態(tài)是否發(fā)生變化，將故障情況與系統(tǒng)正常運行時的網絡特征對比，找到故障點。研究TE過程