计算机科学与探索 ›› 2018, Vol. 12 ›› Issue (11): 1796-1805.DOI: 10.3778/j.issn.1673-9418.1806032
王林,宋蓓,张友卫,綦小龙,王皓
WANG Lin, SONG Bei, ZHANG Youwei, QI Xiaolong, WANG Hao
摘要:
基于概率图模型的故障诊断技术常被用于不确定信息的推理。其中贝叶斯网络作为一类具有强大实用性及适用性的概率图模型,得到了广泛应用。为有效识别大数据量工业系统中的故障传播路径,提出了一种考虑父节点影响的贝叶斯网络故障路径追溯算法。在建立贝叶斯网络后,给定父节点所有潜在取值组合,算法利用条件概率分解及二分法估计特定故障子节点的最大条件分布值,然后与真实观测值比较,得到导致此故障发生的最大可能原因。通过逐层推断,最终能够实现对网络中故障传播路径的有效追溯。实验结果表明,该算法具有准确追踪故障路径的能力,同时显示出较高的可用性及较快的追踪速度。