概率符号有向图模型先验条件概率参数的估计方法.pdfVIP

第28卷第12期 计算机与应用化学 V01．28，No．12 2011年12月28日 and ComputersAppliedChemistry 概率符号有向图模型先验条件概率参数的估计方法 吕宁，熊智华+，王雄 (清华大学自动化系，北京，100084) 摘要：概率符号有向图(probabilisticsigned digraph，PSDO)模型通过在传统定性符号有向图(signeddigraph，SDG)的模型 结构中引入节点和支路的概率信息，改善了传统定性SDG故障诊断的性能，提高了故障诊断的分辨率。然而，在PSDG模型 中，节点的概率分布通常是在给定其父节点条件下的条件概率分布，建模时所需要的先验条件概率参数的个数与其父节点的个 数成指数关系，定义如此数量巨大的先验条件概率参数无疑会极大地增加对大规模系统建模的难度。为了解决对象先验知识不 完备的情况下PSDG建模过程中先验条件概率参数的设置问题，本文提出了一系列获取未知条件概率参数的估计方法：针对父 节点影响状态相同的情况，提出了扩展Noisy．OR门理论的估计方法：针对父节点影响状态相异的情况，提出了近似估计方法 和极值估计方法。文中对这些估计方法进行了理论分析，证明了采用这些方法的可行性。应用这些估计法方法使得建模需要确 定的先验条件概率参数的数量从节点个数的指数关系降为线性关系，极大地降低了建立大规模PSDG模型的复杂性和工作量。 通过对某石化公司气体分馏装置建立PSDG模型进行故障诊断实例研究，在使用本文提出的估计方法后，建模所需事先确定的 先验概率参数数量急剧降低，诊断结果与实际发生的故障相符，进一步证明了该估计方法的有效性。 关键词：概率符号有向图；先验条件概率；故障诊断 中图分类号：TP206．3 文献标识码：A 文章编号：1001—4160(2011)12．1497-1500 1 引言 计未知条件概率参数的方法，进而降低建立PSDG模型 的复杂性和工作量。 基于符号有向图(signeddigraph，SDG)的故障诊 断方法具有不依赖于精确的数学模型、完备性好、推理 2 PSDG故障诊断方法简介 深度高、直观形象等优点[1】，已成为石化工业安全工程中 定义[4】：PSDG模型y是有向图G、函数y和概率分 的关键技术。近年来，针对传统的定性SDG(QSDG) 故障诊断方法因缺少足够信息而导致故障分辨率低的问 布P的组合(G，|；f，，p)。其中，有向图G由四部分(KE，矿， 题，同时考虑到工业系统所包含的大量不确定性信息， 矿)组成：节点集合肛{v1，V2，…，％)，支路集合B锄， e：…．，岛}，邻接关联符扩：五-矿(支路的起始节点)及矿： 概率SDG(PSDG)方法被引入口J，提出了多种不同的实 E一矿(支路的终止节点)；函数v代表定性的状态值， 施方案[2-5]o我们之前也提出了一种保留QSDG模型结构、 其中以均是节点v,(vk功的状态值，似eO是支路ek(e女∈句 仅仅引入节点和参数的概率的方案【4J，进而在后续的故障 诊断推理中保留了QSDG的有益特性。 呕蜥∈功的概率，p(哟是支路已“鲰∈D的概率。 PSDG的核心思想是在QSDG模型基础上引入节点 与QSDG类似，PSDG的节点也代表目标系统的元 和支路的概率信息。然而PSDG模型中的节点大多为非