【摘要】： 隨著機(jī)械設(shè)備的自動化、智能化、大型化、集成化、復(fù)雜化程度不斷提高。在設(shè)備運(yùn)行狀態(tài)檢測的基礎(chǔ)上展開設(shè)備故障診斷就顯得尤為必要,利用診斷結(jié)論采取相應(yīng)的對策,可以提高設(shè)備運(yùn)行的可靠性,保證設(shè)備的完好性。針對以信息處理技術(shù)為手段的現(xiàn)代設(shè)備診斷技術(shù),對多故障同時發(fā)生和各種故障之間可能存在的相互聯(lián)系及影響難以分析的不足,本文對貝葉斯網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用進(jìn)行了研究。 貝葉斯網(wǎng)絡(luò)是目前不確定性知識表達(dá)和推理領(lǐng)域最有效的理論模型之一,適用于不確定性和概率推理的知識表達(dá)和推理。它是一種基于網(wǎng)絡(luò)結(jié)構(gòu)的有向圖解描述,能進(jìn)行雙向并行推理,并能綜合先驗信息和樣本信息,使得推理結(jié)果更為準(zhǔn)確可信。因此,貝葉斯網(wǎng)絡(luò)在故障診斷領(lǐng)域中的應(yīng)用具有重要意義。 本文以旋轉(zhuǎn)機(jī)械常見振動故障為對象,首先對旋轉(zhuǎn)機(jī)械常見振動故障特征進(jìn)行了論述。然后闡述了貝葉斯網(wǎng)絡(luò)基本理論,對貝葉斯網(wǎng)絡(luò)基于聯(lián)合樹的精確推理方法進(jìn)行了論述,探討了貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)算法。在之前理論研究的基礎(chǔ)上,針對機(jī)械故障特有的表現(xiàn)形式建立了基于貝葉斯網(wǎng)絡(luò)的機(jī)械故障診斷模型。該模型是一個兩層結(jié)構(gòu)的貝葉斯網(wǎng)絡(luò)模型,該模型具有以下特點: (1)貝葉斯網(wǎng)絡(luò)模型能夠自然的融入機(jī)械故障診斷中的不確定性知識,對各種因素不確定度的結(jié)合有著見識的概率論基礎(chǔ),使診斷結(jié)論更加全面和準(zhǔn)確; (2)圖形化的知識表達(dá)方式更加清晰,具有良好的可解性; (3)推理機(jī)制與知識表達(dá)完全分開,知識庫更便于擴(kuò)充和完善; (4)可以進(jìn)行多種形式的診斷推理,能有效的進(jìn)行復(fù)合故障診斷; (5)可以提供量化的故障診斷結(jié)論,給出診斷建議;利用該模型本文采用Decision Systems Laboratory, University of Pittsburgh所開發(fā)的貝葉斯網(wǎng)絡(luò)推理平臺GeNIe對一些設(shè)備的實測數(shù)據(jù)進(jìn)行了故障診斷分析,驗證了該模型的有效性。最后對推理診斷系統(tǒng)做出了總體設(shè)計。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：TH17
【圖文】：

故障診斷實例[36][37][42][43]實際應(yīng)用中旋轉(zhuǎn)機(jī)械故障、事件證據(jù)形式都有不同的表現(xiàn)形式，據(jù)此斯網(wǎng)絡(luò)故障診斷進(jìn)行如下分類：旋轉(zhuǎn)機(jī)械故障的形式可以分為單一故障和復(fù)合故障。相應(yīng)的貝葉斯網(wǎng)以分為單一故障診斷推理和復(fù)合故障診斷推理。能進(jìn)行復(fù)合故障的診貝葉斯網(wǎng)絡(luò)應(yīng)用與故障診斷的優(yōu)勢之一；事件證據(jù)可將區(qū)分為簡單證據(jù)和復(fù)雜證據(jù)。簡單證據(jù)是指所給的證據(jù)某一故障，這是較為簡單的診斷情況。復(fù)雜證據(jù)又可以分為診斷信息和有沖突的證據(jù)。有沖突的證據(jù)是指在所給證據(jù)中，一些證據(jù)支持某其它證據(jù)則否定這一故障。診斷信息缺乏及沖突是較為復(fù)雜的診斷情證據(jù)的診斷推理，正體現(xiàn)出貝葉斯網(wǎng)絡(luò)通過概率計算來解決復(fù)雜問題。圖 4.4 基于模糊規(guī)則的證據(jù)信息處理Fig 4.4 The Management of Eveidence by Fuzzy Rule

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 李成范;獨立分量分析在遙感圖像土地覆蓋信息提取中的應(yīng)用[D];上海大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 郝國文;大型風(fēng)電機(jī)組傳動系統(tǒng)故障診斷信息分析方法研究與應(yīng)用[D];燕山大學(xué);2011年

2 張亮;采用量子進(jìn)化算法學(xué)習(xí)的貝葉斯網(wǎng)絡(luò)及其應(yīng)用研究[D];湖南大學(xué);2011年

3 肖五木;改模工藝規(guī)劃系統(tǒng)的研究與設(shè)計[D];廣東工業(yè)大學(xué);2008年

4 肖文輝;基于本體的智能故障診斷的不確定性推理研究[D];湖南科技大學(xué);2010年

5 王彥平;基于鉆井工藝過程的實時信息智能分析模型研究[D];西安石油大學(xué);2012年

6 鐘虞全;貝葉斯網(wǎng)絡(luò)在起重機(jī)故障診斷中的應(yīng)用[D];湖南大學(xué);2011年

本文編號：2738859