[發明專利]一種貝葉斯網絡的拓撲構建方法

在審

• 申請號: 201810601472.0
• 申請日: 2018-06-12
• 公開（公告）號: CN108694439A
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 何建;劉仁杰;鄒見效;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06Q10/04;G06Q50/06
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種貝葉斯網絡的拓撲構建方法，先初始化若干個代表貝葉斯網絡的飛蛾，使用評分函數對其打分排序得到燭火；使用迭代法更新飛蛾和燭火，更新過程中使用遺傳算法的變異和交叉方法；最終根據最高評分的燭火獲得最優的貝葉斯網絡；這樣利用了飛蛾燭火算法的平衡了全局尋優和局部尋優的特點以及遺傳算法的并行計算能力強、減少粒子隨機性的優點，更快更準確的建立了貝葉斯網絡拓撲結構。

技術領域

本發明屬于故障診斷技術領域，更為具體地講，涉及一種貝葉斯網絡的拓撲構建方法。

背景技術

智能電網是建立在智能化輸配電系統上的現代電力系統，在電力系統的各環節都在推進智能電網的進程。智能變電站是實現電力能量的流入、控制和分配，是實現電壓變換和潮流控制功能的關鍵，也是實現電力系統安全可靠運行和可持續發展的關鍵。由于工作環境惡劣變電站設備會隨著工作時間的增加逐漸老化，最終失效，這不僅會給電力系統造成嚴重的損失，同時也會威脅到其他行業的正常生產。目前，大部分地區仍采用對電氣設備進行定期檢修的方式，以避免出現故障。這種相對陳舊的檢驗制度存在明顯的針對性差的缺陷，直接導致過度維修和遺漏維修兩種現象并存。

在一些領域的故障診斷中，常用的是專家系統的方式，但是可能存在著不確定信息較多的問題，不能完整的建立知識庫，診斷效率和準確度不高。貝葉斯網絡可以通過運行數據不斷學習，改進自己的網絡結構和參數，提高故障診斷效率和準確率。相比專家系統處理這些不確定性問題而言，具備很多優勢。

貝葉斯網絡拓撲結構的建立是貝葉斯網絡進行故障診斷的基礎，沒有準確的拓撲結構就不可能得到正確的概率參數集合，不能進行準確的故障推理。影響貝葉斯網絡結構學習效率和準確度的主要因素是搜索算法和評分函數，常用的搜索算法有爬山算法和粒子群優化算法等，常用的評分函數有BIC和BDE等，準確度不高，需要設計一種更有準確率的方法進行貝葉斯網絡拓撲結構的建立。

發明內容

本發明的目的在于克服現有技術的不足，提供一種貝葉斯網絡的拓撲構建方法，利用了飛蛾燭火算法來貝葉斯網絡拓撲結構，這樣平衡了全局尋優和局部尋優的特點，且計算能力強、減少粒子隨機性。

為實現上述發明目的，本發明一種貝葉斯網絡的拓撲構建方法，其特征在于，包括以下步驟：

(1)、設置飛蛾數量n，每一只飛蛾代表一個節點數量為f的貝葉斯網絡拓撲結構，每一個貝葉斯網絡拓撲結構均為一有向無環圖，其中，f個節點用集合表示為：X＝{X₁,X₂,…，X_i,…,X_f}；設置最大迭代次數T，最大無效迭代次數P；

(2)、初始化n個有向無環圖，得到每只飛蛾的f階位置矩陣M_i，i＝1,2,…,n；

(3)、利用改進型BIC算法使用樣本集D＝{D₁,D₂,…,D_m}對每只飛蛾的位置矩陣M_i進行評分；

其中，m代表樣本數量，q_i是節點X_i的父節點取值個數，r_i是節點X_i取值個數，m_ijk表示節點X_i的父節點在第j種取值下自身第k種取值的個數，且λ為懲罰系數；

(4)、將每個位置矩陣M_i的評分從大到小排序，得到燭火F_i；

(5)、利用迭代法更新飛蛾位置和燭火數量；

如果當前迭代次數t小于最大迭代次數T，則將當前迭代次數t加1，再更新燭火數量R，表示向上取整，然后對所有的飛蛾位置進行更新，然后進入步驟(6)，否則跳至步驟(9)；