Bayesian网络在制动系统故障诊断中的应用及系统开发

论文摘要

制动系统是汽车设备中至关重要的运行设备,其运行状态直接关系到人员的安全,因此,在制动系统运行状态检测的基础上展开故障诊断就显得尤为必要。但是,由于制动系统中存在很多错综复杂的相互关系,并存在大量的不确定因素及不确定信息,使得故障诊断较为困难。针对以上问题,本文对贝叶斯网络在液压制动系统故障诊断中的应用进行了研究。贝叶斯网络是目前不确定性知识表达和推理领域最有效的理论模型之一,适用于不确定性和概率推理的知识表达和推理。它是一种基于网络结构的有向图解描述,能进行双向并行推理,并能综合先验信息和样本信息,使得推理结果更为准确可信。因此,贝叶斯网络在故障诊断领域中的应用具有重要意义。本文以液压制动系统的故障诊断为研究对象,在对液压制动系统故障模式及原因分析的基础之上,提出了用贝叶斯网络来解决液压制动系统故障诊断的方法。根据多专家提供的规则进行贝叶斯网络结构学习,建立了基于贝叶斯网络的液压制动系统故障诊断分层结构模型,对模型的知识表达、建造方法进行了深入研究,同时也对贝叶斯网络基于团树传播的精确推理方法进行了论述。然后设计了贝叶斯网络故障诊断系统,并用c#语言实现了从建造贝叶斯网络结构,到进行诊断推理得出诊断结论整个过程。最后给出了一个例子来分析如何利用故障诊断系统进行故障诊断。经实验数据分析表明：本文的故障诊断系统诊断准确率高于模糊逻辑方法诊断准确率9.96个百分点,有效地解决了故障诊断中存在的不确定性问题,提高了诊断的准确率,从而验证了本文的故障诊断模型的有效性和具体的应用价值。

