基于贝叶斯网络的智能故障诊断算法原理

简介：
本研究探讨了利用贝叶斯网络进行智能故障诊断的基本理论和方法，分析其在复杂系统中的应用优势及实现技术。 3.3 智能故障诊断算法 飞机PHM系统的智能故障诊断算法主要依赖于人工智能技术，并且常用的智能诊断方法有以下四种： 1）基于神经网络的故障诊断：将系统正常工作时检测到的数据进行预处理，提取出特征量后离线输入至神经网络中学习，获得其权值。该神经网络作为系统正常的模型。当实际系统运行过程中出现异常情况时，通过比较当前系统的输出与已训练好的神经网络输出结果的差异来判断是否发生故障（图6）。 2）基于支持向量机(SVM)的故障诊断：SVM是在结构风险最小化原则基础上发展起来的一种方法，在样本数量有限的情况下可以达到较好的分类推广效果。在飞机运行过程中产生的各种信息如振动频谱、波形特征等作为输入，判断是否有故障及其原因和位置（图7）。 3）多传感器信息融合的故障诊断：这种方法将多个来源的信息进行智能合成，产生比单一信息源更精确全面的结果。常用的方法包括基于权重系数的融合方法、参数估计法、D-S证据理论以及Kalman滤波等技术。在PHM系统中经常采用混合式结构实现原始数据与特征值的同时处理和故障隔离（图8）。 4）模糊逻辑推理：通过隶属度函数将系统的输入信息进行综合，产生最终的输出结果。完成隶属度计算后，利用求和或取最大值等方法对不同隶属度函数的结果进行融合，并以此为基础得出最后的结论（图9）。