Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "bayesian network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Reactive energy compensator effect on the reliability of a complex electrical system using Bayesian networks
    Autorzy:
    Reffas, Omar
    Sahraoui, Yacine
    Nahal, Mourad
    Ghoul, Rachida Hadiby
    Saad, Salah
    Powiązania:
    https://bibliotekanauki.pl/articles/1844423.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    STATCOM
    reliability
    Complex Electrical System
    reactive energy
    Bayesian network
    Opis:
    The static synchronous compensator is presented in order to improve an electrical network system performance. The present work aims to develop a Bayesian methodology for assessing the time-variant reliability of a complex electrical system taking into account reactive energy compensator (STATCOM). However, the complex aspect is not only related to the complexity of electrical system components architecture, nevertheless is allied to electrical network and STATCOM interactions. The Bayesian network is used for coping with this complexity constraint. The reliability-based assessment of reactive energy compensator effect is applied to a real case of a complex electrical system. The proposed Bayesian methodology application reveals that the STATCOM has a significant influence on electrical system reliability and the developed model can provide valuable information for decision makers to improve the system reliability performance.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 4; 684-693
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Extracting structure of Bayesian network from data in predicting the damage of prefabricated reinforced concrete buildings in mining areas
    Wyodrębnianie struktury sieci Bayesowskiej z danych w prognozowaniu uszkodzeń żelbetowych budynków prefabrykowanych na terenach górniczych
    Autorzy:
    Rusek, Janusz
    Firek, Karol
    Słowik, Leszek
    Powiązania:
    https://bibliotekanauki.pl/articles/1841950.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    Bayesian network
    damage
    risk
    prefabricated reinforced concrete structures
    sieci Bayesowskie
    uszkodzenia
    ryzyko
    prefabrykowane budynki żelbetowe
    Opis:
    This article presents the results of the research on the construction of a model for assessing the risk of damage to building structures located in mining areas. The research was based on the database on the structure, technical condition and mining impacts regarding 129 prefabricated reinforced concrete buildings erected in the industrialised large-block system, located in the mining area of the Legnica-Glogow Copper District (LGCD). The methodology of the Bayesian Belief Network (BBN) was used for the analysis. Using the score-based Bayesian structure learning approach (Hill-Climbing and Tabu-Search) as well as the selected optimisation criteria, 16 Bayesian network structures were induced. All models were subjected to quantitative and qualitative evaluation by verifying their features in the context of accuracy of prediction, generalisation of acquired knowledge and cause-effect relationships. This allowed to select the best network structure together with the corresponding optimisation criterion. The analysis of the results demonstrated that the Tabu-Search method adopting the optimisation criterion in the form of Locally Averaged Bayesian Dirichlet score (BDla) led to obtaining a model with the best features among all the selected models. The results justified the adoption of the BBN methodology as effective in the context of assessing the extent of damage to building structures in mining areas.