论文目录

摘要

ABSTRACT

第一章绪论

1.1 用贝叶斯网络来解决制动系统故障诊断问题

1.2 贝叶斯网络在制动系统故障诊断中的研究现状

1.3 贝叶斯网络在故障诊断中的应用

1.4 应用贝叶斯网络进行故障诊断的优势

1.5 本文组织结构

第二章贝叶斯网络理论

2.1 贝叶斯网络描述

2.1.1 贝叶斯网络定义

2.1.2 贝叶斯网络特征

2.2 贝叶斯网络建模

2.3 贝叶斯网络推理

2.3.1 团树传播算法

2.3.2 其他精确推理算法

2.3.3 近似推理算法

2.4 贝叶斯网络学习

第三章制动系统故障诊断中的不确定性分析

3.1 制动系统简介

3.1.1 制动系统的功能和组成

3.2 制动系统故障诊断面临的不确定性问题

3.3 不确定性问题分析

3.3.1 解决不确定性问题的常用方法

3.3.2 解决不确定性问题的常用方法比较

3.4 不确定推理

第四章故障诊断模型的建立及诊断推理

4.1 液压制动系统故障模式及原因分析

4.1.1 制动效能不良

4.1.2 制动突然失灵

4.1.3 制动发咬

4.1.4 制动跑偏

4.2 用贝叶斯网络描述故障诊断知识

4.3 贝叶斯网络模型的确定

4.3.1 故障诊断网络结构的确定

4.3.2 故障诊断网络参数的确定

4.4 基于贝叶斯网络液压制动系统故障诊断模型的建立

4.4.1 制动效能不良故障诊断模型

4.4.2 制动突然失灵故障诊断模型

4.4.3 制动发咬故障诊断模型

4.4.4 制动跑偏故障诊断模型

4.5 液压制动系统故障诊断的贝叶斯网络推理

第五章故障诊断系统的设计和实现

5.1 故障诊断系统的设计

5.1.1 系统总体设计

5.1.2 贝叶斯网络构建模块设计

5.1.3 诊断推理模块设计

5.1.4 其他辅助模块设计

5.2 故障诊断系统的实现

5.3 诊断实例分析

5.4 评价

第六章总结和展望

参考文献

致谢

相关论文文献

[1].均匀先验分布Bayesian自适应波束形成方法[J]. 信号处理 2020(05)
[2].Bayesian inference for ammunition demand based on Gompertz distribution[J]. Journal of Systems Engineering and Electronics 2020(03)
[3].Variational Inference Based Kernel Dynamic Bayesian Networks for Construction of Prediction Intervals for Industrial Time Series With Incomplete Input[J]. IEEE/CAA Journal of Automatica Sinica 2020(05)
[4].Fault prediction method for nuclear power machinery based on Bayesian PPCA recurrent neural network model[J]. Nuclear Science and Techniques 2020(08)
[5].Bayesian regularized quantile regression:A robust alternative for genome-based prediction of skewed data[J]. The Crop Journal 2020(05)
[6].Failure Statistics Analysis Based on Bayesian Theory: A Study of FPSO Internal Turret Leakage[J]. China Ocean Engineering 2019(01)
[7].Bayesian Analysis of Complex Mutations in HBV, HCV,and HIV Studies[J]. Big Data Mining and Analytics 2019(03)
[8].Hyperparameter Optimization for Machine Learning Models Based on Bayesian Optimization[J]. Journal of Electronic Science and Technology 2019(01)
[9].Comparison Between χ~2 and Bayesian Statistics with Considering the Redshift Dependence of Stretch and Color from JLA Data[J]. Communications in Theoretical Physics 2019(09)
[10].Bayesian Planning of Optimal Step-stress Accelerated Life Test for Log-location-scale Distributions[J]. Acta Mathematicae Applicatae Sinica 2018(01)
[11].Efficient Bayesian networks for slope safety evaluation with large quantity monitoring information[J]. Geoscience Frontiers 2018(06)
[12].A Novel Approach for QoS Prediction Based on Bayesian Combinational Model[J]. 中国通信 2016(11)
[13].Big Learning with Bayesian methods[J]. National Science Review 2017(04)
[14].MapReduce Based Parallel Bayesian Network for Manufacturing Quality Control[J]. Chinese Journal of Mechanical Engineering 2017(05)
[15].A Bayesian Based Process Monitoring and Fixture Fault Diagnosis Approach in the Auto Body Assembly Process[J]. Journal of Shanghai Jiaotong University(Science) 2016(02)
[16].Reliability Risk Evaluation Method for Complex Mechanical System Based on Optimal Bayesian Network[J]. Journal of Donghua University(English Edition) 2016(02)
[17].Simulation of Silty Clay Compressibility Parameters Based on Improved BP Neural Network Using Bayesian Regularization[J]. Earthquake Research in China 2020(03)
[18].Prediction of TBM jamming risk in squeezing grounds using Bayesian and artificial neural networks[J]. Journal of Rock Mechanics and Geotechnical Engineering 2020(01)
[19].Calibrate complex fracture model for subsurface flow based on Bayesian formulation[J]. Petroleum Science 2019(05)
[20].Semiparametric Bayesian Inference for Accelerated Failure Time Models with Errors-in-Covariates and Doubly Censored Data[J]. Journal of Systems Science & Complexity 2017(05)
[21].Nonlinear Bayesian Estimation:From Kalman Filtering to a Broader Horizon[J]. IEEE/CAA Journal of Automatica Sinica 2018(02)
[22].Bayesian Regularized Regression Based on Composite Quantile Method[J]. Acta Mathematicae Applicatae Sinica 2016(02)
[23].Bayesian Reliability Assessment and Degradation Modeling with Calibrations and Random Failure Threshold[J]. Journal of Shanghai Jiaotong University(Science) 2016(04)
[24].基于Bayesian多分支岩石可钻性值估计[J]. 中国石油大学学报(自然科学版) 2014(03)
[25].基于异常值检验的Bayesian方法验前信息可信度计算[J]. 科学技术与工程 2012(31)
[26].Application of Bayesian approach to hydrological frequency analysis[J]. Science China(Technological Sciences) 2011(05)
[27].Phylogeny of Devonian Lycopsids Inferred from Bayesian Phylogenetic Analyses[J]. Acta Geologica Sinica(English Edition) 2011(03)
[28].随机加速寿命试验的Bayesian分析[J]. 淮阴工学院学报 2009(03)
[29].Study of testability measurement method for equipment based on Bayesian network model[J]. Journal of Systems Engineering and Electronics 2009(05)
[30].Bayesian networks modeling for thermal error of numerical control machine tools[J]. Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal) 2008(11)

标签：贝叶斯网络论文; 故障诊断论文; 制动系统论文; 不确定性论文; 概率推理论文;

Bayesian网络在制动系统故障诊断中的应用及系统开发

论文摘要

论文目录

相关论文文献

猜你喜欢