应用Bayesian网处理基于一致性诊断中的不确定性问题的研究

论文摘要

本文首先简要介绍了基于模型诊断的基本思想,诊断过程的相关知识,以及作为一门新兴的智能诊断技术的研究意义,分析了基于一致性诊断与溯因诊断的关系。其次以Bayesian方法为中心介绍了内涵不确定性处理方法,重点研究了Bayesian规则不确定性推理和基于边缘概率的不确定性推理,然后从概率独立结构、概率推理方法和证据处理手段三方面研究了基于一致性诊断的不确定性,提出了更准确的部件间的条件独立假设和相关的命题,推论并给出形式化证明。在上述工作的基础上,提出了一个基于一致性诊断的Bayesian网推理框架模型,给出了一个描述基于一致性诊断与Bayesian网推理相一致的定理,引入了Ω-置信度函数,用来对诊断进行鉴别,通过具体事例用程序进行了验证,得到了相关结论。最后对本文工作进行了总结,并提出未来工作的发展计划。

论文目录

• 内容提要
• 第一章 引言
• 1.1 研究背景
• 1.2 本文主要工作
• 第二章 基于模型的诊断
• 2.1 基于模型诊断介绍
• 2.1.1 基于模型诊断的基本思想
• 2.1.2 基于模型诊断的研究意义
• 2.1.3 基于模型诊断的诊断过程
• 2.2 基于一致性诊断
• 2.2.1 基于一致性诊断与溯因诊断
• 2.2.2 基于一致性诊断的基本概念与原理
• 2.2.3 应用举例
• 第三章 内涵不确定性推理
• 3.1 Bayesian网络基本概念及推理算法
• 3.1.1 基本概念
• 3.1.2 基本的推理算法
• 3.2 不确定性因素处理的相关研究
• 3.2.1 Bayesian规则不确定性处理研究
• 3.2.2 边缘概率不确定性研究
• 第四章 基于一致性诊断的不确定性研究
• 4.1 概率独立结构
• 4.2 概率推理
• 4.3 证据处理
• 第五章 基于一致性诊断的Bayesian推理框架
• 5.1 扩展的Bayesian网络框架表示
• 5.2 诊断鉴别
• 5.2.1 引言
• 5.2.2 诊断鉴别的理论基础
• 5.2.3 诊断鉴别实例
• 5.2.4 小结
• 第六章 工作总结与展望
• 6.1 工作总结
• 6.2 工作展望
• 6.2.1 不确定性问题
• 6.2.2 模型化问题
• 参考文献
• 摘要
• Abstract
• 致谢
• 导师及作者简介