贝叶斯网络在生产过程故障诊断中的应用.pdfVIP

贝叶斯网络在生产过程故障诊断中的应用肖坤,等

贝叶斯网络在生产过程故障诊断中的应用

ApplicationofBayesianNetworkinFaultDiagnosisforProductiveProcess

肖坤杨马英

(浙江工业大学信息工程学院,浙江杭州310023)

摘要:针对单一故障诊断方法的不足,提出了一种综合不同诊断方法的基于贝叶斯网络(BN)的故障诊断方案。该方案在构建贝

叶斯网络结构时,除了将反映因果关系的过程变量作为节点外,同时将单一故障诊断方法对过程故障的诊断率作为证据节点添加到

网络中。采用一种基于均值属性分析的贝叶斯统计学的学习算法来确定已知结构的后验概率参数,从而实现参数学习。最后通过贝

叶斯推理得出故障原因的概率。以TennesseeEastman过程的故障诊断为例,通过仿真试验证明了基于BN的故障诊断方案能综合不

同故障诊断方法的优点,有效提高了诊断率。

关键词:故障诊断贝叶斯网络贝叶斯推理证据节点诊断率

中图分类号:TH165文献标志码:A

Abstract:Againstthedeficiencyofsinglefaultdiagnosismethod,thefaultdiagnosismethodbasedonBayesiannetwork(BN)andintegrating

differentdiagnosismethodsisproposed.WhenestablishingBN,besidestheprocessvariableswhichreflectingthecausality,thediagnosisrate

ofthesinglefaultdiagnosismethodisalsoaddedinthenetworkastheevidencenode.ByusingBayesianstatisticallearningalgorithmbasedon

meanattributeanalysis,theposterioriprobabilityparametersofknownstructurearedetermined,thustheparameterlearningisimplemented.

Finally,theprobabilityofcausesofthefailureisobtainedthroughBayesianinference.WithfaultdiagnosisofTennesseeEastman(TE)process

asexample,throughemulatedexperiment,itisprovedthatthestrategyproposedintegratestheadvantagesofdifferentfaultdiagnosismethods,

andeffectivelyenhancesthediagnosisrate.

Keywords:FaultdiagnosisBayesiannetworkBayesianinferenceEvidencenodeDiagnosisrate

0引言1贝叶斯网络的设计

[1][2][5-7]

现有故障诊断方法主要有基于数学模型、基贝叶斯网络是基于概率论和图论的一种不确

[3][4]定性知识表达推理模型。贝叶斯网络是一个有向无环

于知识和基于信号处理这3类方法。它们各有各

的特点和局限性。基于数学模型的方法需要比较准确图,其中节点代表研究对象中的变量,有向弧代表变量

的对象模型。