贝叶斯网络理论在装备故障诊断中的应用

内容简介

[

本书介绍了故障诊断及贝叶斯网络的基本理论，阐述了贝叶斯网络理论在智能故障诊断方法中的应用。提出了一种基于模型分解的复杂系统诊断模型建立方法，能够在*小领域专家负担情况下建立诊断贝叶斯网络模型；基于gibbs抽样的诊断模型评估算法，采用等概率故障注入算法，能够实现对诊断模型的全面覆盖测试，对诊断模型进行全面评估。介绍了一种基于簇树的通用近似诊断推理算法，结合了簇树精确算法和重要性抽样原理，通用性好、计算效率高。基于进化计算的贝叶斯网络结构学习算法，对缺失数据处理是基于后验网络的，补充数据可信度比较高，在丢失数据较多的情况下网络结构学习性能较好。
本书适用于从事故障诊断研究领域的高等学校研究生和有关技术人员参考，对模式识别、知识发现等人工智能领域的研究人员也有一定的参考价值。

]

目录

第1章 绪论 1.1 故障诊断与综合诊断 1.2 智能故障诊断方法的研究现状及发展第2章 装备故障诊断的理论基础 2.1 武器装备故障特点 2.2 智能故障诊断系统中不确定知识的处理 2.3 不确定性推理模式第3章 贝叶斯网络理论 3.1 概述 3.2 贝叶斯概率基础 3.3 贝叶斯学习理论 3.4 简单贝叶斯学习模型 3.5 贝叶斯网络的建造第4章 贝叶斯网络的精确推理 4.1 引言 4.2 贝叶斯推理基础 4.3 基于簇树的贝叶斯网络推理 4.4 小结第5章 连接树的构造与信息传递 5.1 连接树的构造 5.2 量化连接树 5.3 处理证据 5.4 近似推理 5.5 小结第6章 诊断贝叶斯网络的建立和评估方法 6.1 基于故障树的贝叶斯网络建立方法 6.2 基于模型分解的复杂系统贝叶斯网络构建方法 6.3 诊断贝叶斯网络模型的评估方法研究 6.4 小结第7章 诊断贝叶斯网络通用近似推理算法 7.1 概述 7.2 基于簇树的精确推理算法 7.3 基于簇树算法的通用近似推理算法 7.4 小结第8章 诊断贝叶斯网络的结构学习 8.1 网络结构学习方法 8.2 不完整数据条件下的网络结构学习算法 8.3 小结第9章 故障诊断专家系统 9.1 故障诊断专家系统简介 9.2 故障诊断专家系统的发展趋势 9.3 故障诊断专家系统的基本结构 9.4 故障诊断专家系统设计 9.5 故障诊断方法试验验证参考文献

封面

书名:贝叶斯网络理论在装备故障诊断中的应用

作者:李海军等编著

页数:194

定价:¥28.0

出版社:国防工业出版社

出版日期:2009-07-01

ISBN:9787118062250

PDF电子书大小:58MB 高清扫描完整版