基于贝叶斯网络和多源信息构建可靠性分析模型方法研究

发布时间：2017-09-29 12:13

  本文关键词：基于贝叶斯网络和多源信息构建可靠性分析模型方法研究

  更多相关文章： 贝叶斯网络 可靠性分析 结构矩阵 模糊群决策 性能监测

【摘要】：可靠性是标示产品技术水平的重要指标。提高产品可靠性水平是提升制造业核心竞争力的关键。可靠性分析是产品可靠性设计的重要依据,是提高产品可靠性水平的根本措施。传统的可靠性分析方法对复杂系统中普遍存在的描述事物的多态性、逻辑关系不确定性和部件失效相关性等问题分析效果不佳。贝叶斯网络具有坚实的理论基础,并且适用于表达和分析不确定性事物,因而在可靠性分析领域得到推广应用。但是,在利用贝叶斯网络对系统进行可靠性分析时,常常由于数据缺乏而导致建模困难。为了解决这一问题,本论文研究对传统可靠性分析方法的分析结果、专家意见和现场数据等来源各异、类型不同的多源信息进行分析、处理,用于构建和完善贝叶斯网络可靠性分析模型的理论方法。本课题的研究内容能够促进贝叶斯网络理论在可靠性分析领域推广应用,丰富系统可靠性分析基本理论;将本课题的研究成果应用于实践,能够提高工程技术人员对复杂系统的建模和可靠性分析的能力,为促进现代装备制造业发展,保证重大装备安全可靠运行发挥重要作用。本论文开展了以下研究工作:1.在对贝叶斯网络的表示、推理和建模等基本理论进行分析和总结的基础上,探讨了将贝叶斯网络应用于系统可靠性分析的方法,分析了贝叶斯网络在处理复杂系统中普遍存在的多态性、逻辑关系不确定性和失效相关性等问题的优势,说明了贝叶斯网络是解决复杂系统可靠性分析问题的有力工具。2.在分析FMEA、FTA和贝叶斯网络三种可靠性分析方法的优势和不足的基础上,根据是否已经存在充分的信息,提出基于信息提取的建模方法和FFB(FMEA-FTA-BN)建模方法,给出了这两种建模方法的流程步骤。针对依靠专家经验完成建模主观偏差大、效率低的缺点,提出利用结构矩阵来表示FMEA、FTA和贝叶斯网络中变量间的因果关系,给出结构矩阵综合运算方法和合理性检验方法。并以风力发电机齿轮箱为例,利用FFB方法建立贝叶斯网络模型。通过实例分析证明了利用该方法能够快捷、有效地将FMEA和FTA信息整合建立贝叶斯网络初始模型。3.在对多状态条件下获取多父节点条件概率分布时存在的难题进行分析的基础上,针对专家意见带有模糊性且存在主观偏好的问题,提出基于模糊群决策的专家意见处理方法。该方法根据模糊数学理论将多位专家给出的语言变量转化为三角模糊数,通过均值化、解模糊、归一化等过程转化为精确概率值。实例分析证明了该方法的有效性。针对利用专家意见获取多父节点的条件概率工作量大且判断困难的问题,提出多状态条件下多父节点结构的条件概率计算模型。该方法使用标准化模糊数的形式来表示单原因事件独立影响下的条件概率,并给出了多种因果影响关联关系假设下的条件概率计算模型。通过实例证明该方法能够减少采集专家意见的工作量,并且具有更强的适用性。4.在对现场数据特点进行分析的基础上,研究利用现场数据对贝叶斯网络模型进行完善的更新学习方法。针对贝叶斯网络更新学习过程中更新时机难以确定的问题,提出基于性能监测的参数更新方法;该方法根据所采集到的现场数据,利用对数评分规则对已建立的贝叶斯网络模型的预测结果进行打分,判断预测结果偏差是否过大;对于偏差大的参数,以现场数据样本量作为专家意见的等效样本量对参数进行更新。然后利用Matlab的BNT工具包作为模拟工具,选择经典贝叶斯网络——Asia网作为模拟模型进行模拟实验;实验结果表明该方法能够选择合理的模型更新时机,能将专家意见和现场数据有效的结合,使模型参数渐进的接近理想值,更适用于利用逐渐收集到的现场数据对贝叶斯网络进行更新的过程。5.在对功能需求进行分析的基础上,采用Visual Basic+Matlab+Access混合编程的方法设计基于贝叶斯网络的系统可靠性分析软件,实现可靠性信息采集、贝叶斯网络建模和系统可靠性分析功能。给出了数据库设计,FMEA和FTA信息转化为结构矩阵以及VB与Matlab混合编程等实现系统功能的关键技术。依据理论方法开发的软件平台能够方便工程技术人员使用,有利于方法的推广应用。
【关键词】：贝叶斯网络 可靠性分析 结构矩阵 模糊群决策 性能监测
【学位授予单位】：哈尔滨理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP18;TB114.3
【目录】：

