基于貝葉斯網(wǎng)絡預測的故障診斷的應用與研究.pdf

1、貝葉斯網(wǎng)絡是伴隨著影響圖發(fā)展起來的一類決策分析工具，它提供了不確定性環(huán)境下的知識表示、推理、學習手段，可以完成決策、診斷、預測、分類等任務。在故障診斷領域，不確定性問題占多數(shù)，貝葉斯網(wǎng)絡能夠有效的解決復雜系統(tǒng)不確定因素引起的故障，因此，近幾年來貝葉斯網(wǎng)絡被越來越多的應用于故障診斷領域，并產(chǎn)生了廣泛的影響。
　　 本篇論文首先介紹了貝葉斯網(wǎng)絡的相關理論，包括貝葉斯網(wǎng)絡的定義、特點、學習和推理等，為利用貝葉斯網(wǎng)絡解決實際問題，建立樣

2、本數(shù)據(jù)結構和依賴關系奠定了基礎。其次介紹了國內外現(xiàn)行的貝葉斯網(wǎng)絡的結構學習和參數(shù)學習算法，并對貝葉斯網(wǎng)絡學習算法中的一些問題進行了分析。由于現(xiàn)有的貝葉斯網(wǎng)絡學習方法主要是針對完整或不完整的大數(shù)據(jù)集，而在實際應用中，往往只能獲得含有較少數(shù)據(jù)的小數(shù)據(jù)集。對于這種情況，本文探討性地使用了Boostrap和K2相結合的算法，并通過對Asia網(wǎng)絡的實驗分析證明了，該算法能夠較好的解決使用小數(shù)據(jù)集設計貝葉斯網(wǎng)絡的問題。在分析了油中溶解氣體量與變壓器