导读:本文包含了诊断贝叶斯网络论文开题报告文献综述、选题提纲参考文献，主要关键词:故障诊断,网络,故障,武器装备,分布式,直升机,水质。
诊断贝叶斯网络论文文献综述写法
刘学[1]（2019）在《基于贝叶斯网络直升机操纵系统的故障诊断》一文中研究指出该文针对直升机飞行操纵系统的故障诊断,讨论了故障树分析法和贝叶斯网络法的优缺点,提出一种基于贝叶斯网络的故障诊断方法。首先介绍了贝叶斯网络的基本原理,重点讲述了贝叶斯网络的构建方法和故障诊断流程,应用基于贝叶斯网络的故障诊断方法既可以通过操纵系统部件故障率推断系统总故障率,也可以分析操纵系统的薄弱环节,最后通过实例验证了贝叶斯网络法在直升机飞行操纵系统故障分析中的有效性。(本文来源于《中国新技术新产品》期刊2019年22期）
任宇超,徐永能,乔侨[2]（2019）在《基于贝叶斯网络的地铁车门系统故障诊断分析》一文中研究指出提出了基于贝叶斯网络的地铁车门系统故障诊断分析方法,将故障树分析与贝叶斯网络相结合,形成故障贝叶斯网络,详细说明了故障树向故障贝叶斯网络转化过程。以地铁车门系统中基础制动系统为例,进行基于联接树算法的贝叶斯网络精确推理理论的实例分析,验证了基于贝叶斯网络的地铁车门系统故障诊断方法的可靠性。实现了故障贝叶斯网络模型的Matlab仿真,进行了故障因果关系推理和故障重要度判断分析。(本文来源于《兵器装备工程学报》期刊2019年12期）
张露江,张利,杨要伟,卢晓光[3]（2019）在《基于改进贝叶斯网络的风机齿轮箱自动诊断策略研究》一文中研究指出为实现风机运行状态的监测功能,并完成监测数据智能诊断任务,开发了风机智能监测系统。首先,基于振动理论建立了齿轮箱动态模型,并分析了不同故障类型的数据特征,为智能诊断提供了辨识依据。然后,利用贝叶斯网络理论,分析了贝叶斯网络的全概率公式;并在此基础上进行研究,提出了简化广义逆矩阵的智能诊断实现方法。最后,搭建了以广义逆矩阵的智能诊断方法为核心的智能监测系统实现结构。系统在现场进行了运行检测,结果表明,智能监测系统输出结果和人工诊断结果相符。系统已在风场取得初步的工程应用。(本文来源于《电力系统保护与控制》期刊2019年19期）
梁勇,王庆江,赵贺伟[4]（2019）在《基于贝叶斯网络的武器装备故障诊断方法》一文中研究指出对武器装备故障进行快速、有效的诊断和处理,是提高其战备完好率及作战效能的重要方法之一。文中针对武器装备故障的不确定性特点,结合贝叶斯网络处理不确性问题的推理模型,提出了一种使用贝叶斯推理来进行武器装备故障诊断的方法,并通过实例验证了上述方法的可行性与有效性,这对以后处理类似的武器装备故障诊断问题具有借鉴意义。(本文来源于《国防制造技术》期刊2019年03期）
王君莉[5]（2019）在《基于故障树和贝叶斯网络的煤矿带式输送机故障诊断》一文中研究指出为有效诊断煤矿带式输送机故障,首先,提出一种集成故障树和贝叶斯网络的带式输送机故障诊断模型;其次,系统分析了导致带式输送机故障的各种原因事件及其内在逻辑门关系以编制出带式输送机故障树,并依据相关规则将故障树转换为对应的贝叶斯网络模型;在基于故障树确定基本事件风险率的基础上,利用贝叶斯网络模型反向推理能力对风险率进行修正及优化,得出更为可靠的基本事件风险率;最后,结合工程实例,对某煤矿水平运输大巷带式输送机进行故障诊断,并对诊断结果进行原因分析.结果表明:该带式输送机故障诊断结果为存在事故风险,该结果与工程实际较为吻合,同时提出了对输送带接头不够平直、单侧托辊失灵、缺损、滚筒接触面积水或积油、输送物料中掺杂异物等进行着重检修与排查的建议.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年09期）
李卓然[6]（2020）在《基于贝叶斯网络分类算法的采摘机器人故障诊断研究》一文中研究指出提出了贝叶斯网络分类算法和采摘机器人故障诊断节点的选取的方法,建立了采摘机器人故障诊断贝叶斯网络模型,并从采摘机器人动力故障和执行器故障两方面进行了分析研究。实验结果表明:TAN贝叶斯网络算法在诊断正确率和耗时时间两方面,都明显优于NB算法,说明该系统不仅适用于采摘机器人动力故障和执行器故障诊断,且能够较大地提高故障诊断正确率和效率。(本文来源于《农机化研究》期刊2020年05期）
宋执环,吕立华,葛志强,邵伟明,陈光捷[7]（2019）在《基于分布式贝叶斯网络的高速线材质量缺陷诊断与溯源》一文中研究指出高速线材轧制过程工艺复杂、速度高、产线流程长,其数据具有典型的工业大数据特征;难以借助传统方法进行建模与质量缺陷诊断。本文首先分析了高速线材生产线产品质量缺陷诊断与溯源面临的困难与挑战;进而借鉴贝叶斯网络、分层拓扑结构与过程工艺机理,提出了在工业大数据环境下的一种解决方案:基于分布式贝叶斯网络的质量缺陷诊断与溯源方法,最后给出了分布式贝叶斯网络模型在宝钢高速线材生产线的初步应用结果,应用结果验证了本文所提方法的有效性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
