-
公开(公告)号：CN106529582B
公开(公告)日：2019-08-20
申请号：CN201610926730.3
申请日：2016-10-24
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了针对贝叶斯网络中引入专家评价的先验概率评估方法。现有针对贝叶斯网络的先验概率评估方法未提及如何得到量化的专家评价先验概率，且当故障诊断样本容量不足时会造成故障因子的统计先验概率缺失。本发明首先对专家评价进行误差判别，包括评价失真误差和评价经验误差判别；然后对于故障因子，利用算术平均值和分批估计理论进行数据融合；基于多重插补对故障因子的历史统计概率补全；对专家评价数据集和统计概率数据集进行幂函数拟合，将专家评价转化为量化的先验概率。本发明有效将专家评价误差剔除、将专家组的评价拟合，实现精确量化专家评价，与诊断样本得到的统计概率结合，得到完备的先验概率集，提高贝叶斯网络推理的准确度。
-
公开(公告)号：CN106529582A
公开(公告)日：2017-03-22
申请号：CN201610926730.3
申请日：2016-10-24
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了针对贝叶斯网络中引入专家评价的先验概率评估方法。现有针对贝叶斯网络的先验概率评估方法未提及如何得到量化的专家评价先验概率，且当故障诊断样本容量不足时会造成故障因子的统计先验概率缺失。本发明首先对专家评价进行误差判别，包括评价失真误差和评价经验误差判别；然后对于故障因子，利用算术平均值和分批估计理论进行数据融合；基于多重插补对故障因子的历史统计概率补全；对专家评价数据集和统计概率数据集进行幂函数拟合，将专家评价转化为量化的先验概率。本发明有效将专家评价误差剔除、将专家组的评价拟合，实现精确量化专家评价，与诊断样本得到的统计概率结合，得到完备的先验概率集，提高贝叶斯网络推理的准确度。
-
公开(公告)号：CN108764644B
公开(公告)日：2022-04-01
申请号：CN201810393287.7
申请日：2018-04-27
Applicant: 杭州电子科技大学
IPC: G06Q10/06
Abstract: 本发明公开了一种桥式起重机风险源发生概率缺失的插补方法。现有的插补方法对桥式起重机评估数据进行插补时，不具备起重机方面的专业性，插补获得的数据不够准确。本发明包括桥式起重机风险源耦合规则库建立方法和插补严重程度为g0的目标风险源p0的发生概率r0的方法。桥式起重机风险源耦合规则库建立方法用于将各风险源的关联表现出来，进而为缺失数据插补提供基础条件。插补严重程度为g0的目标风险源p0的发生概率r0的方法用于根据已知的相关风险源信息确定缺失数据。本发明采用多重插补法和最近关联法对缺失数据进行插补，提高了插补后数据的准确性。
-
Patent Agency Ranking
公开(公告)号：CN106815421B
公开(公告)日：2020-03-20
申请号：CN201710014482.X
申请日：2017-01-09
Applicant: 杭州电子科技大学
IPC: G06F30/17
Abstract: 本发明公开了一种桥式起重机安全评估方法。现在并没有一套适用于起重机整个系统的安全评估方法。本发明根据起重机的结构组成部分及重点检测项目，将其分解成四个评估模块，对每一个模块或起重机整机进行评估。依据所得的评估结果，可知每个模块的安全状况等级并相应给出安全评估结论，起重机使用单位结合安全评估结论对起重机进行维护修理。本发明不但对起重机的监管单位起到了技术指导作用，更对起重机的使用单位提供了有利可靠的安全保障措施。
-
公开(公告)号：CN106529581B
公开(公告)日：2019-08-20
申请号：CN201610925922.2
申请日：2016-10-24
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于贝叶斯网络的桥式起重机故障诊断方法。贝叶斯网络应用于起重机故障诊断的尚未发现。本发明首先将已发故障事件归类，得到故障树模型，建立故障事件贝叶斯网络结构；其次将贝叶斯网络结构中的节点进行分类，得到模块状态层、故障推理层和故障底事件层；再次采集模块状态层的输出信号，根据桥式起重机各模块是否正常运行选择故障诊断模式；接着根据获取的故障底事件实际状态性能参数，转化为当前故障概率，重置故障底事件层的先验概率，使诊断模型更符合实际情况；最后利用贝叶斯网络算法进行故障诊断实现故障表现预测或第一故障点定位。本发明对故障事件充分解耦，排查过程中不断更新故障底事件故障概率，直至故障定位。
-
公开(公告)号：CN108764644A
公开(公告)日：2018-11-06
申请号：CN201810393287.7
申请日：2018-04-27
Applicant: 杭州电子科技大学
IPC: G06Q10/06
CPC classification number: G06Q10/0635
Abstract: 本发明公开了一种桥式起重机风险源发生概率缺失的插补方法。现有的插补方法对桥式起重机评估数据进行插补时，不具备起重机方面的专业性，插补获得的数据不够准确。本发明包括桥式起重机风险源耦合规则库建立方法和插补严重程度为g0的目标风险源p0的发生概率r0的方法。桥式起重机风险源耦合规则库建立方法用于将各风险源的关联表现出来，进而为缺失数据插补提供基础条件。插补严重程度为g0的目标风险源p0的发生概率r0的方法用于根据已知的相关风险源信息确定缺失数据。本发明采用多重插补法和最近关联法对缺失数据进行插补，提高了插补后数据的准确性。
-
公开(公告)号：CN106815421A
公开(公告)日：2017-06-09
申请号：CN201710014482.X
申请日：2017-01-09
Applicant: 杭州电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种桥式起重机安全评估方法。现在并没有一套适用于起重机整个系统的安全评估方法。本发明根据起重机的结构组成部分及重点检测项目，将其分解成四个评估模块，对每一个模块或起重机整机进行评估。依据所得的评估结果，可知每个模块的安全状况等级并相应给出安全评估结论，起重机使用单位结合安全评估结论对起重机进行维护修理。本发明不但对起重机的监管单位起到了技术指导作用，更对起重机的使用单位提供了有利可靠的安全保障措施。
-
公开(公告)号：CN106529581A
公开(公告)日：2017-03-22
申请号：CN201610925922.2
申请日：2016-10-24
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于贝叶斯网络的桥式起重机故障诊断方法。贝叶斯网络应用于起重机故障诊断的尚未发现。本发明首先将已发故障事件归类，得到故障树模型，建立故障事件贝叶斯网络结构；其次将贝叶斯网络结构中的节点进行分类，得到模块状态层、故障推理层和故障底事件层；再次采集模块状态层的输出信号，根据桥式起重机各模块是否正常运行选择故障诊断模式；接着根据获取的故障底事件实际状态性能参数，转化为当前故障概率，重置故障底事件层的先验概率，使诊断模型更符合实际情况；最后利用贝叶斯网络算法进行故障诊断实现故障表现预测或第一故障点定位。本发明对故障事件充分解耦，排查过程中不断更新故障底事件故障概率，直至故障定位。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
