基于证据理论和贝叶斯网络的液压系统可靠性建模及分析

发布时间：2017-03-16 20:05

  本文关键词：基于证据理论和贝叶斯网络的液压系统可靠性建模及分析，由笔耕文化传播整理发布。

【摘要】：由于结构复杂、现场数据与试验数据等故障统计数据缺乏、人的认知水平不足等导致液压系统存在不确定性的问题,同时,实际液压系统有多性能、多故障状态等多态性问题,采用证据理论描述不确定性、利用贝叶斯网络的双向推理优势,提出基于证据理论和静态贝叶斯网络的可靠性建模及分析方法;进而,液压系统的故障关系存在优先相关性、功能相关性、顺序相关性及由系统冗余带来的备件门逻辑关系(冷备件、热备件、温备件等)等动态时序性的特点,静态贝叶斯网络难以对具有时间参数的动态系统进行可靠性建模及分析,提出基于证据理论和离散时间贝叶斯网络的可靠性建模及分析方法,为具有不确定性、多态性、动态时序性等特征的液压系统可靠性建模及分析提供依据。针对液压系统的不确定性和多态性,提出基于证据理论和静态贝叶斯网络可靠性建模及分析方法,采用证据理论的似然概率和信任概率分别描述根节点的故障概率上、下限,进而给出了叶节点的故障率和故障概率、叶节点的不确定度、根节点状态的后验故障率和后验故障概率、根节点重要度、根节点的认知重要度和根节点的灵敏度的计算方法。通过液压系统可靠性实例分析,验证所提方法具有较强描述不确定性信息能力。针对液压系统的不确定性和动态时序性,提出基于证据理论和离散时间贝叶斯网络的可靠性建模及分析方法,给出了不同时刻元件的故障概率求解方法、静态逻辑门和动态逻辑门向离散时间贝叶斯网络转化的方法,采用证据理论模型描述根节点的故障概率,给出了系统不同时刻的信任可靠度、似然可靠度和根节点不同时刻的信任后验概率、似然后验概率等可靠性指标的贝叶斯网络推理计算方法。最后,对斗轮机俯仰液压系统进行了可靠性建模及分析。
【关键词】：液压系统可靠性 不确定性 动态时序性 证据理论 离散时间贝叶斯网络
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH137;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-21
• 1.1 课题研究背景及意义11-12
• 1.2 不确定性量化及证据理论模型12-14
• 1.2.1 不确定性量化模型12-14
• 1.2.2 证据理论模型14
• 1.3 贝叶斯网络方法在可靠性分析中研究现状14-18
• 1.3.1 静态贝叶斯网络15-16
• 1.3.2 动态贝叶斯网络16-18
• 1.4 课题来源18
• 1.5 研究思路与内容安排18-21
• 1.5.1 问题提出18
• 1.5.2 研究思路18-19
• 1.5.3 内容安排19-21
• 第2章 不确定性量化的区间模型及证据理论模型21-28
• 2.1 不确定性的特征及类型21-22
• 2.2 区间模型22-24
• 2.2.1 不确定性信息的区间描述方法22-23
• 2.2.2 区间分析运算规则23-24
• 2.3 证据理论24-27
• 2.3.1 识别框架24
• 2.3.2 基本概率分配函数24-25
• 2.3.3 信任及似然函数25-26
• 2.3.4 合成规则26-27
• 2.4 本章小结27-28
• 第3章 基于证据理论和静态贝叶斯网络的可靠性建模及分析28-63
• 3.1 贝叶斯网络的描述及建模28-34
• 3.1.1 贝叶斯网络的描述28-31
• 3.1.2 贝叶斯网络的建模31-34
• 3.2 基于证据理论和静态贝叶斯网络的建模34-36
• 3.2.1 认知不确定性下贝叶斯网络节点模型34-35
• 3.2.2 基于证据理论和静态贝叶斯网络的叶节点的故障率或故障概率35-36
• 3.3 算法的提出36-46
• 3.3.1 叶节点的故障率和故障概率38-39
• 3.3.2 根节点状态的后验故障率和后验故障概率39-40
• 3.3.3 根节点的概率重要度40-41
• 3.3.4 根节点的关键重要度41-42
• 3.3.5 根节点的灵敏度42-43
• 3.3.6 根节点的认知重要度43-44
• 3.3.7 算法验证44-46
• 3.4 液压系统可靠性建模及分析实例46-62
• 3.4.1 根节点的后验故障率55-56
• 3.4.2 根节点的重要度56-60
• 3.4.3 根节点的灵敏度60-61
• 3.4.4 根节点的认知重要度61
• 3.4.5 结果分析61-62
• 3.5 本章小结62-63
• 第4章 基于证据理论和离散时间贝叶斯网络可靠性建模及分析63-88
• 4.1 动态故障树分析方法及动态逻辑门63-65
• 4.2 基于离散时间贝叶斯网络的描述65-74
• 4.2.1 离散时间贝叶斯网络建模66-68
• 4.2.2 静态逻辑门向离散时间贝叶斯网络转化68-70
• 4.2.3 动态逻辑门向离散时间贝叶斯网络转化70-74
• 4.3 算法提出74-79
• 4.3.1 叶节点的故障率和故障概率74-75
• 4.3.2 叶节点状态的后验故障概率75-76
• 4.3.3 算法验证76-79
• 4.4 斗轮机俯仰液压系统可靠性建模及分析79-87
• 4.4.1 离散时间贝叶斯网络建模80-82
• 4.4.2 离散时间条件概率表82-85
• 4.4.3 基于离散时间贝叶斯网络可靠性建模及分析85-87
• 4.5 本章小结87-88
• 结论88-90
• 参考文献90-96
• 攻读硕士学位期间承担的科研任务与主要成果96-97
• 致谢97-98
• 作者简介98

【参考文献】

中国期刊全文数据库 前1条

1 吕明荟;李毅民;;斗轮堆取料机的发展趋势[J];港口装卸;2008年02期

中国硕士学位论文全文数据库 前1条

1 刘娟;基于信度函数分形维数的模式识别研究[D];西南大学;2014年

  本文关键词：基于证据理论和贝叶斯网络的液压系统可靠性建模及分析，，由笔耕文化传播整理发布。

本文编号：252260