    W artykule zaprezentowano wyniki badań dotyczących budowy modelu do oceny ryzyka powstawania uszkodzeń budynków usytuowanych na terenach górniczych. Podstawą do badań była baza danych nt. konstrukcji, stanu technicznego oraz wpływów górniczych dla 129 żelbetowych prefabrykowanych budynków wznoszonych w uprzemysłowionym systemie wielkoblokowym zlokalizowanych na terenie górniczym Legnicko-Głodowskiego Okręgu Miedziowego (LGOM). Do analiz zastosowano metodykę sieci przekonań Bayesa (BBN – Belief Bayesian Networks). Stosując podejście score-based Bayesian structure learning (Hill-Climbing oraz Tabu-Search) oraz wyselekcjonowane kryteria optymalizacyjne, wyłoniono 16 struktur sieci Bayesowskich. Wszystkie modele poddano ocenie ilościowej i jakościowej, weryfikując ich własności w kontekście trafności predykcji, generalizacji nabytej wiedzy oraz zależności przyczynowo-skutkowych. Pozwoliło to na wyselekcjonowanie najlepszej struktury sieci wraz z odpowiadającym kryterium optymalizacyjnym. Analiza wyników wykazała, że metoda Tabu-Search przy przyjęciu kryterium optymalizacyjnego w postaci Locally Averaged Bayesian Dirichlet score (BDla), prowadzi do uzyskania modelu o najlepszych własnościach spośród wszystkich wyłonionych modeli. Uzyskane rezultaty uzasadniają przyjęcie metodyki BBN, jako efektywnej w kontekście oceny zakresu uszkodzeń budynków na terenach górniczych.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 4; 658--666
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Imprecise sensitivity analysis of system reliability based on the Bayesian network and probability box
    Niedokładna analiza czułościowa niezawodności systemu w oparciu o sieć bayesowską i pole prawdopodobieństwa (p-box)
    Autorzy:
    Liang, He
    Mi, Jinhua
    Bai, Libing
    Cheng, Yuhua
    Powiązania:
    https://bibliotekanauki.pl/articles/1841867.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    bayesian network
    probability box
    sensitivity analysis
    reliability analysis
    sieć bayesowska
    pole prawdopodobieństwa
    analiza czułości
    analiza niezawodności
    Opis:
    Sensitivity analysis measures how changes in system inputs affect outputs. Previously, a large amount of sensitivity analysis research was relevant to the precise probability that is regarded as an ideal condition of engineering. Due to insufficient test samples and the low accuracy of test data, system reliability with hybrid uncertainty is difficult to be described as a precise value. As a profusion of highly integrated electromechanical equipment is applied in modern life, it is impossible to apply sufficient resources to eliminate the stochastic property of every component, which necessitates the identification of highly sensitive components to efficiently reduce imprecision. Hence, based on the theory of imprecise probability, imprecise sensitivity analysis has become a popular research topic in the last decade. In this paper, a method for uncertain system reliability and imprecise sensitivity analysis is proposed based on a Bayesian network, a probability box and the pinching method. The feasibility and accuracy of the combined method are fully verified through the evaluation and analysis of a numerical example and a case study of an electromechanical system, and the highly sensitive components that heavily influence the imprecision of system outputs are accurately identified.
    Celem analizy czułościowej jest badanie w jakim stopniu zmiany danych wejściowych systemu wpływają na dane wyjściowe. Dotychczasowe badania z wykorzystaniem analizy czułościowej były związane z dokładnym prawdopodobieństwem postrzeganym w inżynierii jako warunek idealny. Przy niewystarczającej wielkości badanej próby i niskiej dokładności danych testowych, niezawodność systemu o hybrydowej niepewności trudno opisać w sposób dokładny. Biorąc pod uwagę fakt, że we współczesnym świecie wykorzystuje się duże ilości wysoce zintegrowanych urządzeń elektromechanicznych, niemożliwa jest alokacja wystarczających zasobów w celu wyeliminowania właściwości stochastycznych każdego elementu. Oznacza to, że aby zredukować niedokładność, konieczna jest identyfikacja komponentów o wysokiej czułości. Dlatego też popularnym przedmiotem badań ostatniej dekady stała się niedokładna analiza czułości, bazująca na teorii niedokładnego prawdopodobieństwa. W artykule zaproponowano metodę analizy niezawodności niepewnego systemu jak również niedokładnej analizy czułościowej w oparciu o sieć bayesowską, pole prawdopodobieństwa i metodę pinch point. Możliwość wykorzystania i dokładność metody zostały w pełni potwierdzone na podstawie przykładu liczbowego jak również studium przypadku systemu elektromechanicznego; proponowana metoda pozwoliła na poprawne określenie wysoce czułych elementów systemu, które w dużym stopniu wpływają na niedokładność danych wyjściowych układu.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 3; 508-519
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A novel reliability estimation method of multi-state system based on structure learning algorithm
    Nowatorska metoda oceny niezawodności systemów wielostanowych w oparciu o algorytm uczenia struktury
    Autorzy:
    Li, Zhifeng
    Wang, Zili
    Ren, Yi
    Yang, Dezhen
    Lv, Xing
    Powiązania:
    https://bibliotekanauki.pl/articles/301718.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    reliability analysis
    Bayesian network
    structure learning
    multi-state system (MSS)
    dependent failure
    analiza niezawodności
    sieć bayesowska
    uczenie struktury
    system wielostanowy
    uszkodzenie zależne
    Opis:
    Traditional reliability models, such as fault tree analysis (FTA) and reliability block diagram (RBD), are typically constructed with reference to the function principle graph that is produced by system engineers, which requires substantial time and effort. In addition, the quality and correctness of the models depend on the ability and experience of the engineers and the models are difficult to verify. With the development of data acquisition, data mining and system modeling techniques, the operational data of a complex system considering multi-state, dependent behavior can be obtained and analyzed automatically. In this paper, we present a method that is based on the K2 algorithm for establishing a Bayesian network (BN) for estimating the reliability of a multi-state system with dependent behavior. Facilitated by BN tools, the reliability modeling and the reliability estimation can be conducted automatically. An illustrative example is used to demonstrate the performance of the method.
