汽车发动机故障诊断中不确定性问题的贝叶斯网络解法

论文题目: 汽车发动机故障诊断中不确定性问题的贝叶斯网络解法

论文类型: 博士论文

论文专业: 计算机应用技术

作者: 张晓丹

导师: 赵海

关键词: 不确定性问题,信息融合,故障诊断融合模型,贝叶斯网络,发动机故障诊断

文献来源: 东北大学

发表年度: 2005

论文摘要: 在故障诊断领域，不确定性问题占多数，主要是由诊断对象的复杂性、测试手段的局限性、知识的不精确等原因导致的。特别是汽车发动机这种大型复杂的机电设备，其构件之间及构件内部都存在很多错综复杂、关联耦合的相互关系，不确定性因素和不确定性信息充斥其间，其故障可能是多故障、关联故障等多种复杂形式。因此，解决不确定性问题是目前汽车发动机故障诊断中的首要问题。常用的解决不确定性问题的方法包括贝叶斯方法、模糊集理论、证据理论等，经Agre G等多位专家的分析研究，基于贝叶斯理论的贝叶斯网络是目前解决不确定性问题的最有效的方法。本文以发动机故障诊断中不确定问题为研究背景，以Audi A6 1.8L型发动机为应用研究对象，提出了用于解决不确定性问题的故障诊断结构模型和功能模型，并对模型的知识表达、建造方法进行了深入研究，提出了贝叶斯网络融合算法。为了获得更高准确率的故障诊断结果，针对故障诊断中传感器传输数据的时序性特点，采用在线学习的思想，对贝叶斯网络结构进行改进。以MLE方法进行参数学习。并通过图搜索算法，推理得出产生故障的节点，获得高效、准确的诊断结果。在应用中，将故障诊断融合模型及融合算法应用在汽车发动机故障诊断实际过程中。通过多个实验表明，在发动机运行工况下，故障诊断融合模型的诊断准确率优于传统的专家系统方法和学习前的贝叶斯网络方法，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。从而验证了故障诊断融合模型及算法的有效性和应用价值。

论文目录:

独创性声明

摘要

Abstract

第一章引言

1.1 问题提出

1.2 本文章节安排

第二章不确定性问题解法比较

2.1 发动机故障诊断面临的不确定性问题

2.2 不确定性信息及推理

2.2.1 信息的不确定性

2.2.2 不确定性推理

2.2.3 解决不确定性问题常用方法

2.2.4 不确定性算法比较

2.2.5 不确定性推理发展

2.3 信息融合技术

2.3.1 融合的级别

2.3.2 信息融合的主要方法

2.3.3 主要应用领域及研究进展

2.3.4 国内外研究进展

2.4 本章小结

第三章故障诊断融合模型

3.1 故障诊断的融合体系结构

3.1.1 并联融合结构和串联融合结构

3.1.2 硬判定融合与软判定融合

3.1.3 多层诊断融合结构

3.2 故障诊断融合功能模型

3.2.1 融合功能模型的形式化描述

3.2.2 诊断融合模型

3.3 本章小结

第四章诊断模型的贝叶斯网络算法实现

4.1 诊断融合系统的不确定性

4.2 贝叶斯网络模型

4.2.1 贝叶斯网络的提出

4.2.2 贝叶斯网络的描述

4.2.3 贝叶斯网络的研究课题及应用

4.3 故障诊断功能模型的贝叶斯网络表示

4.4 故障诊断的贝叶斯网络推理

4.4.1 传统贝叶斯网络推理

4.4.2 故障诊断的贝叶斯网络推理算法

4.5 本章小结

第五章故障诊断的贝叶斯网络学习

5.1 贝叶斯网络学习

5.1.1 故障诊断的贝叶斯网络结构在线学习

5.1.2 在线式贝叶斯网络结构学习算法

5.2 故障诊断的贝叶斯网络参数学习

5.2.1 常用参数学习方法

5.2.2 故障诊断参数学习方法

5.3 本章小结

第六章应用与评价

6.1 发动机的基本原理

6.2 故障诊断融合模型运行系统

6.2.1 故障诊断融合模型的基本功能

6.2.2 运行环境

6.3 故障诊断融合系统的设计与实现

6.4 诊断结果对照

6.4.1 学习前贝叶斯网络诊断方法

6.4.2 专家系统方法

6.4.3 故障诊断融合方法

6.4.4 单一故障诊断对比

6.5 分析及评价

6.6 本章小结

第七章总结和展望

7.1 论文总结

7.2 有待深入研究的问题

7.3 评审意见修改说明

参考文献

致谢

攻博期间主要工作及贡献

发布时间: 2006-10-25

参考文献

[1].基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D]. 李增芳.浙江大学2004
[2].基于优化支持向量机模型的发动机故障诊断[D]. 聂立新.东北大学2015
[3].车辆状态监测与故障诊断新方法研究[D]. 刘应吉.东北大学2008

汽车发动机故障诊断中不确定性问题的贝叶斯网络解法

猜你喜欢