论文部分内容阅读
针对机械设备维护与故障诊断过程中的不确定性，提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发，建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别，给出了基于最大可能解释（MPE）的故障概率推理算法，从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合，既实现了诊断领域知识的形式化描述与共享，又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明，