    Tradycyjne modele niezawodności, takie jak analiza drzewa błędów (FTA) czy schemat blokowy niezawodności (RBD), buduje się zazwyczaj w oparciu o tworzone przez inżynierów systemowych schematy zasad działania systemu, których przygotowanie wymaga dużych nakładów czasu i pracy. Jakość i poprawność tych modeli zależy od umiejętności i doświadczenia inżynierów, a same modele są trudne do zweryfikowania. Dzięki rozwojowi technik akwizycji i eksploracji danych oraz modelowania systemów, dane operacyjne złożonego systemu uwzględniające jego zależne, wielostanowe zachowania mogą być pozyskiwane i analizowane automatycznie. W artykule przedstawiono metodę konstrukcji sieci bayesowskiej (BN) opartą na algorytmie K2, która pozwala na ocenę niezawodności systemu wielostanowego o zachowaniach zależnych. Dzięki narzędziom BN, modelowanie i szacowanie niezawodności może odbywać się automatycznie. Działanie omawianej metody zilustrowano na podstawie przykładu.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 1; 170-178
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    System reliability modeling and assessment for solar array drive assembly based on bayesian networks
    Modelowanie i ocena niezawodności systemu w oparciu o sieci bayesowskie na przykładzie układu napędu paneli słonecznych
    Autorzy:
    Li, Y. F.
    Mi, J.
    Huang, H. Z.
    Xiao, N. C.
    Zhu, S. P.
    Powiązania:
    https://bibliotekanauki.pl/articles/302154.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    drzewo uszkodzeń
    dynamiczne drzewo uszkodzeń
    sieć bayesowska
    niezawodność systemu
    układ napędu paneli słonecznych
    fault tree
    dynamic fault tree
    Bayesian network
    system reliability
    solar array drive assembly
    Opis:
    Along with the increase of complexity in engineering systems, there exist many dynamic characteristics within the system failure process, such as sequence dependency, functional dependency and spares. Markov-based dynamic fault trees can figure out the modeling of systems with these characteristics. However, when confronted with the issue of state space explosion resulted from the growth of system complexity, the Markov-based approach is no longer efficient. In this paper, we combine the Bayesian networks with the dynamic fault trees to model the reliability of such types of systems. The inference technique of Bayesian network is utilized for reliability assessment and fault probability estimation. The solar array drive assembly is used to demonstrate the effectiveness of this method.
    Wraz ze wzrostem złożoności w systemach technicznych, pojawia się wiele charakterystyk dynamicznych w ramach procesu awarii systemu, takich jak zależność sekwencyjna, zależność funkcjonalna czy zabezpieczające elementy zapasowe. Oparte na koncepcjach Markowa dynamiczne drzewa uszkodzeń mogą posłużyć do modelowania systemów z powyższymi charakterystykami. Jednak w konfrontacji z problemem eksplozji stanów wynikającym ze wzrostu złożoności systemu, podejście oparte na teoriach Markowa nie jest już skuteczne. W niniejszej pracy łączymy sieci bayesowskie z dynamicznymi drzewami uszkodzeń w celu modelowania niezawodności tego typu systemów. Technikę wnioskowania sieci bayesowskiej wykorzystano do oceny niezawodności i prawdopodobieństwa wystąpienia uszkodzenia. Skuteczność niniejszej metody wykazano na przykładzie układu napędu paneli słonecznych.
