诊断学5-1解析.ppt

* 四、概率推理  （1）网络推理如图  节点状态及其概率值 证据／／：Ⅸ幅值增速快、Ⅸ椭圆不扁、相切点切线不平行13．4％ ? 单一故障概率 质量不平衡80％ 转子热弯曲 25％ 单一故障概率 永久性弯曲 15％ ? 单一故障概率 轴承故障 12％ 轴裂纹 9％ 最大故障组合 质量不平衡为有，其他故障均为无 45％ 最大网络状态 质量不平衡为有，其他节点均为无 分别计算3种后验条件概率值： (a)单一故障发生的概率，它体现了每种故障在证据给定下各自发生的可能性。 (b)最大故障组合概率，它体现了所有故障在证据给定下概率为最大的组合状态。 (c)最大网络状态概率，它体现了在给定证据情况下，整个网络概率为最大的状 态，即网络最可能处于的状态。 。 * 四、概率推理  （2）网络推理结论  节点状态及其概率值 证据／／：Ⅸ幅值增速快、Ⅸ椭圆不扁、相切点切线不平行13．4％ ? 单一故障概率 质量不平衡80％ 转子热弯曲 25％ 单一故障概率 永久性弯曲 15％ ? 单一故障概率 轴承故障 12％ 轴裂纹 9％ 最大故障组合 质量不平衡为有，其他故障均为无 45％ 最大网络状态 质量不平衡为有，其他节点均为无 从表中所列的简单证据可以直接看出，该证据明显支持转子不平衡故障。贝叶斯网络的计算结果也是如此。在单一故障概率中，只有转子质量不平衡故障的概率偏大，为80％，最大故障组合概率也表明5种故障最可能的组合状态是转子质量不平衡为有，其他均为无，其概率为45％。最大网络状态概率也说明在证据给定情况下，网络所有节点最可能的状态是转子质量不平衡故障为有，其他节点均为无，它说明转子发生了不平衡故障。 * 四、概率推理  （3）贝叶斯网络诊断优势  贝叶斯网络的推理过程符合专家的思维方式。它不但提供给专家一个表达知识和经验的方法，而且可利用这些知识进行定量计算。贝叶斯网络在转子故障诊断中的应用有以下优势： (1)贝叶斯网络可用简洁直观的图形描述故障与征兆间复杂的因果关系，并具有很强的不确定性推理能力，可定量计算出故障发生的概率，给出概率解释。 (2)贝叶斯网络获取先验概率信息的途径较宽，因而它可以跨越因故障样本数量和质量的限制而产生的应用障碍。 (3)贝叶斯网络能够实现多种形式的推理诊断。 * 结束语 贝叶斯网络是表示不确定性知识的一种有效方法 贝叶斯网络的参数学习与结构学习是比较活跃的研究领域 贝叶斯网络的推理能够计算出任何给定事件在给定条件下发生的可能性 贝叶斯网络具有广阔的应用前景。 作业： 1、贝叶斯网络学习过程。 2、贝叶斯网络在故障诊断中的应用有哪些优势。 3、贝叶斯网络特点。 * * * * * * * * * * * * * * * * * * * 史忠植 高级人工智能 * 第五章 贝叶斯网络 故障诊断 故障诊断领域的典型应用实例：  美国航空航天局研制的太空船推进系统的故障诊断系统。  美国国家科学研究会研制的核电站状态评估系统等。 在军事决策支持领域，贝叶斯网络已经在军事目标自动识别、作战意图自动估计、无人自动驾驶等方面获得成功应用；美国海军研究的一种贝叶斯网络系统，用于确定敌方来临的导弹、飞行器或舰船，并推荐何种武器能最有效地反击正来临的目标。 贝叶斯网络适于解决复杂系统不确定因素引起的故障，它用概率大小表示系统各个部分之间的影响程度；同时贝叶斯网络可进行并行推理，其速度优于故障树的顺序搜索算法。 问题提出： * 贝叶斯网络研究的内容： 贝叶斯网络推理 贝叶斯网络学习 贝叶斯网络建造 贝叶斯网络应用 * 5.1 概 述 5.1.1 贝叶斯网络的发展历史 贝叶斯（Reverend Thomas Bayes, 1702-1751）学派奠基性的工作是贝叶斯的论文“关于几率性问题求解的评论”。或许是他自己感觉到它的学说还有不完善的地方，这一论文在他生前并没有发表，而是在他死后，由他的朋友发表的。著名的数学家拉普拉斯 （Laplace P. S.）用贝叶斯的方法导出了重要的“相继律”，贝叶斯的方法和理论逐渐被人理解和重视起来。但由于当时贝叶斯方法在理论和实际应用中还存在很多不完善的地方，因而在十九世纪并未被普遍接受。 * 5.1 概 述 5.1.1 贝叶斯网络的发展历史 随着人工智能的发展，