论文部分内容阅读
在信度网基础上发展起来的因果图模型，克服了信度网的一些不足，目前已发展成一个能够处理离散变量和连续变量的混合模型，特别适于运用在大型的工业故障诊断领域。但因果图在推理计算中，面临着与信度网的推理算法复杂度过高的同样问题。通过比较几种Markov Chain Monte Carlo（MCMC）方法，论文基于Gibbs仿真算法的思想，并对进入稳态条件、采样顺序判定准则、采样结束判据等进行深入分析，进而提出了一种改进的仿真推理新方法。利用该采样仿真算法能极大地提高故障诊断的速度和准确度，这对因果图模型在工业在线