    Źródło:
    Eksploatacja i Niezawodność; 2013, 15, 2; 117-122
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Importance measure of probabilistic common cause failures under system hybrid uncertainty based on bayesian network
    Oparta na sieci bayesowskiej miara ważności probabilistycznych uszkodzeń spowodowanych wspólną przyczyną w warunkach niepewności hybrydowej systemu
    Autorzy:
    Mi, Jinhua
    Li, Yan-Feng
    Beer, Michael
    Broggi, Matteo
    Cheng, Yuhua
    Powiązania:
    https://bibliotekanauki.pl/articles/1365216.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    probabilistic common cause failure
    Bayesian network
    α factor model
    extended Birnbaum importance
    probabilistyczne uszkodzenie spowodowane wspólną przyczyną
    sieć bayesowska
    model współczynnika α
    rozszerzona miara ważności Birnbauma
    Opis:
    When dealing with modern complex systems, the relationship existing between components can lead to the appearance of various dependencies between component failures, where multiple items of the system fail simultaneously in unpredictable fashions. These probabilistic common cause failures affect greatly the performance of these critical systems. In this paper a novel methodology is developed to quantify the importance of common cause failures when hybrid uncertainties are presented in systems. First, the probabilistic common cause failures are modeled with Bayesian networks and are incorporated into the system exploiting the α factor model. Then, probability-boxes (bound analysis method) are introduced to model the hybrid uncertainties and quantify the effect of uncertainties on system reliability. Furthermore, an extended Birnbaum importance measure is defined to identify the critical common cause failure events and coupling impact factors when uncertainties are expressed by probability-boxes. Finally, the effectiveness of the method is demonstrated through a numerical example.
    W przypadku nowoczesnych systemów złożonych, relacje zachodzące między komponentami mogą prowadzić do pojawienia się różnych zależności między ich uszkodzeniami, a tym samym do sytuacji w których kilka składowych systemu ulega uszkodzeniu jednocześnie w nieprzewidywalny sposób. Tego typu probabilistyczne uszkodzenia wywołane wspólną przyczyną (PCCF) mają ogromny wpływ na wydajność tych kluczowych systemów. W przedstawionym artykule opracowano nową metodę szacowania ważności PCFF w sytuacjach, gdy w systemie występują niepewności hybrydowe. W pierwszej kolejności, PCFF zamodelowano za pomocą sieci bayesowskich i włączono do systemu wykorzystującego model współczynnika α. Następnie, wprowadzono przedziały prawdopodobieństwa, tzw. probability boxes (bound analysis method), w celu zamodelowania niepewności hybrydowych i kwantyfikacji wpływu tych niepewności na niezawodność systemu. Ponadto zdefiniowano rozszerzoną miarę ważności Birnbauma, która pozwala zidentyfikować krytyczne zdarzenia PCCF oraz czynniki, które je wywołały, w przypadkach, gdy niepewności wyrażone są za pomocą probability boxes. Skuteczność metody wykazano na przykładzie numerycznym.
