[發明專利]一種基于貝葉斯網絡的系統測量節點優化配置方法

有效

• 申請號: 201611078752.5
• 申請日: 2016-11-30
• 公開（公告）號: CN108134680B
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 高升;張偉;何旭
• 申請（專利權）人: 中國科學院沈陽自動化研究所
• 主分類號: H04L12/24
• 分類號: H04L12/24
• 代理公司: 21002 沈陽科苑專利商標代理有限公司
• 代理人: 李巨智<國際申請>=<國際公布>=<進入

1.一種基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于，包括以下步驟：

步驟1：建立系統的貝葉斯網絡模型；

步驟2：根據貝葉斯網絡模型計算故障節點和測量節點間的互信息矩陣；

步驟3：根據故障節點和測量節點間的互信息矩陣計算測點對故障節點診斷的貢獻度，確定綜合診斷能力指標；

步驟4：根據測點對故障節點診斷的貢獻度及測點成本和測點數量限制描述優化問題；

步驟5：應用改進的離散二進制粒子群算法進行優化處理，得出測點的優化配置結果；

所述故障節點和測量節點間的互信息矩陣為：

其中，I為故障節點和測量節點間的互信息矩陣；I_ij為故障節點i和測量節點j之間的互信息；m為故障節點的數量；n為測量節點的數量；P為故障節點的概率值；f_i＝1表示為故障節點i處于故障狀態，f_i＝0表示為故障節點i處于正常狀態；s_j＝1表示為配置測量節點j，s_j＝0表示為不配置測量節點j。

2.根據權利要求1所述的基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于：所述建立系統的貝葉斯網絡模型包括以下過程：

步驟1：根據系統的結構及故障模式對系統進行故障模式與理象分析，確定貝葉斯網絡的節點及貝葉斯網絡的拓撲結構；

步驟2：在貝葉斯網絡的拓撲結構基礎上，根據極大熵方法確定節點的驗前分布；

步驟3：根據歷史故障數據及專家經驗確定節點參數值，即節點的條件概率分布，完成貝葉斯網絡模型建立。

3.根據權利要求2所述的基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于：所述根據極大熵方法確定節點的驗前分布過程為：

H_B(a^*,b^*)＝max(H_B(a,b))

a≥0,b≥0

a/(a+b)＝p₀

其中，a為極大熵的驗前分布參數；b為極大熵的驗前分步參數；p為概率參數；a^*和b^*分別為參數a和b的最優值；Beta()為貝塔分布；dp為對概率參數p進行求導；H_B為極大熵符號；p₀為概率參數p的均值。

4.根據權利要求2所述的基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于，所述節點的條件概率分布為：

其中，π(p)為驗前分布；p(D|p)為樣本數據；π(p|D)為節點的條件概率分布；D為樣本數據；dp為對參數p進行求導；p為概率參數。

5.根據權利要求1所述的基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于，所述故障節點診斷的貢獻度為：

E_sj＝(G-G_sj)/G

G＝trace(T)

T＝(I^TI)^T

其中，E_sj為故障節點診斷的貢獻度；G_sj是根據測點組中去掉第j個測點后的互信息矩陣的特征值的和；G為矩陣所有特征值的和；T為診斷信息矩陣；I^TI記為矩陣T^T，T^T為m×m的滿秩矩陣。

6.根據權利要求1所述的基于貝葉斯網絡的系統測量節點優化配置方法，其特征在于，所述根據貢獻度及測點成本和數量描述優化問題過程為：

將故障節點診斷的貢獻度、測點成本和測點數量限制轉化為一個目標函數：

其中，為故障節點診斷的貢獻度；為測點成本；為測點數量限制；Q是一個懲罰因子，其取值為一個充分大的正數；N為限制的測點數量；D為行向量，其元素都為1；x_i為優化問題的解，即測點配置情況；min f(x_i)為優化問題。