郑国臣,支丽玲,张怡,张正,赵峰[8]（2019）在《基于贝叶斯网络技术诊断尼尔基水库水环境风险》一文中研究指出文章针对嫩江流域水资源保护中亟需解决的重点问题,以嫩江流域典型区(尼尔基水库)为研究对象,采用贝叶斯网络技术分析尼尔基水库水环境风险状况。尼尔基库末监测到水质类别为Ⅳ类,则可依据贝叶斯模型推断重要空间点位中对尼尔基库末污染物贡献率,推断出尼尔基库末的最大概率水环境风险等级,实现水环境风险一种新的诊断技术,为水库水环境风险评估提供技术支持。(本文来源于《水利技术监督》期刊2019年04期）
林俊杰[9]（2019）在《基于贝叶斯网络的电梯振动故障诊断及维修方案决策》一文中研究指出电梯异常振动由于故障原因复杂难以快速诊断排除,现通过构建贝叶斯网络基础结构,并用实际设备测量和实验数据进行贝叶斯网络学习,最终利用电梯振动贝叶斯网络进行故障模拟、故障诊断和维修方案决策,进一步提出了电梯异常振动故障智能化解决方案。(本文来源于《机电信息》期刊2019年18期）
董冰[10]（2019）在《基于贝叶斯网络的电力变压器故障诊断》一文中研究指出电网稳定运行需要系统中各设备的协调配合,变压器作为电网中的能量交换设备,其运行状况对电网有直接的影响。并且随着电力变压器电压等级更高、结构更复杂,其故障也变得更加复杂化和多样化,故障原因与故障征兆之间的关系也更加不易探究,因此很难采集到完整无误的故障样本,这便大大增加了变压器故障诊断的难度。因此,本文在分析了电力变压器故障诊断的各类方法后,选择以改良叁比值法为基础,利用贝叶斯网络处理因果关系简洁明了的优势,以朴素贝叶斯网络来构建故障诊断网络模型,并利用概率计算对变量间的关系进行量化,使其对于判断电力变压器运行过程中出现的不确定因素所引起的故障具有了明显优势;在此基础上又结合了粗糙集理论对该网络模型进行了进一步的改进,充分利用粗糙集理论的属性约简功能对所构建的故障诊断模型简化处理,大大减少了网络模型的节点数,降低模型结构的复杂性,以此来提高网络的学习速度及判断能力。为了验证将朴素贝叶斯网络与粗糙集理论相结合的诊断方法是否能够提高处理不完整信息的能力,本文通过收集大量变压器故障数据样本,利用Matlab仿真软件对所收集的数据样本进行训练和测试,并且将仿真结果与仅使用朴素贝叶斯网络方法进行诊断的仿真结果进行了对照,验证了本文提出的验证了本文所提出的方法能够有效的克服信息缺失或者不完整对变压器故障诊断所造成的困难,有效提升了故障诊断的准确性。(本文来源于《辽宁石油化工大学》期刊2019-06-01）
诊断贝叶斯网络论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了基于贝叶斯网络的地铁车门系统故障诊断分析方法,将故障树分析与贝叶斯网络相结合,形成故障贝叶斯网络,详细说明了故障树向故障贝叶斯网络转化过程。以地铁车门系统中基础制动系统为例,进行基于联接树算法的贝叶斯网络精确推理理论的实例分析,验证了基于贝叶斯网络的地铁车门系统故障诊断方法的可靠性。实现了故障贝叶斯网络模型的Matlab仿真,进行了故障因果关系推理和故障重要度判断分析。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
诊断贝叶斯网络论文参考文献
[1].刘学.基于贝叶斯网络直升机操纵系统的故障诊断[J].中国新技术新产品.2019
[2].任宇超,徐永能,乔侨.基于贝叶斯网络的地铁车门系统故障诊断分析[J].兵器装备工程学报.2019
[3].张露江,张利,杨要伟,卢晓光.基于改进贝叶斯网络的风机齿轮箱自动诊断策略研究[J].电力系统保护与控制.2019
[4].梁勇,王庆江,赵贺伟.基于贝叶斯网络的武器装备故障诊断方法[J].国防制造技术.2019
[5].王君莉.基于故障树和贝叶斯网络的煤矿带式输送机故障诊断[J].赤峰学院学报(自然科学版).2019
[6].李卓然.基于贝叶斯网络分类算法的采摘机器人故障诊断研究[J].农机化研究.2020
[7].宋执环,吕立华,葛志强,邵伟明,陈光捷.基于分布式贝叶斯网络的高速线材质量缺陷诊断与溯源[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[8].郑国臣,支丽玲,张怡,张正,赵峰.基于贝叶斯网络技术诊断尼尔基水库水环境风险[J].水利技术监督.2019
[9].林俊杰.基于贝叶斯网络的电梯振动故障诊断及维修方案决策[J].机电信息.2019
[10].董冰.基于贝叶斯网络的电力变压器故障诊断[D].辽宁石油化工大学.2019