[發(fā)明專利]一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊智能BIT設(shè)計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010926904.2
• 申請(qǐng)日: 2020-09-07
• 公開（公告）號(hào): CN112082769A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計(jì)）人: 黃從智;申振東;張建華;侯國蓮
• 申請(qǐng)（專利權(quán)）人: 華北電力大學(xué)
• 主分類號(hào): G01M15/14
• 分類號(hào): G01M15/14;G06N7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，包括以下步驟：

通過知識(shí)獲取機(jī)制，構(gòu)建重型燃?xì)廨啓C(jī)控制系統(tǒng)模擬量輸入模塊專家系統(tǒng)知識(shí)庫；

依據(jù)貝葉斯概率計(jì)算專家系統(tǒng)規(guī)則的置信度；

利用貝葉斯決策器對(duì)實(shí)時(shí)BIT檢測(cè)信息進(jìn)行正常、瞬態(tài)、間歇、故障四種狀態(tài)的識(shí)別；

加載故障狀態(tài)的信息至推理機(jī)，實(shí)現(xiàn)故障的精確定位。

2.如權(quán)利要求1所述的一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，知識(shí)庫中每一條故障知識(shí)包含一條完整故障的所有信息，包括規(guī)則ID、規(guī)則前件、規(guī)則后件、置信度、規(guī)則解釋、故障原理，專家系統(tǒng)規(guī)則庫采用產(chǎn)生式規(guī)則表示故障與原因之間的因果關(guān)系，表現(xiàn)形式為：

IF E1 AND E2 AND … AND EN THEN H(CF)

其中，E1，E2，…，EN指證據(jù)；H指結(jié)論（或者在相應(yīng)證據(jù)下成立的假設(shè)），可以是單個(gè)對(duì)象，也可以是多個(gè)對(duì)象；CF指可信度，由信任增長度BI和不信任增長度BD決定。

3.如權(quán)利要求2所述的一種基于專家系統(tǒng)和貝葉斯決策器的模擬量輸入模塊BIT設(shè)計(jì)方法，其特征在于，專家系統(tǒng)規(guī)則庫每一條規(guī)則置信度采用貝葉斯概率理論計(jì)算，包括下述步驟：

第一步，確定每個(gè)結(jié)論H發(fā)生的概率,其中H_N為能夠推出結(jié)論為H的規(guī)則總數(shù)，S為總規(guī)則數(shù)，P(H)為H發(fā)生的先驗(yàn)概率：

第二步：如果發(fā)現(xiàn)證據(jù)E，根據(jù)貝葉斯公式求出H在E發(fā)生情況下的后驗(yàn)概率, 其中，N_E為存在證據(jù)E的規(guī)則數(shù)，H_E為存在證據(jù)E和結(jié)論H的規(guī)則數(shù)，P(H|E)為H在E發(fā)生情況下發(fā)生的后驗(yàn)概率：

第三步，根據(jù)求出的后驗(yàn)概率P(H|E)和先驗(yàn)概率P(H)求出信任增長度BI和不信任增長度BD：

其中max(A,B)為取A和B中最大值，min(A,B)為取A和B中最小值；

第四步，根據(jù)信任增長度BI和不信任增長度BD定義可信度CF：

如果CF0,說明E發(fā)生的情況提高了H發(fā)生的概率；如果CF0，說明E發(fā)生的情況減少了H發(fā)生的概率；如果CF=0，說明E發(fā)生的情況對(duì)H發(fā)生的概率無關(guān)；

CF用于說明證據(jù)E對(duì)于結(jié)論H的支持程度；

可信度CF是專家系統(tǒng)的核心變量，系統(tǒng)中的不確定性推理是基于可信度進(jìn)行的。