    Źródło:
    Eksploatacja i Niezawodność; 2020, 22, 1; 111-120
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reliability analysis of complex uncertainty multi-state system based on Bayesian network
    Zastosowanie sieci bayesowskiej do analizy niezawodności złożonych systemów wielostanowych w warunkach niepewności
    Autorzy:
    Wang, Haipeng
    Duan, Fuhai
    Ma, Jun
    Powiązania:
    https://bibliotekanauki.pl/articles/300676.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    reliability analysis
    Bayesian network
    complex uncertainty multi-state system
    fuzzy mathematics
    grey system theory
    analiza niezawodności
    sieć bayesowska
    złożony system wielostanowy
    niepewność
    matematyka rozmyta
    teoria szarych systemów
    Opis:
    Reliability analysis of complex multi-state system has uncertainty, which is caused by complex structures, limited test samples, and insufficient reliability data. By introducing fuzzy mathematics and grey system theory into the Bayesian network, the model of the grey fuzzy Bayesian network is built, and the reliability analysis method of complex uncertainty multi-state system with the non-deterministic membership function and the interval characteristic quantity is proposed in this paper. Using the trapezoidal membership function with fuzzy support radius variable to describe the fault state of the component, it can effectively avoid the influence of human subjective factors on the selection of the membership function and solve the problem that the fault states of the system and its components are difficult to define accurately. And the conditional probability table containing interval grey numbers is constructed to effectively express the uncertain fault logic relationship between the system and its components. Moreover, a parameter planning model of the system reliability characteristic quantities is constructed, and the system reliability characteristic quantities are expressed as the form of interval values. Finally, two sets of numerical experiments are conducted and discussed, and the results show that the proposed method is an effective and a promising approach to reliability analysis for complex uncertainty multi-state systems.
    Analiza niezawodności złożonych systemów wielostanowych obarczona jest niepewnością związaną ze złożonością ich struktury, ograniczoną liczbą próbek badawczych i niewystarczającymi danymi dotyczącymi niezawodności. W przedstawionej pracy, wprowadzenie elementów matematyki rozmytej i teorii szarych systemów do sieci bayesowskiej umożliwiło budowę modelu szarej rozmytej sieci bayesowskiej i zaproponowanie metody analizy niezawodności złożonych systemów wielostanowych w warunkach niepewności, która wykorzystuje niedeterministyczną funkcję przynależności oraz pojęcie interwałowej wielkości charakterystycznej. Zastosowanie trapezoidalnej funkcji przynależności z rozmytą zmienną promienia nośnego do opisu stanu uszkodzenia komponentu, pozwala zniwelować wpływ subiektywnego czynnika ludzkiego na wybór funkcji przynależności i eliminuje konieczność precyzyjnego definiowania stanu uszkodzenia systemu i jego elementów składowych. Opracowana tabela prawdopodobieństw warunkowych zawierająca szare liczby interwałowe pozwala wyrazić niepewne zależności logiki uszkodzeń między systemem a jego składnikami. Ponadto, w pracy skonstruowano model planowania parametrów charakterystycznych wielkości niezawodności systemu wyrażonych w postaci wartości interwałowych. W ostatniej części artykułu omówiono dwie serie eksperymentów numerycznych, których wyniki pokazują, że proponowana metoda stanowi skuteczne i obiecujące podejście do analizy niezawodności złożonych systemów wielostanowych w warunkach niepewności.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 3; 419-429
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reliability and Risk Assessment of Aircraft Electric Systems
    Niezawodność i ocena ryzyka układu elektrycznego samolotu
    Autorzy:
    He, L.
    Yin, C.
    Peng, W.
    Yuan, R.
    Huang, H.-Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/301113.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    interval analytic hierarchy process
    interval eigenvector method
    Bayesian network
    information fusion
    risk assessment
    proces przedziałowej hierarchii analitycznej
    metoda przedziałowych wektorów własnych
    sieć bayesowska
    fuzja informacji
    ocena ryzyka
    Opis:
    It is rather difficult in identifying the fault location and performing risk assessment for complex electronic systems. In this paper a reliability assessment method based on the interval analytic hierarchy process (IAHP) and Bayesian network is proposed to facilitate reliability and risk assessment. After considering the major fault factors, the interval eigenvector method (IEM) is also presented to assess the reliability and comprehensive weights of subsystems. The conditional probability matrices for the factors of risk are defined using an inference rule. Then an updating model of information fusion in the context of Bayesian network is established to assess the risk of system. The proposed method is demonstrated through the risk assessment of an aircraft electric system. The result of the illustrative example shows that the proposed method can not only incorporate the evidence information, but also synthesize all the historical information. A further dynamic adjustment in the safety and risk priority of control measures is quite effective to improve the reliability while mitigating the risk of the electric system.
