隨著工業(yè)企業(yè)信息化的應(yīng)用,以及科學(xué)技術(shù)的發(fā)展,工業(yè)設(shè)備越來越多,結(jié)構(gòu)也越來越復(fù)雜。在工業(yè)生產(chǎn)過程中,很難避免故障的發(fā)生,故障如果突然發(fā)生,不僅僅造成經(jīng)濟損失,還會造成傷亡,所以故障診斷技術(shù)顯得尤為重要。然而,當(dāng)故障信息不完整或者不確定時,故障診斷的難度將會大大提高,甚至?xí)e失維修的最佳時機。目前,針對于這種狀況,基于數(shù)據(jù)驅(qū)動的故障診斷技術(shù)迅速發(fā)展。其中,貝葉斯網(wǎng)絡(luò)應(yīng)用于故障診斷中是近幾年的研究熱點,模糊多準則決策方法應(yīng)用于故障診斷中則是一個新的研究課題。因此,本文將從貝葉斯網(wǎng)絡(luò)和模糊多準則決策方法兩方面進行變壓器故障的研究。具體內(nèi)容如下:（1）對故障診斷的方法進行研究,包括故障診斷技術(shù)的發(fā)展?fàn)顩r和未來研究方向。主要介紹了貝葉斯網(wǎng)絡(luò)的理論知識和在故障診斷中的應(yīng)用現(xiàn)狀。同時,闡述了模糊理論的相關(guān)內(nèi)容,并對模糊多準則決策的故障診斷方法進行了深入的研究。（2）由于傳統(tǒng)變壓器故障診斷方法中三比值判斷法的故障診斷方法準確率低和存在漏碼的問題,本文利用模糊多準則決策方法,提出了一種基于TOPSIS-灰色關(guān)聯(lián)度分析的故障診斷方法。利用TOPSIS方法分別對每一種故障類型樣本進行處理,以便獲得相對標(biāo)準的... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究的目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 故障診斷的研究現(xiàn)狀
        1.3.2 貝葉斯網(wǎng)絡(luò)在故障診斷中的研究現(xiàn)狀
        1.3.3 模糊多準則決策在故障診斷中的研究現(xiàn)狀
    1.4 研究內(nèi)容及主要工作
    1.5 本文創(chuàng)新點
    1.6 論文結(jié)構(gòu)安排
第2章 相關(guān)理論研究
    2.1 故障診斷的相關(guān)理論
        2.1.1 故障診斷的基本概念
        2.1.2 故障診斷的方法
        2.1.3 變壓器故障診斷的方法
    2.2 貝葉斯網(wǎng)絡(luò)的相關(guān)理論
        2.2.1 貝葉斯網(wǎng)絡(luò)的概念
        2.2.2 貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)
        2.2.3 貝葉斯網(wǎng)絡(luò)的推理
    2.3 模糊多準則決策的相關(guān)理論
        2.3.1 模糊理論
        2.3.2 多準則決策理論
        2.3.3 常用的多準則決策方法
        2.3.4 模糊多準則決策
    2.4 本章小結(jié)
第3章 基于TOPSIS-灰色關(guān)聯(lián)度分析的故障診斷方法
    3.1 AHP的權(quán)重確定方法
    3.2 TOPSIS的數(shù)據(jù)處理方法
    3.3 灰色關(guān)聯(lián)度的故障診斷方法
    3.4 TOPSIS-灰色關(guān)聯(lián)度的故障診斷過程
    3.5 實例分析
        3.5.1 故障數(shù)據(jù)集的預(yù)處理
        3.5.2 故障診斷實例
        3.5.3 實驗結(jié)果與分析
    3.6 本章小結(jié)
第4章 基于屬性加權(quán)樸素貝葉斯網(wǎng)絡(luò)的故障診斷方法
    4.1 貝葉斯網(wǎng)絡(luò)機器學(xué)習(xí)算法
        4.1.1 樸素貝葉斯網(wǎng)絡(luò)分類算法
        4.1.2 屬性加權(quán)樸素貝葉斯網(wǎng)絡(luò)分類算法
    4.2 AHP-熵權(quán)法組合權(quán)重的確定方法
    4.3 改進的屬性加權(quán)樸素貝葉斯網(wǎng)絡(luò)分類算法
        4.3.1 算法描述
        4.3.2 算法步驟
    4.4 改進屬性加權(quán)樸素貝葉斯網(wǎng)絡(luò)的故障診斷過程
    4.5 實例分析
        4.5.1 故障診斷實例
        4.5.2 實驗結(jié)果與分析
    4.6 本章小結(jié)
第5章 基于貝葉斯網(wǎng)絡(luò)的TOPSIS和灰色關(guān)聯(lián)度的故障診斷方法
    5.1 數(shù)據(jù)集的預(yù)處理
        5.1.1 直覺模糊集
        5.1.2 語義變量
    5.2 直覺模糊集的TOPSIS和灰色關(guān)聯(lián)度的組合決策方法
    5.3 貝葉斯網(wǎng)絡(luò)的故障診斷過程
    5.4 貝葉斯網(wǎng)絡(luò)的TOPSIS和灰色關(guān)聯(lián)度的故障診斷過程
    5.5 實例分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
在學(xué)期間主要科研成果
    一、發(fā)表學(xué)術(shù)論文
    二、其他科研成果


