基于贝叶斯网络的系统可靠性分析平台

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (4): 71-76.

基于贝叶斯网络的系统可靠性分析平台

敬瑞星1，卢健康1，赵鹏飞1，张文斌2

1.西北工业大学机电学院现代设计与集成制造技术教育部重点实验室，西安 710072
2.云南电网电力研究院博士后工作站，昆明 650214

出版日期:2013-02-15 发布日期:2013-02-18

System reliability analysis platform based on Bayesian networks

JING Ruixing1, LU Jiankang1, ZHAO Pengfei1, ZHANG Wenbin2

1.Ministry of Education Key Laboratory of Contemporary Design and Integrated Manufacturing Technology, School of Mechantronics, Northwestern Polytechnical University, Xi’an 710072, China
2.Electric Power Research Institute, YNPG Post Doctoral, Kunming 650214, China

Online:2013-02-15 Published:2013-02-18

摘要/Abstract

摘要： 贝叶斯网络是一种进行不确定性推理和分析的有效工具，针对系统可靠性分析问题，建立了一种基于贝叶斯网络的系统可靠性分析平台。所建立的分析平台将贝叶斯网络应用于系统可靠性分析中，把系统各组部件抽象成节点，从而构成贝叶斯网络模型；通过推理和分析算法找到影响系统可靠性的薄弱环节；通过计算某个部件发生变化时对整个系统的影响，得出各个节点的重要度，给出合理的优化方案，提升系统可靠性。通过对平视显示器实例进行分析，计算了每个组部件对整个系统的影响程度，证明该分析平台在利用贝叶斯网络对系统可靠性分析上的可行性。

关键词: 可靠性, 贝叶斯网络, 重要度, 平台

Abstract: Bayesian networks are an effective tool for uncertainty reasoning and analysis. In this article, a platform based on Bayesian networks for system reliability analysis optimization is presented. This platform can not only analyze reliability of a system but also analyze the importance of different parts in the whole system. So, it can forecast the influence to the system when the state of one part change, then people can put forward some methods to reduce the influence or improve the function of the system. One example of HUD proved the platform is feasibility for reliability analysis in the end of this paper.

Key words: reliability, bayesian networks, importance measure, platform

敬瑞星1，卢健康1，赵鹏飞1，张文斌2. 基于贝叶斯网络的系统可靠性分析平台[J]. 计算机工程与应用, 2013, 49(4): 71-76.

JING Ruixing1, LU Jiankang1, ZHAO Pengfei1, ZHANG Wenbin2. System reliability analysis platform based on Bayesian networks[J]. Computer Engineering and Applications, 2013, 49(4): 71-76.

[1]	李俊丽. Spark平台下类别数据互信息计算的并行化[J]. 计算机工程与应用, 2021, 57(7): 95-100.
[2]	冯戒虚，司冠南，周风余. 服务机器人云平台服务质量指标体系综述[J]. 计算机工程与应用, 2021, 57(3): 58-71.
[3]	蒋斌，梁小安，张亮，高杨军. 基于改进修正权重的证据组合方法[J]. 计算机工程与应用, 2021, 57(24): 100-106.
[4]	张建根. 支撑财政转移支付的区块链技术方案研究[J]. 计算机工程与应用, 2021, 57(19): 150-155.
[5]	杨舒，苏放. 基于微服务的分布式数据安全整合应用系统[J]. 计算机工程与应用, 2021, 57(18): 238-247.
[6]	冯凯，李婧. k元n方体网络的子网络可靠性[J]. 计算机工程与应用, 2021, 57(16): 83-89.
[7]	杨延娇，赵国涛，王丕栋. 基于语义与情感的句子相似度计算方法[J]. 计算机工程与应用, 2021, 57(16): 151-158.
[8]	张宇，张延松. 向量分组聚集计算技术研究[J]. 计算机工程与应用, 2021, 57(11): 84-94.
[9]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[10]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[11]	李锐，李晓会，陈鑫. 可靠性绿色物流配送选址-路径问题研究[J]. 计算机工程与应用, 2020, 56(23): 237-244.
[12]	李孟特，顾春华，温蜜. 基于区块链的充电交易数据安全存储平台设计[J]. 计算机工程与应用, 2020, 56(21): 79-84.
[13]	王龙飞，邓亮，刘萍. 基于改进果蝇优化的压电精密定位平台迟滞Bouc-Wen模型辨识[J]. 计算机工程与应用, 2020, 56(2): 242-247.
[14]	舒良友，王义宝. 考虑交叉销售的O2O供应链合作广告策略研究[J]. 计算机工程与应用, 2020, 56(13): 236-242.
[15]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.