概率分布表插值的離散貝葉斯網絡故障診斷算法*

宋仁旺，楊 磊，石 慧，董增壽

(太原科技大學電子信息工程學院，太原 030024)

0 引言

近年來，故障監測和診斷技術不斷發展，已廣泛應用于工業生產領域。對工業設備進行故障診斷，可以快速發現和定位故障，制定合理有效的維修方案，進而縮短設備故障時間，對工業生產系統地穩定運行具有重要的意義[1-2]。

貝葉斯方法具有處理故障過程中的不確定性和多源信息融合的能力，是一種合理有效的故障診斷方法。CHEN等[3]應用貝葉斯理論，建立了風力發電機加速齒輪箱的故障診斷模型。路敦利等[4]提出一種使用K近鄰-樸素貝葉斯決策組合算法對滾動軸承進行故障診斷。樸素貝葉斯(naive bayes,NB)網絡結構簡單，不能充分利用屬性變量之間的依賴關系，當屬性變量之間具有較強的依賴性時，網絡的分類效果會下降。ZHANG等[5]提出了一種基于增強數據獨立性的樸素貝葉斯軸承故障診斷方法，從軸承數據的屬性特征和樣本維數兩個方面去除冗余，減少了數據特征之間的相關性，增強了樸素貝葉斯方法在軸承故障診斷中的性能。為了提高滾動軸承故障識別的正確率，ASR等[6]在不使用組合故障特征作為訓練數據集的情況下，使用非樸素貝葉斯方法進行組合故障診斷。

貝葉斯網絡(Bayesian network,BN)是不確定性知識表達和推理領域的有力工具，可以充分利用變量之間的依賴關系，具有更高的分類能力[7]。針對齒輪箱故障信息耦合性、模糊性的不確定性特點，周真等[8]構建了一種基于事故樹分析方法的三層貝葉斯網絡模型并解析了貝葉斯網絡的故障推理過程，通過風電機組齒輪箱的故障診斷實例驗證了模型的可行性和貝葉斯網絡推理的有效性?！?br>