【參考文獻】：
期刊論文
[1]基于TOPSIS法與灰色關(guān)聯(lián)度法的故障樣本分配方法[J]. 徐達,焦慶龍.  火力與指揮控制. 2019(10)
[2]貝葉斯結(jié)構(gòu)方程模型及其研究現(xiàn)狀[J]. 張瀝今,陸嘉琦,魏夏琰,潘俊豪.  心理科學(xué)進展. 2019(11)
[3]模糊動態(tài)貝葉斯可靠性分析方法及其在動車制動系統(tǒng)中的應(yīng)用[J]. 郭濟鳴,齊金平,段毅剛,田世潤.  重慶大學(xué)學(xué)報. 2019(06)
[4]面向變壓器油中溶解氣體分析的組合DBN診斷方法[J]. 榮智海,齊波,李成榕,朱雙靜,陳玉峰,辜超.  電網(wǎng)技術(shù). 2019(10)
[5]逆高斯回歸模型的貝葉斯分析[J]. 趙遠英,徐登可,龐一成.  統(tǒng)計與決策. 2019(10)
[6]配電網(wǎng)故障定位的層級模型及其預(yù)測校正算法[J]. 郭壯志,陳濤,黃全振,徐其興,洪俊杰.  電力自動化設(shè)備. 2018(07)
[7]貝葉斯網(wǎng)絡(luò)的分層推理算法[J]. 李振明,柴冰.  電腦知識與技術(shù). 2018(08)
[8]基于信息流改進的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J]. 李明,張韌,洪梅,白成祖.  系統(tǒng)工程與電子技術(shù). 2018(06)
[9]熵權(quán)貝葉斯模型在珊溪水庫水環(huán)境質(zhì)量評價的應(yīng)用[J]. 萬哲慧,王珅,馮孫林,賈曉瓊,施勝亮.  節(jié)水灌溉. 2018(03)
[10]一種改進的電網(wǎng)故障診斷解析模型研究[J]. 于雪雪,楊文輝,周紅.  電工電氣. 2017(11)

博士論文
[1]基于模糊多屬性決策的企業(yè)信息化水平評價方法與應(yīng)用研究[D]. 劉培德.北京交通大學(xué) 2010

碩士論文
[1]模糊貝葉斯決策方法在城市交通系統(tǒng)中的應(yīng)用[D]. 邊曉亞.華中科技大學(xué) 2011
[2]基于多源信息融合貝葉斯網(wǎng)絡(luò)的滾動軸承故障診斷方法[D]. 馮中魁.燕山大學(xué) 2013
[3]基于模糊貝葉斯網(wǎng)絡(luò)的故障診斷方法研究及其在列控系統(tǒng)中的應(yīng)用[D]. 趙晶晶.北京交通大學(xué) 2013
[4]基于模糊理論的決策樹算法的研究及應(yīng)用[D]. 于振灝.中國地質(zhì)大學(xué)(北京) 2017
[5]貝葉斯網(wǎng)絡(luò)分類模型研究及其在小樣本故障診斷中的應(yīng)用[D]. 祝世豐.哈爾濱工業(yè)大學(xué) 2009
[6]面向流程工業(yè)故障診斷的模糊多屬性決策方法的研究[D]. 姚培培.齊魯工業(yè)大學(xué) 2019
[7]基于貝葉斯網(wǎng)絡(luò)的電力變壓器故障診斷[D]. 董冰.遼寧石油化工大學(xué) 2019



本文編號：3723087