一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
专利类型：发明专利
语 言：中文
申 请 号：CN201510138292.X
申 请 日：20150327
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号重庆大学自动化学院
公 开 日：20170707
公 开 号：CN104865956B
代 理 人：赵荣之
代理机构：北京同恒源知识产权代理有限公司 11275
摘 要：该发明提供了一种基于贝叶斯网络的复杂系统中传感器故障诊断方法，在复杂系统中构建传感器监测模型，并将动态贝叶斯网络模型应用于复杂系统传感器故障诊断中。具体方法步骤如下：一、根据各传感器特点建立复杂系统中单个传感器动态模型S(I,q)；二、建立面向复杂系统的贝叶斯网络模型；三、选取非线性观测器σ(I,q)，构建子系统估计模型，获取传感器残差；四、估计残差阈值，确定观测节点参数的先验概率分布；五、对贝叶斯网络结构与参数进行更新调整，构建新的贝叶斯模型；六、根据贝叶斯网络实现复杂系统传感器故障诊断。本发明在贝叶斯网络基础上进行扩展，针对复杂系统，在信息不完备条件下的复杂系统故障诊断具有明显优势。
主 权 项：一种基于贝叶斯网络的复杂系统中传感器故障诊断方法，其特征在于包括下述步骤：步骤一：根据各传感器特点建立复杂系统中单个传感器动态模型S(I,Q)，利用多智能体实现传感器数据通信，对贝叶斯网络叶节点进行定义；步骤二：建立面向复杂系统的贝叶斯网络模型，根据复杂系统结构以及传感器参数建立非线性子系统观测模型Σ(I)和传感器组动态观测模型S(I)，对贝叶斯网络根节点进行定义；步骤三：选取非线性观测器σ(I,Q)，构建子系统估计模型，将估计模型与上述观测模型进行比较，获取传感器残差；步骤四：在传感器子系统健康状态下，设定残差阈值确定观测节点参数的先验概率分布；步骤五：先验概率与样本数据的概率融合并对贝叶斯网络结构与参数进行更新调整，构建新的贝叶斯模型；步骤六：基于偏差关系模型，提高新贝叶斯网络的精确度，推理诊断获取复杂传感器系统故障诊断结果。
关 键 词：
法律状态：公开
IPC专利分类号：G05B23/02