    Lokalizacja uszkodzeń oraz ocena bezpieczeństwa i ryzyka w przypadku złożonych systemów elektronicznych jest zadaniem dość trudnym. W niniejszej pracy zaproponowano metodę prognozowania niezawodności opartą na procesie przedziałowej hierarchii analitycznej (IAHP), która ma na celu ułatwienie diagnozy uszkodzeń i kontroli ryzyka. Po rozważeniu głównych czynników wywołujących uszkodzenia, zaprezentowano metodę przedziałowych wektorów własnych oraz zdefiniowano, przy użyciu reguły wnioskowania, macierze prawdopodobieństwa dla czynników wpływających na bezpieczeństwo i ryzyko. Następnie, stworzono odnawialny model fuzji informacji w kontekście wnioskowania bayesowskiego służący do oceny stanu zagrożenia Udowodniono, iż włączenie wiedzy eksperckiej do dynamicznej symulacji ułatwia lokalizację uszkodzeń oraz pozwala uzyskać informacje dotyczące diagnozy uszkodzeń. Studium przypadku pokazuje, że dynamiczne dostosowanie priorytetowości związanej z bezpieczeństwem i ryzykiem stosowanych środków kontroli w sposób dość skuteczny zwiększa niezawodność przy jednoczesnym zminimalizowaniu ryzyka w złożonym systemie elektronicznym.
    Źródło:
    Eksploatacja i Niezawodność; 2014, 16, 4; 497-506
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reliability analysis for multi-state system based on triangular fuzzy variety subset bayesian networks
    Analiza niezawodności systemu wielostanowego z zastosowaniem sieci bayesowskich opartych na rozmytych podzbiorach zmienności opisanych przez trójkątną funkcję przynależności
    Autorzy:
    He, Q.
    Zha, Y.
    Zhang, R.
    Sun, Q.
    Liu, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/302183.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    teoria zbiorów rozmytych
    system wielostanowy
    sieć bayesowska
    wypadek podczas ruchu wózka windy
    analiza niezawodności
    reliability analysis
    fuzzy set theory
    Multi-State System
    Bayesian network
    elevator free movement accident
    Opis:
    W niniejszej pracy zaproponowano nową metodę analizy niezawodności systemów wielostanowych wykorzystującą sieci Bayesa (BN) oparte na rozmytych podzbiorach zmienności opisanych za pomocą trójkątnej funkcji przynależności. Metoda ta uwzględnia rozmyty charakter danych dotyczących uszkodzeń, wielostanowość systemu oraz zmienność prawdopodobieństwa wystąpienia uszkodzenia w czasie. BN, które znalazły zastosowanie w modelowaniu i metodach obliczeniowych, wykorzystuje się także do analizy niezawodności. W przedstawionych badaniach, analizę BN uzupełniono o elementy teorii zbiorów rozmytych wykorzystując do opisu prawdopodobieństwa wystąpienia uszkodzenia, podzbiory zmienności opisane przez trójkątną funkcję przynależności. Niepewność zależności logicznej pomiędzy awariami reprezentowanymi przez różne węzły sieci opisano za pomocą tabel rozmytego prawdopodobieństwa warunkowego. W pierwszej kolejności analizowano prawdopodobieństwo uszkodzenia każdego korzenia (węzła głównego) w funkcji czasu. Następnie, wyznaczono trójkątny rozmyty podzbiór zmienności, za pomocą którego opisano rozmyte prawdopodobieństwo uszkodzenia węzłów głównych. Podzbiór ten wykorzystano do analizy niezawodności systemu wielostanowego przy pomocy rozmytych BN. Artykuł kończy opis wypadku podczas ruchu wózka windy szybkobieżnej, który potwierdza skuteczność i możliwość praktycznego wykorzystania proponowanej metody. Wyniki pokazują, że proponowane podejście może skutecznie rozwiązywać na wczesnym etapie problemy związane z niepewnością informacji oraz wielostanowością systemu.
