一、信度网近似推理算法(上)（论文文献综述）
任东平[1]（2020）在《船舶柴油机润滑系统故障诊断研究》文中认为近年来船舶智能化与自动化水平的不断提高,在船舶可靠性与安全性这两方面有了更加严格的要求。柴油机作为船舶的核心设备,在船舶安全方面起着至关重要的作用。但是,柴油机的结构复杂、零件较多,机体处于高温、高压的环境中,因此发生故障的可能性比较大。传统的故障诊断多为经验法、热力参数法、油液分析法等,这些方法对滑油系统的故障诊断不能精确定位,且耗时长,有的还需要专用检测工具。本文采用贝叶斯noisy-OR/AND模型开发故障诊断系统,可以准确快速的诊断故障,同时还能给出维修措施供工作人员参考,能在故障发生的最短时间内恢复设备的运行,对于确保船舶安全运行具有重要的意义。本文以亚洲网络为实验模型,对比不同的消元顺序对推理时间的影响。变量消元法推理快慢的主要因素是消元顺序的构造,目前主要有最小度、最大势、最小缺边和最小增加复杂度4种搜索方法可以用来构造消元顺序。实验发现最小增加复杂度搜索方法优于其它搜索方法,可缩短推理时间,提高推理效率。对WARTSILA 6L34DF柴油机滑油系统建立诊断模型。依据润滑系统的故障类型,整个润滑系统可以分为进机油压异常、进机油温异常、滑油消耗率过高和滑油早期失效4个子故障。通过对系统的分析,建立六个故障树,分别为进机油压过高、进机油压过低、进机温度过高、进机温度过低、滑油消耗率过高和滑油早期失效。采用将故障树转化为贝叶斯网的方法,构建上述六个故障树的贝叶斯网络诊断模型。开发柴油机滑油系统的故障诊断软件。利用Visual Studio 2017和SQL Server 2017为开发环境,以C#语言为基础开发诊断系统。在数据库中建立滑油系统的知识库,将先验概率存入相应的数据表中;在Visual Studio 2017中,编程实现整个故障诊断功能,该系统包括4个菜单栏。最后使用2个故障实例证明该系统能准确快速的诊断出故障原因。研究表明,当结合工作人员对设备的观测信息时,该故障诊断系统能够准确迅速的定位故障原因,并给出相应的维修策略。在贝叶斯网络推理时,采用最小缺边复杂度搜索方法可提高变量消元法的推理速度,可缩短系统后台的计算运行时间,减少系统的卡顿。贝叶斯网络诊断模型优于现有的诊断方法,能真正诊断出故障原因,帮助工作人员快速准确地定位故障。
肖苏[2]（2019）在《基于二元决策图和模糊推理的因果图故障诊断研究》文中研究说明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。
刘绍红[3]（2017）在《因果图的两种不精确推理探索》文中研究说明不确定性问题作为人工智能最核心的研究任务,将不确定性问题的求解方法大致分为两类:一类是基于概率的方法,一类是基于非概率的方法。因果图推理是一种概率的方法,因果图以图形的方式表达复杂系统的因果关系。由于因果图推理中存在不确定性问题,为了更形象的将系统的不确定性进行表达,本文主要是研究因果图的两种不精确推理:将概率矩阵近似处理转化为精确概率值;将求基本事件精确概率值扩充为求区间概率。主要内容如下:（1）把一个复杂系统用因果图知识表达,进行系统故障诊断时,用节点事件表示故障源,用有向边表示因果关系。由于子变量的赋值状态数不同,将因果图分为单值因果图和多值因果图。将传统因果图推理用于多值因果图中会出现概率不归一的现象,因此提出一种多值因果图的不精确推理。该推理方法是根据因果影响程度找到连接事件概率值,而该概率值是在引入了事件缺省状态,并假设事件各状态之间互斥的情况下求得的。根据概率矩阵中事件各状态发生的概率找到其发生的可能性大小,再进行概率分配,使概率满足归一性,将多值因果图转化为单值因果图。（2）因果图作为一种基于概率的知识表达方法,是对基本事件发生概率已知时进行推导计算,而实际应用中,由于数据的误差、缺失,专家的主观偏见等很难获得精确概率值,针对此情况本文提出将精确值扩充为区间数。根据Dempster-Shafer证据理论（简称D-S理论）,将专家知识或者系统数据进行融合,通过计算得到似然函数Pls（Plausibility Function）和信任函数Bel（Belief Function）,将其分别作为概率区间的上下界,形象表达系统的模糊性和不确定性,同时还降低了获取精确概率值的难度。
蔡文君[4]（2015）在《梯级水库洪灾风险分析理论方法研究》文中研究表明梯级水库群受到不同风险源的综合影响,其风险源复杂,灾害链长,影响程度大。从流域整体安全性的角度出发,研究分析梯级水库群系统的洪灾风险问题显得尤为重要。一个流域梯级式开发的水利工程,是空间中一系列单元组成的系统,各单元之间相互联系,上游水库失效将会对相邻的下游水库带来一定程度的影响,从而对整个系统的安全性造成影响。本文以此为切入点,以大渡河流域梯级水库群系统为例,研究梯级水库群系统的洪灾风险分析问题。主要研究内容及成果如下：（1）构建梯级水库群多源风险源分析的理论框架,依据风险分析的主要流程,建立了包括风险源的识别、风险的量化和估计及风险评价的理论体系。在风险识别方面,通过分析梯级水库群的结构特征,认为梯级水库群在运行中主要受到自然、工程两类风险源的影响。本文主要分析在这两种风险源的影响下,系统整体的洪灾风险问题。分别从物理成因和概率统计的角度识别系统中的薄弱性工程。并在分析溃坝洪水的基础上,对系统中水库原设计参数提出合理的建议。