• 摘要5-7
• Abstract7-16
• 第1章 绪论16-28
• 1.1 课题研究的背景和意义16-17
• 1.2 国内外研究现状及分析17-24
• 1.2.1 可靠性分析方法研究现状17-19
• 1.2.2 贝叶斯网络在可靠性领域的应用现状19-20
• 1.2.3 贝叶斯网络建模方法研究现状20-23
• 1.2.4 基于贝叶斯网络理论的工具软件23-24
• 1.3 课题的研究思路24-25
• 1.4 课题的来源及研究内容25-28
• 1.4.1 课题来源25-26
• 1.4.2 课题的主要研究内容26-28
• 第2章 贝叶斯网络理论及在可靠性分析中的应用28-48
• 2.1 引言28
• 2.2 贝叶斯网络的表示28-30
• 2.3 贝叶斯网络的推理30-33
• 2.3.1 多树传播算法30-31
• 2.3.2 变量消元算法31
• 2.3.3 联结树算法31-32
• 2.3.4 随机抽样算法32-33
• 2.3.5 基于搜索的算法33
• 2.4 贝叶斯网络的建模33-34
• 2.5 贝叶斯网络在复杂系统可靠性分析中的应用34-46
• 2.5.1 利用贝叶斯网络模型进行系统可靠性分析34-39
• 2.5.2 多状态系统的贝叶斯网络模型39-41
• 2.5.3 不确定性逻辑关系的贝叶斯网络模型41-43
• 2.5.4 相关失效的贝叶斯网络模型43-46
• 2.6 本章小结46-48
• 第3章 基于FMEA和FTA构建贝叶斯网络的方法48-62
• 3.1 引言48
• 3.2 三种方法的特点比较48-49
• 3.3 建模思路49-51
• 3.3.1 基于信息提取的方法49-50
• 3.3.2 FFB方法50-51
• 3.4 基于结构矩阵的建模方法51-56
• 3.4.1 结构矩阵表达方法51-53
• 3.4.2 结构矩阵综合运算方法53-55
• 3.4.3 结构矩阵合理性检验方法55
• 3.4.4 根据结构矩阵生成条件概率表55-56
• 3.5 应用实例56-61
• 3.6 本章小结61-62
• 第4章 基于专家意见学习条件概率的方法62-78
• 4.1 引言62
• 4.2 存在问题分析62-63
• 4.3 处理方法63
• 4.3.1 边缘概率获取63
• 4.3.2 条件概率获取63
• 4.4 基于模糊群决策的概率获取方法63-69
• 4.4.1 三角模糊数及其运算法则63-64
• 4.4.2 用三角模糊数表示专家意见语言值64-66
• 4.4.3 通过群决策方法获取概率信息66
• 4.4.4 实例分析66-69
• 4.5 多父节点的条件概率计算方法69-77
• 4.5.1 二态多父节点条件概率计算模型69
• 4.5.2 多状态多父节点条件概率计算模型69-73
• 4.5.3 实例验证73-77
• 4.6 本章小结77-78
• 第5章 基于现场数据进行更新学习的方法78-92
• 5.1 引言78
• 5.2 现场数据的特点分析及数据收集78-80
• 5.2.1 利用现场数据进行可靠性分析的优势78-79
• 5.2.2 利用现场数据进行可靠性分析存在的问题79
• 5.2.3 现场数据收集的基本要求79-80
• 5.2.4 贝叶斯网络用于故障维修数据收集80
• 5.3 基于性能监测的参数更新方法80-83
• 5.3.1 用于性能监测的评分规则的确定81-82
• 5.3.2 贝叶斯网络参数性能监测方法82
• 5.3.3 参数更新方法82-83
• 5.4 模拟实验验证83-90
• 5.4.1 模拟模型选择83-85
• 5.4.2 模型参数的MLE模拟实验85-86
• 5.4.3 模型性能监测模拟实验86-88
• 5.4.4 模型参数更新模拟实验88-90
• 5.4.5 模拟实验结论90
• 5.5 本章小结90-92
• 第6章 基于贝叶斯网络的可靠性分析系统设计92-104
• 6.1 引言92
• 6.2 系统功能需求分析92
• 6.3 系统设计方案92-94
• 6.4 系统功能模块划分94-95
• 6.5 实现系统功能的关键技术95-99
• 6.5.1 数据库设计95-96
• 6.5.2 FMEA和FTA信息转化为结构矩阵的方法96-98
• 6.5.3 VB与Matlab混合编程98-99
• 6.6 系统应用实例99-103
• 6.7 本章小结103-104
• 结论104-106
• 参考文献106-116
• 攻读博士学位期间所发表的学术论文116-117
• 致谢117

【参考文献】

中国期刊全文数据库 前10条

1 刘建伟;黎海恩;罗雄麟;;概率图模型学习技术研究进展[J];自动化学报;2014年06期

2 胡云安;刘振;史建国;;态势评估的变结构区间概率动态贝叶斯网络方法[J];系统工程与电子技术;2013年09期

3 蔡志强;孙树栋;司书宾;王宁;;基于FMECA的复杂装备故障预测贝叶斯网络建模[J];系统工程理论与实践;2013年01期

4 胡海涛;高朝晖;何正友;袁林;;基于FTA和FMEA法的地铁牵引供电系统可靠性评估[J];铁道学报;2012年10期

5 陈东宁;姚成玉;;基于模糊贝叶斯网络的多态系统可靠性分析及在液压系统中的应用[J];机械工程学报;2012年16期

6 尹晓伟;;基于贝叶斯网络的元件重要度和灵敏度分析[J];沈阳工程学院学报(自然科学版);2012年03期

7 胡丽芳;关欣;邓勇;何友;;一种三角模糊数型多属性决策方法[J];控制与决策;2011年12期

8 周曙;王晓茹;钱清泉;;故障诊断的时间因果贝叶斯网模型[J];铁道学报;2011年11期

9 陈国兵;杨自春;孙吉宏;;基于FMEA/FTA的贝叶斯网络安全性分析方法[J];质量与可靠性;2011年05期

10 高岩;周德群;章玲;刘晨琛;;模糊语言群决策影响因素的分析方法[J];武汉理工大学学报(信息与管理工程版);2011年04期

中国博士学位论文全文数据库 前2条

1 尹晓伟;基于贝叶斯网络的机械系统可靠性评估[D];东北大学;2008年

2 周忠宝;基于贝叶斯网络的概率安全评估方法及应用研究[D];国防科学技术大学;2006年

，

本文编号：941943