马尔可夫过程融合贝叶斯网络的测试性建模研究OA北大核心CSTPCD
在设备测试性建模中,通常将设备运行状态划分为正常和故障两态,忽略了设备故障演进特征,从而导致测试性指标虚高。该文提出一种马尔可夫过程融合贝叶斯网络的测试性优化建模方法,充分考虑设备退化过程。在故障与测试不确定性矩阵的基础上,基于马尔可夫随机过程建立了部件多状态退化模型(正常、过渡、故障),减少了两态条件下故障模式判定的不确定模糊区间,提高了系统测试性指标。利用贝叶斯网络推理确定多态测试分布函数,优化了虚警率和检测率。最后,以某型龙门式自动洗车机为对象进行了验证分析,与传统测试性方法相比,系统检测率提高7.71%,隔离率提高11.58%,虚警率下降9.50%,验证了该方法的有效性。
丁善婷;蔡胜玲;谭梦颖;董正琼;蒋成昭
湖北工业大学机械工程学院,武汉430068 湖北省现代制造质量工程重点实验室,武汉430068湖北工业大学机械工程学院,武汉430068 湖北省现代制造质量工程重点实验室,武汉430068湖北工业大学机械工程学院,武汉430068 湖北省现代制造质量工程重点实验室,武汉430068湖北工业大学机械工程学院,武汉430068 湖北省现代制造质量工程重点实验室,武汉430068湖北工业大学机械工程学院,武汉430068 湖北省现代制造质量工程重点实验室,武汉430068
计算机与自动化
马尔可夫过程贝叶斯网络不确定性多状态测试性建模
《机械科学与技术》 2024 (11)
P.1972-1979,8
湖北工业大学博士科研启动基金项目(BSQD2020006)现代制造质量工程湖北省重点实验室开放基金项目(KFJJ-2021015)。
评论