在风险量化和估计方面,采用水库失效风险率模型分析单元水库的失效风险率,建立以贝叶斯网络为理论基础的梯级水库群系统失效风险率模型,量化系统中各水库及其整体在原设计参数和建议设计参数情况下失效风险的后验概率。在风险评价方面,通过计算两种情况下系统的生命风险损失,评价系统的风险是否在可接受范围内。通过以上理论体系的构建,对全文的研究提供支撑。（2）分析系统中各水库工程等级、防洪标准等设计参数,以及各水库设计洪水的计算方法,发现设计洪水均是根据其控制水文站的设计洪水成果利用面积内插法求得。仅根据各水库的设计参数,无法指定系统中的薄弱性工程。为了从流域整体的角度考虑各水库的状态,以及在上游水库发生溃坝风险时,下游各水库的安全性。通过分析大渡河自然地理特征和气候特性,依据流域中主雨区的不同,分为以泸定到瀑布沟区间降雨为主（A7）和以泸定以上降雨为主（B7）两种情景。利用水文气象学的方法计算出大渡河梯级系统中各研究水库的最大可能降水（PMP）,并转化为相应的最大可能洪水（PMF）。（3）识别系统的薄弱性工程,从物理成因的角度,分别在两种降雨情境下识别系统中结构性和功能性失效状态的水库。从数理统计的角度,在计算得到各单元水库失效风险率的基础上,以现行规范和特级水库风险标准判定系统中结构性和功能性两种失效状态的水库。将两个角度的识别结果对比分析,最终确定系统中的薄弱性工程。考虑到土石坝漫顶易溃的原因,利用溃坝分析软件,计算系统中水库漫顶溃坝,溃坝洪水演进至下游后,若造成水库连溃的情况,此时系统中各水库的状态。并以流域安全为目标,对系统中水库的设计参数提出合理的建议。在梯级水库群系统中,薄弱性工程是触发风险源,一旦系统中发生连溃事件,必须保证控制性工程的安全性,使其能够分担和消纳由于上游水库失效对系统造成的风险,起到阻断风险的作用。（4）针对梯级水库群系统中单元水库失效风险量化评价问题,本文分别分析三个方面的内容：单元水库超标准洪水洪峰序列的随机分布特征,调洪最高水位序列的随机分布特征,以及单元水库的失效风险率。基于统计学中极值理论,分别以校核洪峰流量、校核洪水位、坝顶高程为阈值,研究大渡河流域梯级水库的超标准（超校核）洪峰流量随机分布特征和各水库的调洪最高水位的随机分布特征。结果表明：大渡河流域梯级水库的超标准（超校核）洪峰流量与P-III型曲线拟合较好,符合我国大部分地区洪水要素的分布规律；各水库的调洪最高水位与对数函数拟合较好。（5）在梯级水库系统中单元水库的失效概率分析方面,依据梯级水库群中各梯级的开发次序,将大渡河干流的梯级水库根据不同的建设时期分为三个阶段,利用蒙特卡洛模拟方法分别计算各单元水库的失效风险率。将三个阶段中各单元水库的失效风险率和已识别出的流域中的薄弱性工程对比分析,结果表明,为了保证流域长期的安全,需将系统中各单元水库依据其对流域安全的影响,分批次建设于流域中。同时,所得到的各单元水库失效风险率将为下一章搭建贝叶斯网络计算系统失效概率提供数据支撑。（6）由于梯级系统的物理结构特性,系统中各单元水库之间也存在着一定的相关性,系统中各单元水库的失效是一个条件概率事件。鉴于贝叶斯网络在不确定知识的表达、因果推理等方面有突出的优点,本文建立基于贝叶斯网络的梯级系统失效风险率分析模型。根据流域中的控制性工程,将系统划分为巴拉-双江口、猴子岩-瀑布沟两段（D1、D2）。利用贝叶斯网络分别分析D1、D2段系统在原设计参数和建议设计参数两种情况下的失效风险率。同时,建立各单元水库的状态对系统产生影响的贝叶斯网络模型。结果表明,在不同情景下,各段系统中,建议设计参数的情况下与原设计参数相比,失效风险率明显降低。各段系统的失效概率和其控制性工程的失效概率较为接近。本文分别从特级水库的风险控制标准和生命风险损失的可接受程度两个方面评价梯级水库群系统失效风险,结果表明,大渡河流域梯级水库系统在建议设计参数情况下,系统失效风险有显着降低并且在可接受的范围内。
靳宁[5]（2011）在《基于贝叶斯网络的大型星载展开天线多状态可靠性分析》文中认为星载天线展开机构是可展开天线结构中必不可少的重要部件,其可靠性研究和预测对卫星能否正常工作至关重要。本文将贝叶斯网络方法（Bayesian networks, BN）引入某星载天线展开系统的多状态可靠性分析中。首先介绍了贝叶斯网络的概念和基本原理,详细说明了桶消元推理算法的原理和实现过程。其次,建立星载天线展开系统多状态贝叶斯网络模型,即网络中各节点都存在“正常”,“临界”,“失效”等三种工作状态,并在给出根节点先验概率的情况下,利用贝叶斯网络中的独立关系和桶消元推理算法,计算出贝叶斯网络中其余各节点的条件概率,对展开系统中各失效事件进行了重要度分析。然后,利用随机—模糊可靠性分析方法对天线展开系统中关键失效事件进行分析,给出了功能函数模糊可能度的计算方法。最后,根据星载天线展开系统贝叶斯网络模型拓扑结构、桶消元算法和模糊—随机方法,开发了星载天线展开系统可靠性预测软件,对软件设计思想和功能进行了简述。
蒋方明,曾玉[6]（2010）在《信度网对于不确定知识的表达及推理》文中研究说明不确定知识的表达及演化规律的推理是概率理论领域的热点,信度网作为其中最有效的理论模型吸引了大批的研究者。本文就信度网的知识表达和推理方式进行基础性的探索,并对其应用前景进行介绍。
