基于贝叶斯网络的信息融合汽车网络故障诊断方法

本文中基于贝叶斯网络的信息融合,开展汽车网络故障诊断方法的研究。首先分析了汽车网络系统的故障类型;其次,针对其故障具有随机性和不确定性的特点,在分析了相关故障诊断方法的基础上,提出了基于贝叶斯网络的信息融合故障诊断方法;最后,结合专家知识和大量统计数据,将所提出的故障诊断方法应用在汽车发动机节点的故障诊断中,证实了该方法有效性。     

基于贝叶斯网络的高速公路突发事件态势评估研究

为了提高高速公路应急管理能力,提升高速公路应急效率,从突发事件演化机理着手,基于贝叶斯网络构建了高速公路交通突发事件应急处置的态势评估模型,用于推理学习不同情况下的交通事故概率。评估模型首先确立了高速公路交通突发事件贝叶斯网络总体工作流程,将贝叶斯网络节点设置为高速公路突发事件的影响因素,贝叶斯网络结构根据各节点,即各影响因素之间的相互关系进行构建。其次,根据交通事故数据和专家知识对网络中每个节点进行条件概率赋值,再在条件概率的基础上根据现场初步事故信息运用联合树推理算法将贝叶斯网络转化为联合树,通过定义在联合树上的消息传递过程,计算后验概率;最后,在条件概率的基础上进行推理,建立评估模型实现对高速公路突发事件态势评估。实例分析随机抽取50次高速公路交通突发事件数据用于贝叶斯网络,通过软件Ge Nie2.2,以事故车辆类型,事故车辆数量,得到事故信息的时间,事发时天气及事发时段为证据信息,推理得出高速公路突发事件概率,预测结果表明基于贝叶斯网络的高速公路交通突发事件应急处置态势评估模型具有较高的准确性。     

贝叶斯网络在电控发动机燃油系统故障分析中的应用

贝叶斯网络(Bayesian Network)是近年来发展起来的一种基于概率理论的推理工具,本研究简要介绍了贝叶斯网络的基本理论,建立了电控发动机燃油供给系统故障信息的贝叶斯诊断网络,并利用Hugin Expert软件计算当燃油供给系统某一部件出现故障时不同故障现象出现的概率。研究表明,贝叶斯诊断网络能够有效诊断电控发动机燃油供给系统故障信息关联度。     

贝叶斯网络在沥青路面施工质量控制中的应用研究

贝叶斯网络作为一种进行不确定和数据分析的方法,可以对工程质量进行预测、分析和推理。针对沥青路面工程质量影响因素的变异性,本文将贝叶斯网络应用于沥青路面施工质量中的控制,建立了基于贝叶斯网络的沥青路面施工质量控制模型,可通过给定节点参数,对沥青路面施工质量进行预测和诊断。     

基于贝叶斯网络的高速公路预警系统研究

贝叶斯网络能够对不完全、不精确或不确定的知识或信息做出有效的推理,已成为目前不确定知识表达和推理领域最有效的模型之一。为了有效减少交通拥挤、预防交通事故,建立了基于贝叶斯网络的高速公路预警系统。该系统可以根据已知的交通信息、天气以及时段等信息判断道路交通状况,对高速公路交通事件进行有效的预警。     

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的.有效的交通状态预测能从很大程度上优化交通状态,减少交通阻塞.贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一.文中提出了一种基于贝叶斯网络模型理论的交通状态预测方法,在综合考虑交通阻塞成因的基础上构建网络模型.在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的.     

基于T-S模糊故障树和贝叶斯网络的重特大交通事故成因分析

重特大交通事故是最严重的交通事故类型,为了识别此类事故的主要致因,融合T-S模糊故障树和贝叶斯网络对其进行深入分析.建立了以重特大交通事故为顶事件,人、车、路、环境4个因素为中间事件,24个子因素为基本事件的T-S模糊故障树,将其转化为贝叶斯网络,进而双向推理基本事件的重要度和后验概率,确定主要致因.结果表明:融合T-...     

基于模糊贝叶斯网络的海上风机选择方法

为合理选择海上风机型号,研究了基于模糊贝叶斯网络的海上风机方案选择方法.识别了海上风机选择的主要影响因素,建立了海上风机的3层决策框架,并从风机参数、风机经济性、风机可靠性和通航安全性等4个方面进行了综合考虑.利用模糊逻辑对海上风机的影响因素模糊化,并建立了改进后的IF-THEN推理规则,实现了影响因素与决策准则间的定量转换方法,并引入贝叶斯网络对海上风机影响因素进行推理,实现海上风机方案的最优选择.以中广核海上风机选择为例,确定了中广核海上风机的型号方案,研究结果表明,该方法能够解决影响因素的模糊性问题,同时能够直观的实现影响因素推理,通过将模型计算方案与实际风机方案进行比较,表明本模型能够准确地实现海上风机选择.      

基于贝叶斯推理的随机模型修正方法

为了解决常规优化方法存在的梯度计算困难、病态、非唯一解等问题,采用贝叶斯方法来实现随机模型修正,同时为了加快贝叶斯方法推断修正参数的后验概率密度的速度,将高斯过程替代模型技术和基于延缓拒绝自适应的Metropolis(DRAM)算法的先进马尔科夫链蒙特卡罗(MCMC)方法用于贝叶斯推断,最后,用一斜拉人行桥实例来验证基于贝叶斯推理的随机模型修正方法。结果表明:贝叶斯方法的修正结果与实测结果吻合较好,验证了基于贝叶斯推理的随机模型修正方法的可行性。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

电喷发动机故障诊断专家系统推理机的开发

研究了推理机的相关理论,采用确定性推理和不确定性推理相结合的方法,应用正向推理、深度优先搜索和冲突消除策略,开发了基于故障树的电喷发动机故障诊断专家系统推理机;以发动机不能起动且无着车征兆的故障诊断为例,说明了该推理机的诊断推理过程,并验证了该推理机的应用前景.     

