贝叶斯网络辅助节点的研究--在高速列车故障诊断中的应用.doc

  贝叶斯网络辅助节点的研究——在高速列 车故障诊断中的应用# 钟文奇，张三同，魏学业** 5 10 15 20 25 30 35 （北京交通大学电子信息工程学院，北京 100044） 摘要：以高速列车走行部为研究对象,提出改进型的贝叶斯网络(BN)辅助节点,并建立故障诊 断模型的方法，提高列车故障诊断能力。首先对传统的 BN 节点划分进行补充和完善，然后 引入改进型的 BN 辅助节点建立高速列车走行部 BN 故障诊断模型，最后通过对故障诊断率、 参数学习准确性和故障解释能力三个方面的实验仿真，验证了方法的有效性。 关键词：贝叶斯网络；辅助节点；高速列车；故障诊断 中图分类号：TP391.5 Research of Auxiliary Nodes in Bayesian Networks： Applications of Fault Diagnosis in High-speed Train ZHONG Wenqi, ZHANG Santong, WEI Xueye (School of Electronic and Information Engineering,Beijing Jiaotong University, Beijing 100044) Abstract: In this paper, proposes improved auxiliary nodes to enhance the fault diagnosis ability of the train Bayesian network fault diagnosis model for running gear of high-speed train. Firstly, we replenish nodes of Bayesian network; then introduce improved Bayesian network auxiliary nodes to create a new BN; finally, from three aspects of fault diagnosis: accurate ratio, parameter learning and explaining ability of BN through simulating, to prove the validity of the method. Keywords: Bayesian networks; auxiliary node; high-speed train; fault diagnosis 0 引言 简高速列车结构复杂，属于现代大型复杂设备系统，其各部件关系耦合，部件自身发生 故障以及由于耦合关系导致的多部件故障属于非平稳随机事件。 贝叶斯网络（Bayesian Networks 简称 BN）是一个有向无环图与概率表的紧密结合体。 BN 中每一个节点（Node）对应一个条件概率表（CPT），有向弧表示节点之间的依赖关系， 而概率值则表示此不确定性依赖关系的强弱。BN 是贝叶斯方法的扩展，是不确定关系知识 表达和推理最有效的理论模型之一。 目前，贝叶斯网络已经在许多故障诊断领域得到成功应用，但传统 BN 将节点划分为可 观测节点和隐藏节点两类，在实践中，常常遇到某些可观测节点无法采集有效数据信息、外 部环境变化影响因子考虑不充分、BN 节点依赖关系过于复杂而对诊断结果缺乏解释等问题， 降低了 BN 故障诊断模型的效率和可靠性。 早在 1988 年 Pearl 提出贝叶斯网络时，就指出，辅助节点将在 BN 中发挥重要作用[1]。 1998 年，匹兹堡大学 Steve Birnie 等人开发的 Genie1.0 软件中，就设置了辅助节点选项，但 对辅助节点的应用场合并未作具体说明。有相关文献利用分级的方法将 BN 分成各级子系 统，其中提到的辅助节点被认为是除可观测节点和部件节点外的节点统称，其主要目的仅是 为了用辅助节点表示子系统以及系统功能。 基金项目：国家自然科学基金项目 作者简介：钟文奇，(1988-)，男，硕士，主要研究方向:列车故障诊断。 通信联系人：张三同，(1966-)，男，博士，副教授，主要研究方向: 1. 故障诊断与预测研究; 2. 多源信息融 合理论及应用;3. 工业控制系统及自动检测系统. E-mail: santong333@ -1-   40  基于贝叶斯网络的高速列车故障诊断模型是一个新的研究领域，本文以列车走行部为研 究对象，重新划分网络节点类别，将改进的贝叶斯网络辅助节点引入故障诊断模型进行建网， 通过仿真研究，验证改进型辅助节点对网络的故障诊断率、参数学习准确性以及诊断解释能 力都有显著提高。