于涛[7]（2008）在《ATIS故障诊断系统设计及其诊断技术研究》文中研究指明铁路车号识别系统（Automatic Train Identification System,ATIS）是铁路信息化建设的一个基础信息系统工程,该系统实现对局管内的列车、车辆、机车动态追踪管理和车号数据资源共享。一旦ATIS系统出现故障不能及时排除,一方面将严重降低铁路各应用系统的运转效率,进而影响铁路车站、线路等技术设备的运输作业能力,增加各级工作人员工作量和劳动强度;另一方面,对铁路企业的货车使用费等费用清算带来较大影响,将给相关铁路局带来巨大的经济损失。为了实现掌握局管内各分界口进出车辆实时数据,实时监控ATIS系统设备的工作状态,并对确报质量实现实时考核,特别是实现ATIS系统故障实时监测,提高系统的可靠性和可用性,本文提出构建局间分界口车号识别监控管理系统,并详细分析设计了ATIS故障诊断子系统的结构及其各子系统功能模块。本文通过对故障诊断相关理论与方法的介绍,分析了目前故障诊断的主要方法。通过各种方法的优缺点比较,提出了采用基于概率的信度网故障诊断方法。该方法具有坚实的数学基础,其网络图的结构形式易于理解并获取专家经验知识,且在推理计算中存在高效的和成熟的概率推理算法和计算软件。在研究基于时序动态信度网的故障诊断过程中,将原有底层事件重要度的适用范围扩展到一般系统,使其应用更具有广泛适用性。最后建立了ATIS系统故障诊断模型,应用基于MATLAB的BNT工具箱为辅助工具进行了仿真实验并得到了良好的试验结果。
谢云芳[8]（2008）在《基于贝叶斯网络的配电系统可靠性评估》文中指出配电系统可靠性评估是电力系统可靠性评估中重要环节之一,对其进行可靠性研究具有非常重要的理论意义和巨大的社会经济价值。在常规可靠性计算中,仅计算系统各项可靠性指标,很少涉及可靠性最薄弱环节的识别,而识别电力系统可靠性最薄弱环节,具有非常重要的意义。文中简要介绍了贝叶斯网络的基本概念,深入研究了常用的推理算法,并在此基础上编写了基于桶消元的贝叶斯网络推理程序。在分析常规电力系统可靠性评估方法的基础上,提出了基于贝叶斯网络的配电系统可靠性评估方法。该方法首先建立配电系统可靠性评估的贝叶斯网络模型,然后利用贝叶斯网络推理对配电系统进行可靠性分析。文中编写了配电系统可靠性评估的贝叶斯网络自动生成工具,从而极大地减少了贝叶斯网络的建立时间,提高了模型的准确性。将贝叶斯网络方法应用于配电系统的可靠性评估中,利用贝叶斯网络对不确定性知识的灵活表示,较好地解决了系统负荷预测的不确定性问题。运用贝叶斯网络灵活的因果推理和诊断推理,不但能够进行配电网的可靠性指标评估,还可以识别系统的薄弱环节。以Microsoft Visual C++6.0为开发工具开发了配电系统可靠性评估软件。该软件运用高级面向对象技术和图形化的手段,运用贝叶斯网络对配电系统进行可靠性指标的计算,并定量地分析系统的薄弱环节,通过对数据的分析处理,得出较传统方法更有意义的结论。最后,用IEEE RBTS母线2配电系统作为实验系统验证了此方法的正确性和软件的有效性。因此,基于贝叶斯网络推理的配电系统可靠性评估是一种较好的方法。
杨峰[9]（2008）在《基于抽样的贝叶斯网络推理算法研究》文中进行了进一步梳理贝叶斯网络提供了一套强有力的图形工具来表达基于概率的领域知识,是对人工智能领域中不确定性问题进行表示和处理的一种重要工具,已被成功应用于故障诊断、数据挖掘和医疗诊断等领域。动态贝叶斯网络是贝叶斯网络在时间因素上的扩展,是对人工智能领域中动态不确定性问题进行表示和处理的一种重要工具。本文在对贝叶斯网络进行全面概述的基础上,对贝叶斯网络和动态贝叶斯网络的近似推理进行了研究。全文的主要内容如下:（1）贝叶斯网络的概述。概述了贝叶斯网络的起源与发展,详细介绍了贝叶斯网络模型、贝叶斯网络的构建过程、贝叶斯网络的类型以及贝叶斯网络的应用,并在此基础上,对动态贝叶斯网络进行了概述;概述了贝叶斯网络的主要研究内容,并对贝叶斯网络和动态贝叶斯网络的推理算法进行了重点介绍。（2）在贝叶斯网络近似推理方面,针对贝叶斯网络的马尔可夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）推理存在的问题,本文以MCMC推理算法中具有代表性的Gibbs抽样为基本框架,提出一种贝叶斯网络的并行MCMC（Parallel MCMC,PMCMC）推理方法,在生成马尔可夫链的组成序列时,通过增加对贝叶斯网络中每个结点的抽样频率,即加大样本数来提高其推理精度,并在消息传递接口MPI的支持下,利用主从式并行机制来实现其推理过程,以保证推理的时间性能。在3个不同贝叶斯网络即Asia、Mildew和Alarm网上的推理实验结果表明,PMCMC在提高推理精度的同时有效保证了推理的时间性能。（3）在动态贝叶斯网络近似推理方面,针对动态贝叶斯网络的粒子滤波推理存在的问题,本文将离散粒子群优化技术引入到传统粒子滤波推理中,提出一种新的粒子滤波算法—进化粒子滤波（Evolutionary Particle Filtering,EPF）。在进化粒子滤波中,利用离散粒子群优化技术的迭代寻优能力重新分配粒子,使粒子的表示更加接近真实后验概率密度,以提高粒子滤波推理的精度性能。在2个不同动态贝叶斯网络上的概率推理实验结果表明,与传统的粒子滤波推理算法相比,EPF利用较少的粒子就可以取得较好的推理精度。
