基于推理和模糊贝叶斯网络的回转窑故障诊断方法研究

发布时间：2017-09-12 12:00

  本文关键词：基于推理和模糊贝叶斯网络的回转窑故障诊断方法研究

  更多相关文章： 贝叶斯网络 模糊理论 水泥回转窑 联合树算法 三角化问题

【摘要】：由于水泥回转窑是新型干法水泥生产线上最主要的设备之一,它的运行状况的正常与否直接关系着水泥的质量和产量,环境污染以及资源的消耗。首先,本文以水泥回转窑煅烧系统为研究对象,分析比较各种故障诊断技术的优缺点,结合贝叶斯网络在故障诊断中的优势,针对系统各个环节表现出的不确定性和多态性问题,提出利用贝叶斯网络对多态水泥回转窑煅烧系统进行故障诊断分析。用传统的贝叶斯网络建立了水泥回转窑煅烧系统故障诊断模型,并且对该网络进行参数学习以及推理计算。其次,由于系统各个部件在不同状态下的故障概率往往很难获得,呈现出模糊性,针对这一种情况,本文提出将模糊理论与贝叶斯网络相结合,利用模糊贝叶斯网络对多态水泥回转窑煅烧系统进行故障诊断分析。再次,由于贝叶斯网络面向应用的第一步就是贝叶斯网络推理,然而无论是精确推理还是近似推理都是NP难解问题,也就是很难攻克的难题。联合树算法是贝叶斯网络中最常用的精确推理算法,然而由于它在转换结构的过程中具有不唯一性,因此寻找最优的联合树也是一个NP难解问题。针对这一种情况,本文提出了基于最小缺边搜索算法的联合树算法以及构造了一种新算法,并将其应用到团树构造中,从而来解决贝叶斯网络三角化过程中的节点删除顺序问题,进而找到最优的联合树结构。通过与旧算法比较,新算法表现出较好的性能,由于时间关系,没有能把新改进的推理算法应用到水泥回转窑中。最后,指出了消元顺序与旅行商问题之间的相同点和不同点,只是在理论上验证了可行性。
【关键词】：贝叶斯网络 模糊理论 水泥回转窑 联合树算法 三角化问题
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ172.622
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题研究背景和意义10
• 1.2 故障诊断技术的研究现状10-12
• 1.3 故障诊断中贝叶斯网络研究现状12-13
• 1.4 水泥回转窑故障诊断研究现状13-14
• 1.5 论文章节安排与主要研究内容14-16
• 第2章 贝叶斯网络和模糊理论基本理论16-28
• 2.1 贝叶斯网络基础知识和学习算法16-20
• 2.1.1 贝叶斯网络的基础知识16-18
• 2.1.2 贝叶斯网络的学习算法18-20
• 2.2 应用贝叶斯网络进行故障诊断的优势20-21
• 2.3 贝叶斯网络的推理以及例子21-25
• 2.4 模糊理论基本概念及特点25-26
• 2.5 模糊贝叶斯网络的推理步骤26
• 2.6 本章小结26-28
• 第3章 水泥回转窑煅烧系统研究28-38
• 3.1 水泥回转窑的结构和工作原理28-29
• 3.2 水泥回转窑煅烧系统中的多态性的模糊性问题29-31
• 3.2.1 多态系统以及多态贝叶斯网络的概述29-30
• 3.2.2 水泥回转窑煅烧系统进行多态分析的必要性30-31
• 3.3 基于贝叶斯网络的水泥回转窑煅烧系统故障诊断模型的建立31-35
• 3.3.1 水泥回转窑煅烧系统常见故障分析31
• 3.3.2 故障诊断知识的提取和描述31-32
• 3.3.3 水泥回转窑煅烧系统故障诊断模型的建立32-35
• 3.4 水泥回转窑系统传统贝叶斯网络分析35-37
• 3.5 本章小结37-38
• 第4章 模糊贝叶斯网络的应用38-46
• 4.1 多态水泥回转窑煅烧系统贝叶斯网络模型的建立38
• 4.2 多态水泥回转窑煅烧系统贝叶斯网络模型分析38-43
• 4.2.1 模型中节点状态的描述38-39
• 4.2.2 模型中先验概率值的获取39-42
• 4.2.3 模型中条件概率表的确定42-43
• 4.3 多态水泥回转窑煅烧系统的故障诊断推理43-45
• 4.4 本章小结45-46
• 第5章 改进的贝叶斯网络推理算法46-55
• 5.1 联合树算法的基本概念46-48
• 5.2 贝叶斯网络的最优三角化算法研究48-49
• 5.3 改进的推理算法49-53
• 5.3.1 基于最小缺边搜索算法的联合树算法（mds-jtree）49-50
• 5.3.2 基于新构建消元顺序的算法的联合树算法50-53
• 5.3.3 遗传算法解决旅行商问题与寻找消元序列问题53
• 5.4 本章小结53-55
• 结论55-57
• 参考文献57-62
• 致谢62

【相似文献】

中国硕士学位论文全文数据库 前2条

1 史永红;基于推理和模糊贝叶斯网络的回转窑故障诊断方法研究[D];燕山大学;2016年

2 黄东平;基于模糊贝叶斯网络的食品安全控制知识推理模型的研究[D];华南理工大学;2010年

，

本文编号：837075