基于贝叶斯网络的电机故障诊断研究

发布时间：2017-03-19 09:01

  本文关键词：基于贝叶斯网络的电机故障诊断研究，由笔耕文化传播整理发布。

【摘要】：贝叶斯网络是为了处理人工智能研究中的不确定性问题而发展起来的。它是将概率统计理论应用于复杂领域进行不确定性推理和数据分析的工具。近年来,贝叶斯网络决策支持理论得到了迅速发展,其技术已经成功运用于金融、语音识别、机器人等领域。在应用贝叶斯网络时,贝叶斯网络结构的构建是核心问题,但是目前仍然缺乏成熟的贝叶斯网络结构学习算法,因此利用新型高效的算法解决贝叶斯网络结构寻优问题具有重要意义。本文针对贝叶斯网络结构学习问题进行了深入研究,将新近提出的布谷鸟搜索算法运用到贝叶斯网络结构学习问题中,同时融合先进的搜索策略形成一种新型的贝叶斯网络结构学习算法,并将该算法构建的贝叶斯网络分类器运用于异步电机的故障诊断中。首先,文章阐述了贝叶斯网络的起源与发展,介绍了贝叶斯网络的研究现状以及应用贝叶斯网络解决问题的优越性,并对贝叶斯网络的基本理论展开综述。然后,在贝叶斯网络构建问题上,将新近提出的布谷鸟搜索算法应用于贝叶斯网络结构学习中,在互信息理论的基础上,给出一种基于二进制Levy飞行的网络结构随机进化方法；并在布谷鸟搜索算法中引入竞争机制,以提高算法性能。其次,在介绍希尔伯特黄变换的基础上给出了异步电机定子电流信号的边际谱特征提取方法。并阐述了对边际谱进行量化的方法,最后得出相关特征向量。最后,结合异步电机定子电流的Hilbert边际谱特征和布谷鸟搜索算法得到的贝叶斯网络分类器结构对异步电机转子断条故障诊断进行建模分析,实验表明,该故障诊断模型十分有效,诊断准确率高。
【关键词】：贝叶斯网络 布谷鸟算法 结构学习 异步电机 故障诊断
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM307;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-13
• 1.1 贝叶斯网络的起源与发展9
• 1.2 贝叶斯网络的研究现状和研究意义9-11
• 1.3 论文的主要内容与结构介绍11-13
• 第2章 贝叶斯网络的基本理论13-25
• 2.1 贝叶斯网络基础知识13-17
• 2.1.1 概率论基础13-14
• 2.1.2 有向分割与条件独立14-15
• 2.1.3 信息理论15-16
• 2.1.4 贝叶斯网络的表示16-17
• 2.2 贝叶斯网络学习17-21
• 2.2.1 参数学习17-18
• 2.2.2 结构学习18-21
• 2.3 贝叶斯网络分类器介绍21-24
• 2.3.1 朴素贝叶斯分类器22-23
• 2.3.2 增广朴素贝叶斯分类器23
• 2.3.3 BAN分类器及其构建23-24
• 2.4 本章小节24-25
• 第3章 基于布谷鸟搜索算法的贝叶斯网络结构学习25-40
• 3.1 布谷鸟搜索算法简介25-28
• 3.2 基于布谷鸟搜索算法的贝叶斯网络结构学习28-39
• 3.2.1 基于Levy飞行的随机贝叶斯网络结构更新算法28-30
• 3.2.2 自适应阈值的布谷鸟搜索30-31
• 3.2.3 改进布谷鸟搜索算法的实现步骤31-34
• 3.2.4 算法实验34-39
• 3.3 本章小结39-40
• 第4章 基于贝叶斯网络的异步机故障诊断40-57
• 4.1 异步电机转子断条故障简介40-43
• 4.2 基于HHT的电机故障特征提取43-48
• 4.2.1 希尔伯特黄变换方法基本理论43-46
• 4.2.2 连续数据的离散化处理46-47
• 4.2.3 基于HHT的电机故障特征提取过程47-48
• 4.3 基于贝叶斯网络的异步机故障诊断48-56
• 4.3.1 边际谱特征提取50-54
• 4.3.2 故障诊断效果54-56
• 4.4 本章小结56-57
• 第5章 总结与展望57-59
• 参考文献59-63
• 作者在攻读硕士期间发表,收录及完成的论文63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 赵志祥;周德邻;;数据调整的贝叶斯方法在微观核数据评价中的应用[J];核科学与工程;1985年01期

2 丁以华;;贝叶斯方法的发展及其存在问题[J];质量与可靠性;1986年01期

3 王宏洲;引信的可靠性评定——贝叶斯方法和经验贝叶斯方法[J];现代引信;1989年02期

4 吴伯贤;;贝叶斯方法在洪水频率分析中的应用[J];成都科技大学学报;1990年01期

5 张家新,王自力;贝叶斯方法在船体结构疲劳分析中的应用[J];造船技术;2000年05期

6 陈晓怀,程真英,刘春山;动态测量误差的贝叶斯建模预报[J];仪器仪表学报;2004年S1期

7 黎红;陶勇;;基于主观贝叶斯方法的装备故障概率分析[J];国防技术基础;2009年02期

8 冯为民;朱俊;李嘉荣;;贝叶斯方法在房地产风险决策中的应用研究[J];重庆建筑大学学报;2006年02期

9 鲁华;周德云;;贝叶斯网络的对地多目标攻击决策[J];火力与指挥控制;2008年07期

10 汪力;叶桦;夏良正;;贝叶斯框架下的人的检测[J];东南大学学报(自然科学版);2007年S1期

中国重要会议论文全文数据库 前10条

1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年

2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集（下）[C];2001年

5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年

7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集（Ⅰ）[C];2008年

9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年

10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阚英男;基于网格近似法的数控机床贝叶斯可靠性评估研究[D];吉林大学;2015年

2 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年

3 黄友平;贝叶斯网络研究[D];中国科学院研究生院（计算技术研究所）;2005年

4 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年

5 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年

6 李小琳;面向智能数据处理的贝叶斯网络研究与应用[D];吉林大学;2005年

7 江敏;贝叶斯优化算法的若干问题研究及应用[D];上海大学;2012年

8 胡笑旋;贝叶斯网建模技术及其在决策中的应用[D];合肥工业大学;2006年

9 何岩;统计稀疏学习中的贝叶斯非参数建模方法及应用研究[D];浙江大学;2012年

10 范敏;基于贝叶斯网络的学习与决策方法研究及应用[D];重庆大学;2008年

中国硕士学位论文全文数据库 前10条

1 张路路;贝叶斯网络系统可靠性分析及故障诊断方法研究[D];山东建筑大学;2015年

2 徐冰;基于贝叶斯网络的传染病时空预警模型研究[D];长安大学;2015年

3 李艳强;基于不确定理论的酸洗线和镀锌线的视情维修策略研究[D];河北工程大学;2015年

4 王芸;贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用[D];南京财经大学;2015年

5 侯欢欢;基于贝叶斯网络城市埋地燃气管线风险评价研究[D];首都经济贸易大学;2015年

6 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年

7 李福伟;贝叶斯压缩感知理论与技术[D];电子科技大学;2015年

8 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年

9 杨祥睿;基于贝叶斯网络的船撞桥风险评估研究[D];重庆交通大学;2015年

10 汤玉利;贝叶斯反问题的MAP估计及其一致性[D];上海交通大学;2015年

  本文关键词：基于贝叶斯网络的电机故障诊断研究，由笔耕文化传播整理发布。

，

本文编号：255786