王正英[10]（2007）在《面向设备管理的机电设备状态监测与故障诊断技术研究》文中研究指明故障的发生和发展、设备工况的变化以,使机械设备的动态信号表现出非平稳性和强噪声特性,给故障诊断带来困难。本论文以机电设备为对象,对复杂振动信号中的时频特征提取、净化及回转机械的智能诊断方法进行了研究。针对机电设备工况信号中的非平稳特征,提出了基于SVD降噪算法对原始振动信号进行预处理,然后再进行EMD分解,抑制了异常数据或高频噪声产生的影响,分解所得基本模式分量更能反应设备运行状态的本质特征。研究了基于Hilbert变换的相位解调算法的不足,提出了基于EMD的相位解调方法,仿真数据验证了该方法的有效性;基于工程实践,指出了HHT在工程应用中的两个局限性。针对机电设备运行中的信号混合特性,研究了信号混合的数学模型和常用的信息分离方法,提出将盲源分离方法和Hilbert-Huang变换相结合,实现了旋转机械转子系统非平稳故障特征的独立化提取,故障诊断案例明该方法的有效性和实用性。研究了机械振动信号变换域盲源分离的可行性,提出了机械振动信号频域内的独立分量提取方法,涡流传感器失效故障诊断和早期碰摩故障诊断的成功应用,表明了该方法的有效性,结合设备振动的先验知识可以准确判定各独立分量的物理内涵,提高诊断信息的质量。针对汽轮机智能诊断中知识表达的不确定性问题,在研究了基于联合树的贝叶斯网络精确推理方法和贝叶斯网络的学习算法的基础上,结合机械故障特有的表现形式,提出了基于贝叶斯网络的汽轮机故障诊断方法,并建立了基于贝叶斯网络的机械故障诊断模型,通过对一些设备的实测数据进行了故障诊断分析,验证了该模型的有效性。研究了基于振动信息的自动诊断方法,建立了故障模式类的概念,根据模糊聚类算法确定了故障标准模式类及其频谱特征,为在故障模式类层次上的识别提供了理论基础;研究了模糊关系诊断结果的分布规律、多征兆模糊产生式规则的诊断知识表示以及规则结论的可信度组合,工程诊断实例验证了其可靠性。最后,提出了监测诊断与设备管理信息系统的集成化设计思想,给出了系统框架和技术方案,并在此基础上开发出了“基于网络和状态监测的设备管理信息化系统”,消除了状态监测和设备管理之间的“信息孤岛”现象。该系统在天津大港广安津能发电有限责任公司得到应用,并顺利通过了天津市科委的验收。
二、信度网近似推理算法(上)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、信度网近似推理算法(上)（论文提纲范文）
（1）船舶柴油机润滑系统故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 柴油机故障诊断技术研究现状 |
| 1.2.1 柴油机故障诊断技术发展概况 |
| 1.2.2 柴油机故障诊断技术发展趋势 |
| 1.3 滑油系统故障诊断研究现状 |
| 1.4 论文的结构与主要研究内容 |
| 1.4.1 论文的总体框架 |
| 1.4.2 论文的主要研究内容 |
| 2 贝叶斯网络理论 |
| 2.1 贝叶斯理论基础 |
| 2.1.1 概率论基础 |
| 2.1.2 概率推理 |
| 2.1.3 概率图模型 |
| 2.1.4 贝叶斯网络 |
| 2.1.5 Leaky Noisy Or模型 |
| 2.2 贝叶斯网络推理 |
| 2.2.1 推理算法简述 |
| 2.2.2 VE推理算法 |
| 2.3 贝叶斯网络学习 |
| 2.3.1 贝叶斯网络结构学习 |
| 2.3.2 贝叶斯网络参数学习 |
| 2.4 本章小结 |
| 3 亚洲网络最优消元顺序构造 |
| 3.1 变量消元法相关概念 |
| 3.2 消元复杂度分析 |
| 3.3 消元顺序构造 |
| 3.3.1 最小度法搜索消元顺序 |
| 3.3.2 最大势搜索消元顺序 |
| 3.3.3 最小缺边搜索消元顺序 |
| 3.3.4 最小增加复杂度搜索消元顺序 |
| 3.4 本章小结 |
| 4 建立滑油系统贝叶斯诊断模型 |
| 4.1 WARTSILA 6L34DF柴油机简介 |
| 4.2 滑油系统结构原理 |
| 4.2.1 滑油系统组成及作用 |
| 4.2.2 滑油运送方式 |
| 4.2.3 滑油系统结构原理分析 |
| 4.3 建立诊断模型 |
| 4.3.1 滑油系统故障分析 |
| 4.3.2 滑油诊断模型的建立过程 |
| 4.3.3 滑油诊断模型搭建实例 |
| 4.4 变量消元法推理实例 |
| 4.5 本章小结 |
| 5 滑油诊断系统的设计及实现 |
| 5.1 故障诊断流程 |
| 5.2 软件开发环境及结构 |
| 5.2.1 开发环境 |
| 5.2.2 软件结构 |
| 5.3 数据库设计 |
| 5.4 模型代码化 |
| 5.5 用户界面模块设计 |
| 5.6 故障诊断系统的实例验证 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望及建议 |
| 结论 |
| 参考文献 |
| 附录A 滑油系统故障树及贝叶斯模型 |
| 附录B 滑油系统事件先验概率表 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（2）基于二元决策图和模糊推理的因果图故障诊断研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 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 |
（3）因果图的两种不精确推理探索（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 不确定性问题 |
| 1.1.2 研究现状 |
| 1.2 论文创新点 |
