| 【中文题名】 | 贝叶斯网络及其在电网故障诊断中的应用研究 |
| 【英文题名】 | Research on Bayesian Network and Its Application in Power Systems Fault Diagnosis |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-7 |
| 【中关键词】 | 贝叶斯网络,参数学习,人工鱼群算法,电网,故障诊断, |
| 【英关键词】 | Bayesian network,parameter learning,artificial fish-swarm algorithm,power systems,fault diagnosis, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 |
贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一。本文在对贝叶斯网络基本理论进行研究和探讨的基础上,首次将人工鱼群算法引入到由Noisy-Or和Noisy-And等模型组成的贝叶斯网络的参数学习中,论述了基于人工鱼群算法的贝叶斯网络参数学习方法,并通过调整随机移动速度的方法提高了算法的收敛性能。实验结果表明了该参数学习方法的可行性和优越性。
鉴于贝叶斯网络处理不确定问题的优越性及电网故障诊断的特点,采用由Noisy-Or和Noisy-And模型组成的贝叶斯网络和前述参数学习方法,建立了面向元件的贝叶斯网络故障诊断模型,算例仿真表明了该诊断方法的有效性和准确性。 |
| 【论文题纲】 |
|
摘要 |
4 |
|
ABSTRACT |
4-6 |
|
第一章 绪论 |
6-13 |
|
1.1 选题背景及意义 |
6-7 |
|
1.2 贝叶斯网络的发展和研究现状 |
7-9 |
|
1.3 电网故障诊断的研究现状 |
9-11 |
|
1.4 本文的主要内容和结构安排 |
11-13 |
|
第二章 贝叶斯网络的基本理论 |
13-27 |
|
2.1 贝叶斯网络简介 |
13-16 |
|
2.2 贝叶斯网络的参数学习 |
16-21 |
|
2.3 NOISY-OR 和NOISY-AND 模型 |
21-26 |
|
2.4 小结 |
26-27 |
|
第三章 基于人工鱼群算法的贝叶斯网络参数学习 |
27-38 |
|
3.1 人工鱼群算法简介 |
27-30 |
|
3.2 基于人工鱼群算法的贝叶斯网络参数学习方法 |
30-33 |
|
3.3 算法分析 |
33-35 |
|
3.4 实验分析 |
35-37 |
|
3.5 小结 |
37-38 |
|
第四章 基于贝叶斯网络的电网故障诊断 |
38-53 |
|
4.1 引言 |
38 |
|
4.2 电力系统继电保护动作原理介绍 |
38-40 |
|
4.3 基于贝叶斯网络的电网故障诊断方法 |
40-45 |
|
4.4 基于MAS 的电网故障诊断系统体系结构 |
45-51 |
|
4.5 小结 |
51-53 |
|
第五章 结论 |
53-55 |
|
参考文献 |
55-59 |
|
致谢 |
59-60 |
|
附录1 用人工鱼群算法学习贝叶斯网络参数的部分主要程序 |
60-65 |
|
在学期间发表的学术论文和参加科研情况 |
65-66 |
|
详细摘要 |
66-75 |
|
| 【DOI】 | LunWen.ID:2.2008.383167 |