    In this paper, a novel reliability analysis method for multi-state system is proposed on the basis of triangular fuzzy variety subset Bayesian network (BN). The method considers fuzziness, multi-state, and variety of failure probability over time. With advantages in modeling and computation, the BN is utilized for reliability analysis. Fuzzy set theory is introduced into the BN analysis by using triangular fuzzy variety subset to describe failure probability. The uncertainty of fault logical relationship between different nodes is described through fuzzy conditional probability tables. As a function of time, the failure probability of each root node is analyzed first. Subsequently, the triangle fuzzy variety subset is established to describe the fuzzy failure probability of root nodes. This subset is applied to analyze the reliability of multi-state system fuzzy BN. Finally, a case study on the car free movement accident of flexible high-speed elevator lift system is used to demonstrate the effectiveness and practicality of the proposed method. Results show that the proposed approach could effectively address the problems on information uncertainty and multi-state in the early stage.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 2; 158-165
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reliability analysis of multi-state system with common cause failure based on bayesian networks
    Analiza niezawodności systemu wielostanowego z uszkodzeniem spowodowanym wspólną przyczyną w oparciu o sieci bayerowskie
    Autorzy:
    Mi, J.
    Li, Y.
    Huang, H. Z.
    Liu, Y.
    Zhang, X. L.
    Powiązania:
    https://bibliotekanauki.pl/articles/302167.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    uszkodzenie spowodowane wspólną przyczyną (CCF)
    niezawodność systemu
    system wielostanowy (MSS)
    sieci bayesowskie (BN)
    model współczynnika β
    common cause failure (CCF)
    system reliability
    multi-state system (MSS)
    Bayesian network (BN)
    β-factor model
    Opis:
    Taking account of the influence of common cause failure (CCF) to system reliability and the widespread presence of multi-state system (MSS) in engineering practices, a method for reliability modeling and assessment of a multi-state system with common cause failure is proposed by taking the advantage of graphic representation and uncertainty reasoning of Bayesian Network (BN). The model is applied to a two-axis positioning mechanism transmission system to demonstrate its effectiveness and capability for directly calculating the system reliability on the basis of multi-state probabilities of components. Firstly, the reliability block diagram is built according to the hierarchy of structure and function of multi-state system. Then, the traditional Bayesian Networks model of the transmission system is constructed based on the reliability block diagram, failure logic between components and the failure probability distribution of them. In this paper, the β-factor model is used to analyze the CCF of the transmission system, and a new Bayesian network combining with CCF is established following by the implementation of reliability analysis. Finally, the comparison between the proposed method and the one without considering CCF is made to verify the efficiency and accuracy of the proposed method.
    Uwzględniając wpływ uszkodzeń spowodowanych wspólną przyczyną (CCF) na niezawodność systemów oraz powszechne występowanie w praktyce inżynierskiej systemów wielostanowych (MSS), zaproponowano metodę modelowania i oceny niezawodności systemu wielostanowego z uszkodzeniem spowodowanym wspólną przyczyną, która wykorzystuje reprezentację graficzną sieci Bayesa (BN) i oparte na nich wnioskowanie przybliżone. Model zastosowano do analizy układu przenoszenia napędu dwu-osiowego mechanizmu pozycjonowania. Zbadano w ten sposób skuteczność modelu oraz możliwość wykorzystania go do bezpośredniego obliczania niezawodności systemu na podstawie wielostanowych prawdopodobieństw elementów składowych. W pierwszej kolejności stworzono schemat blokowy niezawodności uwzględniający hierarchię struktury i funkcji badanego systemu wielostanowego. Następnie, w oparciu o schemat blokowy niezawodności, logikę uszkodzeń komponentów oraz rozkład prawdopodobieństwa uszkodzeń tych komponentów, skonstruowano tradycyjny model bayesowski układu przenoszenia napędu. W niniejszej pracy wykorzystano model współczynnika β do analizy CCF układu przenoszenia napędu oraz opracowano nową sieć Bayesa uwzględniającą CCF, po czym przeprowadzono na ich podstawie analizę niezawodności. Skuteczność i dokładność proponowanej metody sprawdzono poprzez porównanie jej z metodą nie wykorzystującą CCF.
    Źródło:
    Eksploatacja i Niezawodność; 2013, 15, 2; 169-175
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies