变压器故障监测及预测模型构建研究

为保证矿用变压器的安全稳定运行,针对目前的诊断方法多没有考虑不良工况以及其它影响变压器运行的复杂因素,根据贝叶斯网络算法,通过对不良工况和矿用变压器运行环境的分析,建立变压器故障监测及预测贝叶斯网络模型。以某矿井变压器故障为例进行了仿真分析,实验结果证明,该模型可以准确诊断变压器故障,并预测潜在故障,对矿用变压器的故障监测和预测具有一定参考意义。     

基于贝叶斯网络的数据挖掘技术

从海量数据中挖掘有用的信息为高层的决策支持和分析预测服务。已成为网络时代人们对信息系统提出的新的需求。但我们发现数据处理和数据的提炼技术是匮乏的。起源于贝叶斯统计学的贝叶斯网络以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习方法等特性表示了客体的概率分布和因果联系，成为当前数据挖掘众多方法中最为引人注目的焦点之一。本文首先对贝叶斯网络、贝叶斯网络推理和贝叶斯网络学习进行综合性的阐述。然后讨论其在数据挖掘中的应用和优势。     

基于贝叶斯网络的数据挖掘技术

从海量数据中挖掘有用的信息为高层的决策支持和分析预测服务,已成为网络时代人们对信息系统提出的新的需求,但我们发现数据处理和数据的提炼技术是匮乏的。起源于贝叶斯统计学的贝叶斯网络以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习方法等特性表示了客体的概率分布和因果联系,成为当前数据挖掘众多方法中最为引人注目的焦点之一。本文首先对贝叶斯网络、贝叶斯网络推理和贝叶斯网络学习进行综合性的阐述,然后讨论其在数据挖掘中的应用和优势。     

贝叶斯网络研究综述

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法．近年来,贝叶斯网络已成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别,机器学习和数据挖掘等领域．综述了贝叶斯网络的典型推理和学习算法,并对其进一步的研究方向进行了展望．     

基于贝叶斯网络的电控发动机故障诊断研究

分析了贝叶斯网络的拓扑结构,给出了发动机怠速不良的故障树图．然后根据故障树到贝叶斯网络的转化算法,建立了贝叶斯网络模型．借助故障模拟试验数据确定了发动机怠速不良时电控汽油喷射系统贝叶斯网络故障诊断中各节点的先验概率值,然后通过贝叶斯网络找出了发动机怠速不良时电控汽油喷射系统各部件的故障发生概率．     

基于支持向量机的汽车故障预测贝叶斯网络推理系统研究

相较于传统的汽车故障诊断,汽车故障预测通过对汽车运行状态数据的分析,实现对汽车未来发生故障的可能性和故障类型进行预测和分析,充分保证汽车行驶的安全。通过对汽车故障类型和特点的深入研究,在已有的故障预测技术的基础上,设计了一种数据驱动的故障预测推理系统。该系统利用支持向量机完成对汽车不同类型故障的分类,结合贝叶斯推理网络,实现对当前汽车状态的综合分析,得出汽车在未来发生不同类型故障的概率,进而完成对汽车故障的预测。最后,编写软件实现汽车故障预测系统。     

贝叶斯人工智能的概率证成

贝叶斯人工智能是将概率方法融入人工智能软件开发的架构,使其在执行任务时建模人类推理,并明智地应对不确定性来源的变化。贝叶斯理论融入人工智能是数字时代的发展所需,贝叶斯推理、贝叶斯网络与融合效用理论的决策网络是贝叶斯人工智能架构的重要组成部分。贝叶斯推理以贝叶斯概率为逻辑起点来描述不确定性,以贝叶斯公式为哲学指引进行信念更新。为了降低计算复杂度,贝叶斯网络以其独特的计算优势和强大的推理能力,拓宽和深化了概率推理的应用领域。通过添加行动和效用节点,贝叶斯网络扩展成为决策网络,有效地帮助人们实现最大期望效用。贝叶斯人工智能可以建模任何关涉不确定性现实问题的领域,定位和发挥人工智能的助手和技术优势,其关键在于背后的概率根基,指引人工智能更好地预测世界如何运行。     

基于贝叶斯网络的网络风险评估研究

建立一个基于贝叶斯网络的风险评估模型,通过风险因素识别、建模和定量计算对网络运行过程中产生的风险进行评估。选取流量、CPU和内存这3个网络性能指标参数作为网络发生风险的定性分析因素,通过贝叶斯网络来计算出各风险因素造成网络发生风险的概率并对其进行排序,确定各风险因素对网络风险的影响程度,并计算出网络风险率。     

贝叶斯网络在电控发动机故障诊断中的应用

介绍了发动机故障自诊断系统的诊断原理,指出了发动机自诊断系统已经不能满足电控汽油喷射系统故障诊断的要求,在此基础上介绍了贝叶斯网络的故障诊断方法.借助故障模拟试验数据确定了发动机怠速不良时电控汽油喷射系统贝叶斯网络故障诊断中各节点的先验概率值,然后通过贝叶斯网络找出了发动机怠速不良时电控汽油喷射系统各部件的故障发生概率.     

变压器故障的诊断

变压器是电力系统的重要设备之一,它的故障将对供电的可靠性和系统的正常运行产生严重影响。因此,开展变压器故障早期诊断,对保证变压器长期安全可靠运行,减少不必要的停用,防止异常情况的发展具有极为特殊的意义。     

基于二层贝叶斯网的网络入侵检测实验分析

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统的自适应性和可移植性,降低系统的误报率和误检率。实验结果表明:该方法在只使用10%训练数据和部分记录属性来学习的情况下,检测效果仍比较好。     

电力变压器的故障探析

电力变压器是电力系统中最关键的设备之一,它承担着电压变换,电能分配和传输的任务,并提供电力服务。但由于变压器长期运行,故障和事故总不可能完全避免,了解电力变压器损坏事故的原因,可以促进制造厂对产品的改进和完善,同时促使运行单位进一步提高运行管理水平,从而保证电力变压器的使用效率、寿命和供电可靠性。     

基于贝叶斯网络的人力资源管理评价体系

目前对人力资源的管理局限于人力资源管理过程的研究,文章将贝叶斯网络引入到人力资源管理评价中,提出人力资源管理结果的贝叶斯评价预测模型,取得了较好的预测效果。     

基于贝叶斯网络的独立学院学生满意度评价实证分析

文章主要从求学环境、教学管理、师资队伍、个人发展、后勤保障五个方面设计独立学院学生满意度评价指标体系。在阐述贝叶斯网络原理的基础上,文章构建了基于贝叶斯网络的独立学院学生满意度评价模型,进而利用浙江省5所独立学院的调查数据进行贝叶斯网络推理和评价。最后,文章提出了提高独立学院学生满意度的一些建议。     

基于动态贝叶斯网络的障碍物辨识研究

依据对样本的统计学习和对事物的先验知识,在数据缺失或没有样本数据的情况下依然可以建立有效的分类器。从图像中提取特征,筛选出所需特征,构建贝叶斯网络模型,并计算各节点的条件概率。将所需数据传入建好的网络系统中,通过一系列推理判断得到所需答案。实验结果表明,利用动态贝叶斯网络建立的障碍物辨识系统,能有效实现人和车辆等障碍物的辨识。     

基于贝叶斯网络的统计推断与问题求解

贝叶斯网络近年成为数据采掘引人注目的研究方向。本文介绍贝叶斯网络的结构和建造步骤 ,并着重讨论基于贝叶斯网络、综合先验信息和样本数据进行统计推断和问题求解的基本思想。与数据采掘的其他方法相比 ,贝叶斯网络统计推断的优点是可以综合先验信息和样本信息 ,并且在样本难得或具有不完整数据集时亦能使用 ,从而将使贝叶斯网络在数据采掘中成为一个有力的工具。     

基于改进深度信念网络的电力变压器故障诊断研究

针对传统算法在变压器故障诊断领域存在参数难以选取、准确率低、易误判等缺点,提出一种基于改进深度信念网络（IDBN）的电力变压器故障诊断方法。在油中溶解气体分析(DGA)基础上,首先以IDBN无监督训练方式重构原始数据特征,然后以有监督方式学习特征与故障类型之间的映射关系,最后将测试数据应用于模型并进行实验。实验结果表明,该方法不仅具有较高精度,而且在准确率方面优于传统的人工神经网络和支持向量机方法。因此,将改进深度信念网络用于变压器故障诊断具有较高的应用价值。     

大型电力变压器故障实例统计分析

分清变压器的故障机理与变压器故障模式危害程度,是对电力变压器可靠性分析和风险评价的必要前提,通过对110KV及以上电压等级变压器故障实例进行随机抽样,获得数据进行归纳、分析,初步形成变压器的故障模式与故障严酷程度、故障原因的关系.