| 1.3 论文章节安排 |
| 2 动态因果图理论 |
| 2.1 因果图的概念 |
| 2.2 因果图的知识表达 |
| 2.3 因果图的传统推理算法 |
| 2.4 因果图传统推理实例分析 |
| 2.5 本章小结 |
| 3 因果图的近似推理算法 |
| 3.1 因果图的近似推理基本理论 |
| 3.1.1 因果图近似推理概念 |
| 3.1.2 因果图近似推理的符号定义 |
| 3.2 因果图近似推理步骤 |
| 3.3 因果图的近似推理算法实例 |
| 3.4 本章小结 |
| 4 基于D-S理论的因果图区间分析方法及应用 |
| 4.1 D-S理论 |
| 4.2 区间运算法则 |
| 4.3 基于D-S理论的因果图区间分析法 |
| 4.3.1 基于D-S理论的因果图区间分析法研究目的 |
| 4.3.2 基于D-S理论的因果图区间分析法及算例 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 本文结论 |
| 5.2 本文存在的问题及以后的研究方向 |
| 参考文献 |
| 附录A:作者攻读硕士学位期间发表论文及科研情况 |
| 致谢 |
（4）梯级水库洪灾风险分析理论方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 问题提出与研究意义 |
| 1.2 国内外相关研究进展 |
| 1.2.1 洪灾风险分析 |
| 1.2.2 水库洪灾风险分析 |
| 1.2.3 梯级水库群系统的洪灾风险分析 |
| 1.3 研究存在的问题及发展趋势 |
| 1.4 本文主要研究思路与内容 |
| 1.4.1 本文主要内容 |
| 1.4.2 本文的组织结构图 |
| 2 研究区概况 |
| 2.1 引言 |
| 2.2 大渡河干流梯级水库群基本自然特征 |
| 2.2.1 自然地理概况 |
| 2.2.2 气候特征 |
| 2.2.3 暴雨洪水特征 |
| 2.3 大渡河干流梯级水库群基本规划情况 |
| 2.3.1 水库规划方案 |
| 2.3.2 水库工程等级和防洪标准 |
| 2.4 本章小结 |
| 3 梯级水库群多源风险分析理论框架 |
| 3.1 引言 |
| 3.2 基本概念 |
| 3.2.1 风险的概念及其本质 |
| 3.2.2 控制性工程和薄弱性工程的概念 |
| 3.2.3 全生命周期的统筹防控 |
| 3.3 梯级水库群多源风险源分析研究机理 |
| 3.3.1 系统的结构特征及风险源 |
| 3.3.2 系统多源风险评估研究的技术路线 |
| 3.4 梯级水库群系统薄弱性工程的识别 |
| 3.4.1 界定水库的失效模式 |
| 3.4.2 成因分析 |
| 3.4.3 概率统计分析 |
| 3.4.4 梯级水库连溃的分析 |
| 3.5 梯级水库群系统洪灾风险的估计和评价 |
| 3.5.1 单元水库失效风险估计 |
| 3.5.2 基于贝叶斯网络的系统失效风险率估计 |
| 3.5.3 可接受风险水平评价 |
| 3.6 本章小结 |
| 4 梯级水库群系统薄弱性工程识别 |
| 4.1 引言 |
| 4.2 基于AHP的单元水库关键致灾因子识别模型 |
| 4.2.1 AHP法原理 |
| 4.2.2 单元水库失效层次结构模型 |
| 4.3 大渡河流域PMP的估算 |
| 4.3.1 典型暴雨分析 |
| 4.3.2 大渡河流域子流域的划分 |
| 4.3.3 水文气象数据处理 |
| 4.3.4 当地暴雨的放大 |
| 4.3.5 PMP成果合理性检验及推荐 |
| 4.3.6 PMF成果合理性检验及推荐 |
| 4.4 基于成因分析的系统中薄弱性工程识别 |
| 4.4.1 成因分析思路 |
| 4.4.2 简化处理 |
| 4.4.3 识别结果 |
| 4.4.4 结果分析 |
| 4.5 基于土石坝连溃分析的水库设计参数建议值的论证 |
| 4.5.1 D_1段系统梯级连溃模型及计算结果 |
| 4.5.2 D_2段系统梯级连溃模型及计算结果 |
| 4.6 本章小结 |
| 5 单元水库失效风险估计与评价 |
| 5.1 引言 |
| 5.2 超标准洪峰频率分析 |
| 5.2.1 统计学的极值理论 |
| 5.2.2 洪水极值分析的基本方法 |
| 5.2.3 Monte Carlo模拟方法 |
| 5.2.4 水库超标准洪峰分布特征分析 |
| 5.3 水库失效风险率估计理论方法 |
| 5.3.1 随机变量特征值分布 |
| 5.3.2 模拟过程 |
| 5.3.3 具体步骤 |
| 5.4 水库调洪最高水位随机分布特征分析 |
| 5.4.1 洪水特征值统计分析 |
| 5.4.2 入库洪水过程的生成 |
| 5.4.3 调洪最高水位随机分布特征 |
| 5.5 基于不同建设时期的单元水库失效风险率估计 |
| 5.5.1 第一阶段建设水库失效风险率 |
| 5.5.2 第二阶段建设水库失效风险率 |
| 5.5.3 第三阶段建设水库失效风险率 |
| 5.6 薄弱性工程识别结果对比 |
| 5.6.1 基于概率统计分析的薄弱性工程识别 |
| 5.6.2 结果对比 |
| 5.7 本章小结 |
| 6 梯级水库群系统失效风险估计与评价 |
| 6.1 引言 |
| 6.2 梯级系统失效的一般模式 |
| 6.2.1 梯级系统失效特性 |
| 6.2.2 基于贝叶斯网络的系统失效概率解析分析 |
