基于贝叶斯网络的控制系统故障诊断方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 引言 | 第9页 |
| 1.2 课题研究的背景和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 故障诊断的任务 | 第11-12页 |
| 1.5 贝叶斯网络及其故障诊断概述 | 第12-14页 |
| 1.5.1 贝叶斯网络用于故障诊断的优势 | 第13页 |
| 1.5.2 贝叶斯网络在故障诊断中的应用 | 第13-14页 |
| 1.6 其他智能故障诊断方法及应用 | 第14-18页 |
| 1.6.1 专家系统 | 第14-15页 |
| 1.6.2 模糊故障诊断 | 第15-16页 |
| 1.6.3 神经网络故障诊断 | 第16-17页 |
| 1.6.4 Petri网故障诊断 | 第17页 |
| 1.6.5 信息融合故障诊断技术 | 第17-18页 |
| 1.6.6 小波分析故障诊断 | 第18页 |
| 1.7 本论文主要研究内容和安排 | 第18-20页 |
| 第2章 贝叶斯网络理论概述 | 第20-28页 |
| 2.1 概率图模型 | 第20-21页 |
| 2.1.1 图论基础 | 第20-21页 |
| 2.2 概率论基本知识 | 第21-22页 |
| 2.2.1 条件概率 | 第21页 |
| 2.2.2 全概率公式 | 第21-22页 |
| 2.2.3 贝叶斯公式 | 第22页 |
| 2.3 贝叶斯网络模型 | 第22-24页 |
| 2.4 贝叶斯网络的学习 | 第24-28页 |
| 2.4.1 BN结构学习 | 第24-26页 |
| 2.4.2 BN参数学习 | 第26-28页 |
| 第3章 基于未知输入观测器的贝叶斯网络故障诊断 | 第28-43页 |
| 3.1 基于未知输入观测器的故障诊断 | 第28-31页 |
| 3.1.1 基本原理 | 第28-30页 |
| 3.1.2 未知输入观测器故障分离诊断子系统设计 | 第30-31页 |
| 3.2 诊断贝叶斯网络设计 | 第31-33页 |
| 3.2.1 诊断贝叶斯网络模型概述 | 第31-32页 |
| 3.2.2 诊断贝叶斯网络推理 | 第32-33页 |
| 3.3 四容水箱简介 | 第33-35页 |
| 3.4 四容水箱模型辨识 | 第35-37页 |
| 3.4.1 阶跃响应分析 | 第35页 |
| 3.4.2 基于PSO法的四容水箱模型辨识 | 第35-37页 |
| 3.5 基于贝叶斯网络的四容水箱故障诊断实验 | 第37-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于AHP-K2的贝叶斯网络故障诊断 | 第43-57页 |
| 4.1 基于AHP的BN结构学习 | 第43-46页 |
| 4.1.1 层次分析法(AHP) | 第43-45页 |
| 4.1.2 基于AHP的贝叶斯网络建模 | 第45-46页 |
| 4.2 TE过程 | 第46-48页 |
| 4.3 故障分析指标 | 第48-49页 |
| 4.3.1 聚集系数 | 第48-49页 |
| 4.3.2 平均度 | 第49页 |
| 4.3.3 平均距离 | 第49页 |
| 4.4 故障诊断实验 | 第49-55页 |
| 4.4.1 正常无故障 | 第50-51页 |
| 4.4.2 故障3 | 第51-52页 |
| 4.4.3 故障10 | 第52-54页 |
| 4.4.4 故障13 | 第54-55页 |
| 4.5 两种方法对比 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-58页 |
| 5.1 全文总结 | 第57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及研究成果 | 第61-62页 |
| 致谢 | 第62页 |