基于本体推理和BN的无人驾驶行为决策

相较于高速与高架路段,无人驾驶行为决策系统在城区路段要面对更为复杂和多变的交通道路环境。文章提出一种将本体知识推理和贝叶斯网络（BN）相结合的方法,通过对道路环境本体模型加以逻辑推理,迁移为BN的结构参数,并根据历史驾驶案例和专家经验构建完整的贝叶斯网络。最后通过BN判断当前场景的最佳驾驶模式。本方法能使车辆较好地判断当前最优驾驶行为。     

基于BP神经网络的某挖掘机故障诊断知识库设计

针对传统知识库存在知识获取困难、表达复杂、推理容易产生组合爆炸等缺陷,提出了一种基于神经网络的知识库建构方法,建立了某型挖掘机的神经网络知识库。研究了BP网络的结构及训练算法,阐明了知识库的实现过程,并以液压泵故障诊断为例,证明了神经网络知识库具有知识获取简单、表达清晰、推理逻辑性强等特性。     

基于贝叶斯网络的城市居民绿色出行安全研究

针对城市居民绿色出行安全问题,在贝叶斯网络的基础上,考虑城市居民、城市车辆、城市道路、城市环境四大因素,构建城市居民绿色出行风险模型;以武汉市为例,通过问卷调查和专家知识经验确定四大影响因素和13个影响因子为贝叶斯网络节点,根据调查数据计算各节点参数,利用Netica软件进行武汉市居民绿色出行风险贝叶斯网络因果推理和敏感性分析。结果表明城市居民最为敏感,其次是城市车辆,关键因子为安全意识缺乏、违章行为、违章心理、行为失误、设备故障、特殊时间(段)和路况差,并据此提出安全保障措施,提高绿色出行安全性。     

基于BP网络的故障诊断正向推理方法

针对传统的故障诊断正向推理方法的局限性 ,对基于BP模型的神经网络故障诊断正向推理方法进行了研究。建立了用于故障诊断的BP神经网络模型 ,并给出了故障诊断的正向推理过程。利用汽车发动机点火系统的故障实例验证了基于BP模型的神经网络故障诊断正向推理方法的有效性和可行性。     

基于贝叶斯网络的路侧安全评价方法

首先阐述了路侧安全评价对于减少公路交通事故的重要意义,在对国内外相关研究进行分析和比较的基础上,构建了一个用于路侧安全性评价的指标体系。随后利用贝叶斯网络所具有的表达不确定性知识和进行不确定性知识推理的能力,提出了一种基于贝叶斯网络的安全评价模型。该模型能够处理复杂的逻辑关系,很好地表达变量间的不确定性关系,可以灵活方便地对系统进行预测及诊断分析,有效地处理专家意见不一致的情形,并能够在某些专家意见缺失的情况下得到合理的结果。最后将此方法应用于评估某路侧的安全等级,结果表明此方法是合理有效的。     

基于信息融合的涡轮发动机故障诊断方法研究

对近年来信息融合方法发展进行总结,着重介绍贝叶斯信息融合法、神经网络信息融合法、基于特征的信息融合法和D-S证据理论信息融合法,分析各种方法的原理和特点。以CFM56发动机故障诊断为例,用BP神经网络的输出结果为输入,构建D-S证据融合的识别框架,进行故障诊断。结果表明,采用D-S证据理论的方法,缩短了故障诊断的时间并提高了故障诊断的精确度。     

基于FNN与规则推理的轿车故障诊断系统

简要分析了模糊推理与规则推理以及这两者相结合的故障诊断方法，这三种方法在处理多症状多原因的机械故障诊断问题上都存在缺陷，基于此引出了模糊神经网络代替模糊推理并与规则推理相结合的先进诊断方法，最后给出了一个轿车诊断实例。实例表明该方法是有效的。     

基于生成对抗网络的电动汽车电池数据增强和故障诊断

针对电动汽车动力电池故障数据稀缺导致诊断模型泛化能力差的问题，提出了基于生成对抗网络（GAN）的数据增强方法，根据增强后的数据，利用随机森林（RF）模型结合贝叶斯优化（BO）方法设计故障诊断方案，形成GAN-RF-BO电池故障诊断框架，并在真实故障数据集上与常用的多层感知机（MLP）模型、支持向量机（SVM）模型和梯度提升决策树（GBDT）模型进行泛化能力对比，结果表明，所提出的故障诊断方案准确率较MLP模型、SVM模型和GBDT模型分别提高19.66%、19.71%及16.31%,GAN-RF-BO框架能有效利用稀缺数据诊断动力电池故障。     

自动变速器离线故障诊断专家系统设计与实现

结合自动变速器故障特点和专家系统的优势,提出了适合于自动变速器离线故障诊断的专家系统架构,并在此基础上开发了可用于某汽车6TXX系列自动变速器的离线故障诊断专家系统软件。所构建的专家系统具备推理程序和知识库管理系统的功能,比传统的诊断程序具有更好的扩展性和适应性。经过模拟故障测试表明,该专家系统诊断结果准确,使用简便快捷,推理结果贴合实际情况。