買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉核動(dòng)力運(yùn)行研究所申請(qǐng)的專利一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113780566B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202110694900.0，技術(shù)領(lǐng)域涉及：G06N7/01；該發(fā)明授權(quán)一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法是由侯修群;蔣慶磊;包彬彬;苗碧琪;施慧烈;張夢(mèng)陽(yáng);李元姣設(shè)計(jì)研發(fā)完成，并于2021-06-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法在說明書摘要公布了：本發(fā)明屬于設(shè)備故障智能診斷領(lǐng)域，具體涉及一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法。專家知識(shí)對(duì)貝葉斯網(wǎng)絡(luò)參數(shù)只能進(jìn)行大范圍約束，需通過人為分析并不斷計(jì)算才能得出貝葉斯網(wǎng)絡(luò)參數(shù)，需耗費(fèi)大量時(shí)間及精力。本發(fā)明包括如下三個(gè)步驟：步驟1：貝葉斯網(wǎng)絡(luò)診斷模型的建立。步驟2：模擬故障樣本庫(kù)的生成。依據(jù)設(shè)備的專家知識(shí)形成診斷規(guī)則，再依據(jù)診斷規(guī)則得到模擬“征兆狀態(tài)?故障后驗(yàn)概率”組合，生成模擬故障樣本庫(kù)。步驟3：診斷模型條件概率的優(yōu)化。本發(fā)明從專家知識(shí)中獲取診斷模型的先驗(yàn)知識(shí)，并依據(jù)迭代學(xué)習(xí)的方法對(duì)貝葉斯網(wǎng)絡(luò)診斷模型的條件概率參數(shù)進(jìn)行學(xué)習(xí)，計(jì)算出符合已有先驗(yàn)知識(shí)下貝葉斯網(wǎng)絡(luò)的初始化參數(shù)。

本發(fā)明授權(quán)一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法在權(quán)利要求書中公布了：1.一種貝葉斯網(wǎng)絡(luò)參數(shù)初始化方法，其特征在于：包括以下三個(gè)步驟： 步驟1：建立貝葉斯網(wǎng)絡(luò)診斷模型，確定待研究設(shè)備的故障類型和征兆類型，明確各故障相關(guān)聯(lián)的征兆，并初步明確診斷模型各項(xiàng)參數(shù)，從而建立貝葉斯網(wǎng)絡(luò)診斷模型； 步驟2：生成模擬故障樣本庫(kù)G，依據(jù)設(shè)備的專家知識(shí)形成診斷規(guī)則，再依據(jù)診斷規(guī)則得到模擬“征兆狀態(tài)-故障后驗(yàn)概率”組合，生成模擬故障樣本庫(kù)； 步驟3：優(yōu)化診斷模型條件概率，基于模擬故障樣本庫(kù)，建立貝葉斯網(wǎng)絡(luò)初始化參數(shù)自學(xué)習(xí)算法，對(duì)診斷模型的條件概率參數(shù)進(jìn)行優(yōu)化，條件概率優(yōu)化流程步驟為： 1選擇LC中一種條件概率集合βn輸入到貝葉斯網(wǎng)絡(luò)診斷模型中，組成貝葉斯網(wǎng)絡(luò)診斷模型BNn＝F,S,E,B,C＝βn； 其中，LC為貝葉斯網(wǎng)絡(luò)診斷模型的條件概率候選集，每個(gè)征兆節(jié)點(diǎn)條件概率候選集以生成條件概率的間隔精度δ迭代生成；F表示診斷模型中所有故障節(jié)點(diǎn)集合，S表示診斷模型中所有征兆節(jié)點(diǎn)集合，E表示各故障節(jié)點(diǎn)與關(guān)聯(lián)的征兆節(jié)點(diǎn)的連接邊集合，B表示各個(gè)故障節(jié)點(diǎn)的先驗(yàn)概率集合，C表示各個(gè)征兆節(jié)點(diǎn)的條件概率表集合； 2把故障模擬樣本庫(kù)中所有征兆狀態(tài)組合LW依次輸入到貝葉斯網(wǎng)絡(luò)診斷模型BNn中，計(jì)算實(shí)際的故障后驗(yàn)概率集合LPan： 其中，N為征兆節(jié)點(diǎn)總個(gè)數(shù)； 3計(jì)算實(shí)際的故障后驗(yàn)概率集合LPan與G中預(yù)測(cè)的故障后驗(yàn)概率集合LPF之間的誤差ern；其中，誤差ern的計(jì)算方法是將LPan和LPF中各個(gè)征兆狀態(tài)對(duì)應(yīng)的后驗(yàn)概率求差并平方，再除以各個(gè)后驗(yàn)概率集合中故障后驗(yàn)概率的總個(gè)數(shù)； 4記錄誤差ern并保存在列表Lern中； 5重復(fù)上述四個(gè)步驟，計(jì)算出條件下對(duì)應(yīng)的所有誤差，篩選出列表Lern中最小值erm，并依據(jù)最小誤差erm的下標(biāo)m，從條件概率表候選集LC中選中對(duì)應(yīng)條件概率集合βm，得到貝葉斯網(wǎng)絡(luò)診斷模型的最優(yōu)化參數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人核動(dòng)力運(yùn)行研究所，其通訊地址為：430223 湖北省武漢市東湖新技術(shù)開發(fā)區(qū)民族大道1021號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。