基于贝叶斯网络的柴油机故障诊断研究

被引：5

作者：

仝兆景 ^{[1
]}

石秀华 ^{[1
]}

许晖 ^{[1
]}

王文斌 ^{[2
]}

程永强 ^{[1
]}

机构：

[1] 西北工业大学航海学院

[2] 中国人民解放军部队

来源：

计算机测量与控制 | 2013年 / 05期

关键词：

贝叶斯网; 柴油机; 诊断; 故障检测;

D O I：

10.16526/j.cnki.11-4762/tp.2013.05.027

中图分类号：

TK428 [检修与维护];

学科分类号：

摘要：

针对传统方法在不确定和信息不完备条件下故障诊断的不足,运用贝叶斯网络构建了柴油机的故障诊断模型,该模型实现故障原因征兆的因果推理,结合专家知识和故障样本,完成了网络结构参数学习和优化,实现了特定工况下故障的高效、准确诊断;实验表明,该诊断方法稳定可靠,准确度较高,在大型复杂装备的故障诊断领域具有一定的实用性和推广价值。

引用

页码：1118 / 1119+1125 +1125

页数：3

共 5 条

[1]

Learning Bayesian Networks is NP-Hard. Chickering DM,Geiger D,Heckerman D. Technical Report MSR-TR-94-17 . 1994

[2] 基于神经网络的柴油发动机故障预测研究 [J].

康健 ;

左宪章 ;

吴彩华 ;

于晓伟 .

计算机测量与控制, 2006, (08) :987-989

[3]

Using Bayesian networks to analyze expression data. Friedman N,Linial M,Nachman I,et al. Journal of Computational Biology . 2000

[4]

Artificial Intelligence: A Modern Approach. Russell, S. J,Norvig, P. . 2009

[5]

A Tutorial on Learning with Bayesian Networks. David Heckerman. Microsoft Research Technical Report, MSR-TR-95-06 . 1995

← 1 →