| 6.3 系统节点失效概率的求解 |
| 6.4 大渡河干流梯级系统失效风险率估计 |
| 6.4.1 基于贝叶斯网络模型的系统失效风险率估计 |
| 6.4.3 水库原设计参数下梯级系统失效风险率估计 |
| 6.4.4 水库建议设计参数梯级系统失效风险率估计 |
| 6.5 大渡河梯级水库群系统失效风险评价 |
| 6.5.1 基于特级水库风险控制标准的失效风险评价 |
| 6.5.2 基于生命风险损失的系统失效风险评价 |
| 6.6 本章小结 |
| 7. 结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（5）基于贝叶斯网络的大型星载展开天线多状态可靠性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 星载天线展开系统可靠性发展状况 |
| 1.3 可靠性分析数学模型 |
| 1.4 系统可靠性建模方法 |
| 1.5 论文的内容安排 |
| 第二章 贝叶斯网络概述 |
| 2.1 贝叶斯网络简介 |
| 2.2 贝叶斯网络理论基础 |
| 2.3 贝叶斯网络基本原理 |
| 2.4 贝叶斯网络中的独立关系 |
| 2.5 本章小结 |
| 第三章 贝叶斯网络推理 |
| 3.1 贝叶斯网络推理算法简介 |
| 3.2 精确推理算法 |
| 3.3 近似推理算法 |
| 3.4 本章小结 |
| 第四章 星载天线展开系统贝叶斯网络建模与可靠性分析 |
| 4.1 星载天线展开系统贝叶斯网络模型的建立 |
| 4.1.1 贝叶斯网络模型拓扑结构的建立 |
| 4.1.2 贝叶斯网络根节点先验概率的确定 |
| 4.2 简单贝叶斯网络模型多状态可靠性计算 |
| 4.3 星载天线展开系统多状态可靠性计算 |
| 4.4 星载天线展开系统贝叶斯网络模型根节点概率重要度 |
| 4.5 本章小结 |
| 第五章 关键失效事件多状态可靠性分析 |
| 5.1 随机结构模糊状态的可靠性分析方法 |
| 5.2 旋转关节转动功能多状态可靠性分析 |
| 5.2.1 旋转关节转动功能可靠性数学建模 |
| 5.2.2 旋转关节转动功能多状态可靠性计算 |
| 5.3 绳索牵引装置多状态可靠性分析 |
| 5.3.1 绳索牵引装置可靠性数学建模 |
| 5.3.2 绳索牵引装置多状态可靠性计算 |
| 5.4 同步齿轮传动多状态可靠性分析 |
| 5.4.1 同步齿轮传动可靠性数学建模 |
| 5.4.2 同步齿轮传动多状态可靠性计算 |
| 5.5 本章小结 |
| 第六章 星载天线展开系统可靠性预测软件 |
| 6.1 软件简介 |
| 6.2 可靠性预测软件可靠度计算模块功能 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 致谢 |
| 参考文献 |
（6）信度网对于不确定知识的表达及推理（论文提纲范文）
| 一、信度网的提出和原理 |
| 二、信度网推理 |
| 三、信度网学习 |
| 四、信度网应用 |
（7）ATIS故障诊断系统设计及其诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究现状 |
| 1.2.1 ATIS系统应用现状 |
| 1.2.2 故障诊断技术研究现状 |
| 1.3 本文的研究工作和主要内容 |
| 1.4 本章小结 |
| 第2章 ATIS监控管理系统分析 |
| 2.1 ATIS系统概述 |
| 2.2 监控管理系统需求分析 |
| 2.3 监控管理系统功能分析 |
| 2.4 监控管理系统架构及其设备组成 |
| 2.4.1 监控管理系统总体构成 |
| 2.4.2 车辆/机车电子标签(TAG) |
| 2.4.3 地面识别设备(AEI) |
| 2.4.4 车站集中控制与车号处理系统(CPS主机) |
| 2.4.5 标签编程设备 |
| 2.5 本章小结 |
| 第3章 故障诊断相关理论与方法 |
| 3.1 故障及故障诊断的基本概述 |
| 3.2 故障诊断技术的方法 |
| 3.2.1 基于事件树/故障树的故障诊断方法 |
| 3.2.2 基于专家系统的故障诊断方法 |
| 3.2.3 基于模糊逻辑的故障诊断方法 |
| 3.2.4 基于BP神经网络的故障诊断方法 |
| 3.3 基于信度网的故障诊断方法 |
| 3.3.1 信度网的表示 |
| 3.3.2 给定结构信度网的参数学习算法 |
| 3.3.3 基于时序动态信度网故障诊断 |
| 3.4 本章小结 |
| 第4章 ATIS故障诊断系统设计 |
| 4.1 ATIS故障诊断系统的需求分析 |
| 4.2 ATIS故障诊断系统总体结构设计 |
| 4.3 故障诊断知识获取子系统 |
| 4.3.1 故障诊断知识的构成 |
| 4.3.2 知识库的设计 |
| 4.3.3 故障知识管理 |
| 4.3.4 ATIS系统的故障现象及其分析 |
| 4.4 故障诊断推理子系统 |
| 4.4.1 机器学习模块 |
| 4.4.2 故障现象解释模块 |
| 4.5 故障诊断辅助子系统 |
| 4.5.1 用户管理模块 |
| 4.5.2 维修记录管理模块 |
| 4.7 本章小结 |
| 第5章 ATIS系统故障诊断建模与仿真 |
| 5.1 基于信度网的ATIS系统故障建模 |
| 5.1.1 故障树向信度网络的转化算法 |
