贝叶斯网络在起重机故障诊断中的应用

论文摘要

近年来，针对功能日益强大和结构愈加复杂的大型起重机的故障诊断已成为一个重要的研究内容。大型起重机的部件以及部件之间存在很多关联耦合的相互关系，不确定性因素和信息充斥其间，导致出现的故障一般都为不确定性故障。因此，解决不确定问题是目前大型起重机故障诊断的重要问题。本文在研究了起重机故障诊断和贝叶斯网络理论的基础上，采用了一种用于起重机故障诊断的贝叶斯网络诊断模型，并以某大型起重机已有的故障诊断系统为应用对象，将贝叶斯诊断模型应用于该系统中。改进后的系统在保留了原有的基于规则库的诊断方式基础上,融入了基于贝叶斯网络的诊断方式，使新系统可以进行多种形式的诊断推理，从而达到解决起重机不确定性问题的目的。应用于起重机故障诊断的贝叶斯网络建模分为三个步骤：第一是针对起重机故障领域的贝叶斯网络知识库的构建。运用因果调查问卷以及概率刻度等方法分别获取贝叶斯网络结构和贝叶斯网络参数，从而完成了对贝叶斯知识库的构建；第二是针对贝叶斯网络参数的学习。采用贝叶斯网络参数学习中的最大似然估计方法对起重机贝叶斯网络的参数进行学习修正；第三是模型的推理机制构建。采用贝叶斯精确推理算法中的基于簇树传播的算法作为本模型的推理算法，能完成对故障的量化推理。在实现方面，本文对系统中的贝叶斯网络诊断方式进行了总体设计。在设计中以模块为单位，对网络生成模块、推理模块、贝叶斯知识库管理模块、网络参数学习模块进行了设计，为改进后的整个起重机诊断系统的软件开发奠定了坚实的基础。通过分析比较原系统和采用贝叶斯网络诊断模型后的系统对同一故障的诊断结果，表明改进后的系统解决了原系统面对不确定性故障时无法快速定位故障原因的问题，是对原有系统的一种扩展和改进。从而验证了本文构建的故障诊断模型及算法等工作的有效性和应用价值。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 起重机故障诊断概述
• 1.2.1 起重机故障诊断的重要意义
• 1.2.2 起重机故障诊断国内外研究现状
• 1.3 贝叶斯网络研究现状
• 1.4 本文的主要研究内容
• 1.5 本文的组织结构
• 第2章 起重机故障诊断及贝叶斯网络理论
• 2.1 起重机故障诊断
• 2.2 贝叶斯网络基本理论
• 2.2.1 贝叶斯网络的概率论基础
• 2.2.2 贝叶斯网络中的概率论知识
• 2.2.3 概率推理介绍
• 2.2.4 贝叶斯网络的定义
• 2.2.5 贝叶斯网络推理
• 2.2.6 贝叶斯网络学习
• 2.3 本章小结
• 第3章 贝叶斯网络在起重机诊断系统中的应用
• 3.1 采用贝叶斯网络后的起重机故障诊断系统概述
• 3.1.1 采用贝叶斯网络后的系统体系结构
• 3.1.2 采用贝叶斯网络后的系统诊断机制
• 3.2 起重机贝叶斯网络诊断模型建立
• 3.2.1 贝叶斯网络知识库的构建
• 3.2.2 贝叶斯网络诊断模型的学习方法
• 3.2.3 贝叶斯网络诊断模型的诊断
• 3.3 本章小结
• 第4章 起重机贝叶斯网络故障诊断系统设计
• 4.1 开发系统的选择及其简介
• 4.1.1 操作系统
• 4.1.2 开发工具的选择
• 4.1.3 系统的数据库选择
• 4.2 系统总体设计
• 4.3 网络生成模块设计
• 4.3.1 贝叶斯网络的表述
• 4.3.2 有向无环图的构建
• 4.4 推理模块设计
• 4.4.1 推理机设计
• 4.4.2 证据收集模块
• 4.5 贝叶斯知识库管理模块设计
• 4.6 贝叶斯参数学习模块设计
• 4.7 贝叶斯诊断模型的应用与分析
• 4.8 本章小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表的学术论文目录
• 附录 B 攻读学位期间参与的科研项目