首页> 中文学位 >基于二元决策图和模糊推理的因果图故障诊断研究
【6h】

基于二元决策图和模糊推理的因果图故障诊断研究

代理获取

目录

1 绪 论

1.1 研究背景

1.2 因果图研究现状

1.3 创新点及论文结构

1.3.1 论文创新点

1.3.2 论文结构

2 因果图理论及其推理方法

2.1 信度网理论

2.2 因果图理论及其推理

2.2.1 因果图模型及其符号定义

2.2.2 单值因果图推理

2.2.3 基于邻接矩阵的因果图推理算法

2.2.4 多值因果图推理的困难分析

2.3 小结

3 基于改进二元决策图的因果图分析方法

3.1 二元决策图概念

3.2 因果图向BDD转化算法分析

3.2.1 基于ite结构的转化方法

3.2.2 基于模块连接的转化方法

3.3 哈夫曼编码

3.3.1 哈弗曼编码理论

3.3.2 改进哈弗曼编码算法描述

3.4 改进的因果图推理步骤

3.5 实例分析

3.6 小结

4 基于模糊推理的因果图故障诊断研究

4.1 模糊数学理论

4.1.1 三角模糊数

4.1.2 三角模糊数的运算

4.2 模糊因果图理论

4.2.1 扩展模糊算子

4.2.2 最小割集算法

4.2.3 模糊重要度分析

4.3 因果图的模糊推理方法

4.3.1 模糊推理理论

4.3.2 基于因果图的模糊关系矩阵构造

4.3.3 模糊推理算法

4.4 实例分析

4.5 小结

5 基于信度网的因果图推理研究

5.1 信度网的概率基础

5.2 转化的具体步骤

5.3 基于信度网模型的节点概率计算

5.4 算例分析

5.5 小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录A 模糊关系矩阵程序及结果

附录B 作者攻读硕士学位期间发表论文及科研情况

致谢

声明

展开▼

摘要

在复杂系统的故障诊断领域,由对象的复杂性、测试手段的局限性、知识的不精确等原因导致的不确定性问题占多数,这使得故障诊断问题变得复杂。动态因果图起源于信度网,是一种将概率统计应用于复杂领域、进行不确定性知识表达和推理的工具。简洁的知识表达方式和灵活的推理过程使得因果图在故障诊断领域的应用越来越广泛。  本论文重点研究了因果图的知识表示和推理方式,主要内容如下:  (1)针对因果图最小割集的故障诊断方法需要对最小割集排序这一类问题,本文提出了新的推理方法。首先将因果图转化为二元决策图(Binary Decision Diagram,BDD),通过直接搜索路径写出不交化割集,并利用布尔吸收原理求出最小割集;其次利用BDD结构和哈夫曼树的相似性,将最小割集进行哈夫曼编码,并将哈夫曼编码的长度作为最小割集的结构重要度,据此对最小割集进行分组排序,简化了排序过程。  (2)针对事件发生概率的不确定性和事件之间因果关系的复杂性,将模糊数引入因果图来刻画现实世界中所存在的不确定性信息。首先用三角模糊数代替事件发生的不精确概率进行因果图推理,利用最小割集求解中间事件发生的概率;其次针对故障现象和故障原因相互交叉对应的现象,将因果图和模糊推理相结合,定义模糊关系矩阵,利用矩阵运算求解最大可能性的故障原因。  (3)基于信度网模型对于事件多态性表达的优势,本文将信度网的联合分布概率和条件概率公式直接用于多值因果图推理,实例证明所提算法是合理的。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号