| 5.1.2 ATIS系统故障树的构建 |
| 5.1.3 ATIS系统故障信度网的构建 |
| 5.2 基于MATLAB的BNT工具箱简介 |
| 5.2.1 BNT工具箱中网络表示方法 |
| 5.2.2 BNT工具箱中的学习算法 |
| 5.3 ATIS故障诊断模型仿真实验 |
| 5.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及科研成果 |
（8）基于贝叶斯网络的配电系统可靠性评估（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 配电系统可靠性 |
| 1.1.1 配电系统的概念和特点 |
| 1.1.2 配电系统可靠性研究的意义 |
| 1.1.3 配电系统可靠性研究的任务 |
| 1.1.4 国内外配电系统可靠性研究的进展 |
| 1.2 贝叶斯网络概述 |
| 1.2.1 贝叶斯网络简介 |
| 1.2.2 贝叶斯网络的理论基础 |
| 1.2.3 贝叶斯网络的基本原理 |
| 1.2.4 D-Separation判定准则 |
| 1.2.5 单连通和多连通贝叶斯网络 |
| 1.3 贝叶斯网络方法在配电网可靠性评估中的可行性和优越性 |
| 1.4 本文的主要工作 |
| 2 配电系统可靠性评估的基本原理 |
| 2.1 配电系统可靠性评估方法 |
| 2.2 配电系统可靠性评估的指标 |
| 2.2.1 负荷点的可靠性指标 |
| 2.2.2 系统的可靠性指标 |
| 2.3 配电系统可靠性评估的模型 |
| 2.3.1 二状态模型 |
| 2.3.2 三状态模型 |
| 2.3.3 七状态模型(简化成四状态模型) |
| 3 贝叶斯网络推理 |
| 3.1 贝叶斯网络推理简介 |
| 3.2 精确推理算法 |
| 3.2.1 基于Poly Tree消息传递算法 |
| 3.2.2 基于Conditioning算法的推理 |
| 3.2.3 基于Clique-tree propagation算法的推理 |
| 3.2.4 基于组合优化问题的求解方法 |
| 3.3 近似推理算法 |
| 3.3.1 随机模拟算法 |
| 3.3.2 基于搜索的算法 |
| 3.4 基于桶消元的贝叶斯网络推理算法的实现 |
| 3.4.1 基于桶消元的贝叶斯网络推理算法 |
| 3.4.2 推理程序的实现 |
| 4 基于贝叶斯网络的配电系统可靠性评估 |
| 4.1 贝叶斯网络模型 |
| 4.2 贝叶斯网络的建立 |
| 4.2.1 路径搜索方法 |
| 4.2.2 基本故障后果分类 |
| 4.2.3 树型链表的生成 |
| 4.2.4 贝叶斯网络的形成 |
| 4.3 基于贝叶斯网络的可靠性分析 |
| 4.3.1 单出线配电系统接线图 |
| 4.3.2 单出线配电系统的贝叶斯网络图 |
| 4.3.3 单出线配电系统的可靠性分析 |
| 4.3.4 程序的实现和程序界面 |
| 5 结论 |
| 参考文献 |
| 附录 |
| 在读期间发表的学术论文 |
| 作者简历 |
| 致谢 |
（9）基于抽样的贝叶斯网络推理算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 致谢 |
| 第一章 绪论 |
| 1.1 贝叶斯网络的起源与发展 |
| 1.2 贝叶斯网络 |
| 1.2.1 贝叶斯网络 |
| 1.2.2 贝叶斯网络的构造过程 |
| 1.2.3 贝叶斯网络的类型 |
| 1.2.4 贝叶斯网络的应用 |
| 1.3 动态贝叶斯网络 |
| 1.4 课题来源和本文组织 |
| 1.4.1 课题来源 |
| 1.4.2 本文组织 |
| 第二章 贝叶斯网络的推理 |
| 2.1 贝叶斯网络的研究内容 |
| 2.2 贝叶斯网络的推理 |
| 2.2.1 贝叶斯网络的精确推理 |
| 2.2.2 贝叶斯网络的近似推理 |
| 2.3 贝叶斯网络的联合树推理 |
| 2.3.1 相关概念 |
| 2.3.2 联合树推理算法 |
| 2.4 动态贝叶斯网络的推理 |
| 2.4.1 动态贝叶斯网络的精确推理 |
| 2.4.2 动态贝叶斯网络的近似推理 |
| 2.5 本章小结 |
| 第三章 贝叶斯网络的 MCMC推理算法研究 |
| 3.1 引言 |
| 3.2 MCMC算法与 Gibbs抽样 |
| 3.2.1 MCMC算法 |
| 3.2.2 Gibbs抽样 |
| 3.3 基于 MPI的主从式并行 MCMC推理 |
| 3.3.1 PMCMC的程序结构 |
| 3.3.2 PMCMC的任务分配 |
| 3.3.3 完全条件分布的选择 |
| 3.4 实验结果及分析 |
| 3.4.1 问题描述 |
| 3.4.2 实验环境及评价标准 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 动态贝叶斯网络的粒子滤波推理 |
| 4.1 引言 |
| 4.2 粒子滤波和粒子群算法 |
| 4.2.1 粒子滤波算法 |
| 4.2.2 粒子群优化算法 |
| 4.3 基于 PSO的进化粒子滤波推理 |
| 4.3.1 编码机制 |
| 4.3.2 适应度函数的选择 |
| 4.3.3 EPF算法的主要思想 |
| 4.3.4 EPF算法描述 |
| 4.4 实验结果及分析 |
| 4.4.1 问题描述 |
