發(fā)布時間：2020-10-08 19:56

　　 貝葉斯網(wǎng)絡(luò)是目前不確定知識表達(dá)和推理領(lǐng)域最有效的理想模型,對于解決復(fù)雜不確定性因素引起的故障具有很大的優(yōu)勢,在數(shù)據(jù)挖掘、圖像處理、工業(yè)故障診斷、機(jī)器學(xué)習(xí)等領(lǐng)域被廣泛應(yīng)用。工業(yè)故障診斷對工業(yè)生產(chǎn)意義重大,人工智能的發(fā)展為故障診斷提供了智能化的診斷方法,而且已有了成功的應(yīng)用實例。本課題計劃重點研究基于貝葉斯網(wǎng)絡(luò)的故障診斷優(yōu)化算法,并根據(jù)從冀東水泥廠收集的數(shù)據(jù),驗證算法在實際故障診斷中的可行性。具體研究內(nèi)容如下:首先,本文針對蟻群算法搜索空間龐大、易陷入局部最優(yōu)的缺陷,提出一種改進(jìn)蟻群優(yōu)化算法。該算法首先根據(jù)互信息確定初始網(wǎng)絡(luò),同時進(jìn)行孤立節(jié)點處理,又通過改變信息素更新方式,并且加入懲罰函數(shù),減少了算法的冗余邊數(shù),使算法更趨向于評分更優(yōu)的結(jié)果。最后通過仿真實驗驗證算法的性能。其次,本文基于對禁忌搜索算法及相關(guān)改進(jìn)算法的研究,針對禁忌搜索算法過分依賴初始解及收斂速度慢的問題,提出了一種改進(jìn)禁忌搜索優(yōu)化算法。首先通過計算互信息和相對熵確定初始解;然后通過加邊、減邊、轉(zhuǎn)邊產(chǎn)生鄰域解集,通過集中性與多樣性搜索策略避免陷入循環(huán);最后根據(jù)評分函數(shù)輸出最優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。通過仿真實驗得到算法的準(zhǔn)確率和執(zhí)行時間。最后,分析回轉(zhuǎn)窯的工藝參數(shù),并根據(jù)相關(guān)系數(shù)選取相關(guān)程度較高的參數(shù)作為貝葉斯網(wǎng)絡(luò)節(jié)點變量,將收集的水泥數(shù)據(jù)進(jìn)行篩選量化,運用兩種改進(jìn)算法構(gòu)建水泥回轉(zhuǎn)窯故障診斷的貝葉斯模型結(jié)構(gòu)。采用經(jīng)典的最大似然估計法和變量消元法進(jìn)行參數(shù)學(xué)習(xí)和診斷推理。根據(jù)數(shù)據(jù)實驗結(jié)果,驗證了這兩種改進(jìn)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法在水泥回轉(zhuǎn)窯故障診斷方面具有較高的準(zhǔn)確率和效率。
【學(xué)位單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18
【部分圖文】：

算法的執(zhí)行步驟，算法流程圖如圖 2-3 所示：先計算節(jié)點間互信息，確定初始網(wǎng)絡(luò)，同時處理孤立節(jié)-2(a)所示，并確定無向邊的集合 E；初始時間 t=0，NC_max=50，將 m 只人工螞蟻分配到 立禁忌表 Tabu ；用公式(2-2)計算人工螞蟻 k 從節(jié)點 i 到 j 的轉(zhuǎn)移概率； k 到達(dá)節(jié)點 j 后，將節(jié)點 j 加入 Tabu 表，避免重復(fù)訪問據(jù)公式(2-4)對 m 個 BN 結(jié)構(gòu)進(jìn)行 BIC 評分，利用公式的 BN 結(jié)構(gòu)的評分，然后從 m 個 BN 結(jié)構(gòu)中挑選出一次結(jié)構(gòu)如圖 2-2(b)所示；合無向邊集合 E，優(yōu)化貝葉斯結(jié)構(gòu)如圖 2-2(c)所示；成一次循環(huán)后，按照式(2-7)(2-8)(2-9)更新信息素；C 次迭代后，選取最優(yōu)的 BN 結(jié)構(gòu)如圖 2-2(d)所示。

圖2-3 I-PACO算法流程圖真實驗法的性能，首先以小型的 Asia 網(wǎng)絡(luò)、Car 網(wǎng)大中型的 Alarm 網(wǎng)絡(luò)[51]進(jìn)行實驗，仿真實驗在相同實驗條件下多次重復(fù)實驗，記錄仿和 K2 算法展開比較，根據(jù)所得結(jié)果分析 I-ar 網(wǎng)絡(luò)的仿真實驗成 500、1000、2000、4000 組數(shù)據(jù)樣本，分進(jìn)行多次學(xué)習(xí)訓(xùn)練。I-PACO、HC 和 K2 算-2 所示，I-PACO 和 ACO 兩種算法的收斂性

標(biāo)準(zhǔn)Alarm網(wǎng)絡(luò)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉浩然;呂曉賀;李軒;李世昭;史永紅;;基于Bayesian改進(jìn)算法的回轉(zhuǎn)窯故障診斷模型研究[J];儀器儀表學(xué)報;2015年07期

2 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J];中國電機(jī)工程學(xué)報;2015年13期

3 曾安;李曉兵;楊海東;潘丹;;基于最小描述長度和K2的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法[J];東北師大學(xué)報(自然科學(xué)版);2014年03期

4 郭童;林峰;;基于混合遺傳魚群算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];浙江大學(xué)學(xué)報(工學(xué)版);2014年01期

5 汪春峰;張永紅;;基于無約束優(yōu)化和遺傳算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法[J];控制與決策;2013年04期

6 金焱;胡云安;張瑾;黃雋;;K2與模擬退火相結(jié)合的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];東南大學(xué)學(xué)報(自然科學(xué)版);2012年S1期

7 李冰寒;高曉利;劉三陽;;基于互信息學(xué)習(xí)貝葉斯網(wǎng)絡(luò)等價類[J];計算機(jī)應(yīng)用研究;2011年01期

8 高峰;孫時珍;曲建嶺;;人工智能在故障診斷中的應(yīng)用[J];科技信息;2010年23期

9 姜萬錄;劉思遠(yuǎn);;多特征信息融合的貝葉斯網(wǎng)絡(luò)故障診斷方法研究[J];中國機(jī)械工程;2010年08期

10 余明珠;李建斌;雷東;;裝卸一體化的車輛路徑問題及基于插入法的新禁忌算法[J];中國管理科學(xué);2010年02期

本文編號：2832686