欢迎来到天天文库
浏览记录
ID:35094513
大小:2.95 MB
页数:73页
时间:2019-03-17
《系统可靠性建模的贝叶斯网络结构学习方法研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号TP13学校代码10590UDC621.3密级公开深圳大学硕士学位论文系统可靠性建模的贝叶斯网络结构学习方法研究与实现学位申请人姓名游威振专业名称控制科学与工程学院(系、所)机电与控制工程学院指导教师姓名钟小品深圳大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的学位论文系统可靠性建模的贝叶斯网络结构学习方法研究与实现是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中以
2、明确方式标明。本声明的法律结果由本人承担。论文作者签名:日期:年月日摘要随着各种机械电子系统复杂度和集成度的提高,系统实现了空前智能化。然而系统在不断改进的同时,其失效的频率也在不断上升。对于复杂系统,系统的失效的隐患已经不仅仅来自于系统组件本身,而越来越多地来自于组件之间的不确定性关联。这些关联形成了各组件发生失效的因果逻辑。这使得系统的可靠性评估工作愈加复杂和具有挑战性。传统失效研究与分析的方法如故障树等,已经很难对此给出理想的解决方案。在此背景下,以贝叶斯网络为基础的机器学习方法逐渐被应用于系统可靠性评估领域,并获得了广
3、泛认可。贝叶斯网络以其在不确定性信息表示及因果推断中具有的优势,已被大量应用于数据挖掘、信息处理等前沿领域。因此,本文试图以贝叶斯网络理论为框架,以系统可靠性数据为基础,借助贝叶斯网络学习算法来构造系统可靠性模型,以解决传统方法存在的问题。本文主要包含以下内容:(1).阐述系统可靠性理论产生的历史背景、系统可靠性评估的重要意义,并介绍可靠性理论的发展过程及研究方法。(2).引入有关贝叶斯网络基本知识,并揭示系统可靠性模型与贝叶斯网络的联系。(3).介绍贝叶斯网络学习方法,并将研究重点放在结构学习上。提出基于CH评分和DGA的系
4、统可靠性贝叶斯网络模型构建方法—CH-DGA法。此方法利用一对染色体编码一个特定BN结构,并利用特殊的搜索算子以确保算法搜索的范围为整个BN结构解空间。仿真验证了该方法的有效性及精确性。(4).基于MDL准则和BIC评分,提出一种混合评价规则(M-B规则),用于防止结构学习中出现的拟合问题。这种混合评价准则能够有效结合两种准则的优点,进行更加严格的结构评价。另外,引入一种改进的爬山法(improvedhillclimbing,IHC法)用于指导贝叶斯网络结构的更新。IHC法能够防止由于某些原因导致的学习进程异常中断,从而减少欠
5、拟合的发生。我们称这种可靠性建模方法为M-B方法,通过仿真和对比,并进行可靠性估计,我们发现该方法的学习效果良好。关键词:系统可靠性建模;贝叶斯网络;结构学习;可靠性估计IAbstractAsthecomplexityandintegrationofelectro-mechanicalsystemsincrease,thesesystemsarebecomingmuchmoreintelligentthanever.However,thismakesthesystemsmorefrequentlytogetintofailur
6、es.Forcomplexsystems,thefailuresarenotonlyfromthesystemcomponentsthemselves,butmoreprobablyfromtheuncertaintyrelationsbetweenthem.Theseassociationsconstitutethecausallogicrelationsbetweencomponentfailuresinthesystem.Thishasmadesystemreliabilityassessmentmoreandmored
7、ifficult,evenchallenging.TraditionalmethodsofsystemfailuremodelingandanalysissuchasFaultTrees,havebeenunabletosolvethisproblem.ThismakestheBayesiannetworkbasedstructurallearningmethodsgraduallyappliedtothefieldofsystemreliabilityevaluation,andwidelyrecognized.Andnow
8、,Bayesiannetworksarewidelyusedinartificialintelligence,machinelearningandimageprocessingetal.Therefore,thispapertriestoproposesomereliabil
此文档下载收益归作者所有