| 4.4.2 参数设置与实验环境 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作总结 |
| 5.2 进一步的研究工作 |
| 参考文献 |
| 攻读硕士期间重要科研工作及成果 |
（10）面向设备管理的机电设备状态监测与故障诊断技术研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题意义 |
| 1.2 状态监测与故障诊断技术的现状与进展 |
| 1.3 课题的来源和研究内容 |
| 1.3.1 课题的来源 |
| 1.3.2 论文的主要工作 |
| 第二章 机电设备非平稳信号的特征提取与故障诊断应用 |
| 2.1 非平稳信号的自适应处理——Hilbert-Huang变换 |
| 2.1.1 瞬时频率的概念 |
| 2.1.2 经验模式分解 |
| 2.1.3 Hilbert-Huang变换 |
| 2.2 Hilbert-Huang变换的工程应用 |
| 2.3 SVD降噪对经验模式分解效果的影响 |
| 2.3.1 相空间重构和奇异值分解 |
| 2.3.2 基于奇异熵的降噪阶次合理确定 |
| 2.3.3 工程应用 |
| 2.4 基于经验模式分解的相位解调 |
| 2.4.1 相位调制 |
| 2.4.2 基于EMD的相位解调算法研究 |
| 2.5 Hilbert-Huang变换的局限性 |
| 2.5.1 HHT变换在微弱信号处理中的局限性 |
| 2.5.2 HHT变换在小频率比混合信号处理中的局限性 |
| 2.6 本章小节 |
| 第三章 机电设备故障信息的独立化提取 |
| 3.1 机电设备测试信号的混合模型 |
| 3.2 工程测试混合信号的分离方法 |
| 3.3 盲源分离理论及其实现 |
| 3.4 基于ICA和HHT的机械振动信号时频域特征净化方法及其应用 |
| 3.4.1 基于ICA-HHT的转子监测系统传感器失效检测 |
| 3.4.2 转子早期碰摩故障诊断 |
| 3.5 机械振动信号变换域盲源分离的可行性 |
| 3.6 振动频谱盲源分离的工程应用 |
| 3.6.1 基于FastICA算法的传感器失效检测 |
| 3.6.2 转子早期碰摩故障诊断 |
| 3.7 本章小结 |
| 第四章 基于贝叶斯网络的机电设备故障诊断方法 |
| 4.1 前言 |
| 4.2 贝叶斯网络理论 |
| 4.2.1 贝叶斯网络定义 |
| 4.2.2 贝叶斯网络推理 |
| 4.2.3 贝叶斯网络学习 |
| 4.3 基于贝叶斯网络的机械故障诊断模型与诊断推理 |
| 4.3.1 用贝叶斯网络描述机械故障诊断知识 |
| 4.3.2 贝叶斯网络诊断模型 |
| 4.3.3 故障诊断的贝叶斯网络推理 |
| 4.4 本章小结 |
| 第五章 汽轮机振动故障多征兆模糊诊断方法 |
| 5.1 模糊关系诊断方法 |
| 5.1.1 模糊关系诊断方法概述 |
| 5.1.2 征兆隶属度函数的构造 |
| 5.2 振动故障模糊聚类分析 |
| 5.2.1 模糊C均值聚类方法 |
| 5.2.2 模糊聚类诊断过程 |
| 5.2.3 模糊C均值聚类方法计算 |
| 5.2.4 模糊聚类诊断实例 |
| 5.3 基于CLIPS的汽轮机振动故障多征兆模糊诊断 |
| 5.3.1 多征兆模糊诊断知识库 |
| 5.3.2 汽轮机故障特征转化为CLIPS语言 |
| 5.3.3 推理机的实现 |
| 5.3.4 征兆证据的输入 |
| 5.3.5 故障诊断实例 |
| 5.4 本章小结 |
| 第六章 集成状态监测的设备管理信息系统的开发与应用 |
| 6.1 前言 |
| 6.2 集成系统设计思想 |
| 6.3 系统框架 |
| 6.4 具体技术方案 |
| 6.5 功能介绍 |
| 6.5.1 便携数采分析仪 |
| 6.5.2 服务器端管理软件 |
| 6.5.3 网络模式智能诊断与预测维修软件系统 |
| 6.5.4 设备管理信息系统 |
| 6.6 本章小结 |
| 第七章 结论与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、信度网近似推理算法(上)（论文参考文献）
- [1]船舶柴油机润滑系统故障诊断研究[D]. 任东平. 大连海事大学, 2020(01)
- [2]基于二元决策图和模糊推理的因果图故障诊断研究[D]. 肖苏. 重庆师范大学, 2019(08)
- [3]因果图的两种不精确推理探索[D]. 刘绍红. 重庆师范大学, 2017(01)
- [4]梯级水库洪灾风险分析理论方法研究[D]. 蔡文君. 大连理工大学, 2015(03)
- [5]基于贝叶斯网络的大型星载展开天线多状态可靠性分析[D]. 靳宁. 西安电子科技大学, 2011(08)
- [6]信度网对于不确定知识的表达及推理[J]. 蒋方明,曾玉. 科技信息, 2010(30)
- [7]ATIS故障诊断系统设计及其诊断技术研究[D]. 于涛. 西南交通大学, 2008(06)
- [8]基于贝叶斯网络的配电系统可靠性评估[D]. 谢云芳. 河北农业大学, 2008(08)
- [9]基于抽样的贝叶斯网络推理算法研究[D]. 杨峰. 合肥工业大学, 2008(11)
- [10]面向设备管理的机电设备状态监测与故障诊断技术研究[D]. 王正英. 天津大学, 2007(07)