基于貝葉斯網絡的海洋工程論文范文

本站小編為你精心準備了基于貝葉斯網絡的海洋工程論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1海裝項目貝葉斯網絡分析模型構建

由上文介紹，海裝項目具有多品種小批量的制造特點，這一特點使傳統的統計分析方法面臨新的挑戰:1)在建模時必須考慮不同品種之間的差異性，導致模型的維數增加，從而數據和計算量增大;2)受品種的小批量影響，由于樣本有限，統計易受偶然波動影響。為了解決以上問題，本文提出基于工藝活動的貝葉斯網絡法，對海裝項目的故障分析進行建模。由于貝葉斯網絡重視專家的經驗和判斷，通過建立動態模型，綜合考慮客觀歷史數據、模型和主觀經驗來對過程做出預測，從而使得在保證預測精度的前提下降低了對數據量的要求。因此，貝葉斯網絡特別適用于小樣本的預測分析。

1．1海裝項目影響因素分析與一般制造項目不同，海裝建造項目是一項龐大的工程，有著自身的特殊性。文獻［11］對海裝項目的可追溯性管理進行了深入的研究，根據追溯的目的提出了基于產品和活動的質量追溯方法。而故障分析是海裝項目質量追溯中的關鍵步驟。目前海裝項目質量管理主要是針對材料、設備和工藝進行質量追蹤管理。一般來說，材料和設備的質量信息可以由供應鏈上游企業保證，海裝產品生產企業只需要進行工藝的質量管理即可。工藝作為生產活動，是整個海裝平臺建造的核心:1)工藝將各種材料和設備聯接起來構成整個海裝平臺;2)工藝還反映生產各個環節的人力資源、環境因素、資源因素等因素的協調。對于海裝項目來說，雖然說各個產品平臺的差異性很大，但是對于各類產品建造過程中的各種工藝流程差別性較小，甚至有些具有批次特性，如同種鋼板的切割，因為切割的板材相同、人力相同等因素，所以切割指令也會保持一致。隨著行業的發展，專業化也會得到迅速發展，各個工藝的標準化也會得到實行，所以本文主要以工藝活動作為故障診斷對象進行研究。文中采用典型的焊接工藝活動進行分析影響產品的故障因素。故障診斷的目的在于找出引起故障的關鍵因素，及受影響的相關產品或活動。船體的焊接質量一方面取決于所用鋼材、焊材的質量，另一方面還取決于焊接工藝過程是否符合要求，如焊縫的探傷檢驗是對焊接質量的確認。這些與焊接質量有關的數據，如鋼材、焊材的成分及性能數據;焊接過程的電流、電壓、速度;探傷過程中出現的各種缺陷等數據［12］。質量原因可以歸為:人員因素(man)、機器設備因素(machine)、材料因素(materi-al)、方法因素(method)、測量因素(measure)和環境因素(environment)即“5M1E”。識別一個故障問題的結構可由下面的結構判定。

1．2貝葉斯網絡結構由上文可知，影響焊接質量的主要因素有6個方面，各影響因素之間的因果關系如圖2所示。圖2中使用有向邊表示變量因素之間的因果關系，如環境因素對測量有影響，則在環境因素有一條邊指向測量因素。因果關系網絡的確定一般是根據專家意見和歷史數據結合來確定。對于含n個節點的有向圖結構來說，最多可有n(n－1)/2條有向邊，變量間的因果關系需要專家逐個確定，為了弱化專家知識的主觀性，可以采用證據理論綜合多位專家的意見。當僅憑借專家的意見無法得到理想的結果時，可以采用知識結合樣本數據的方法進行因果關系確定。

1．3條件概率表(CPT)學習對于建立的貝葉斯網絡，可以定性的描述質量問題與各個生產環節影響因素的關系，但還不具備定量描述的能力。為了能夠定量描述故障診斷的能力，必須引入概率參數。對于海裝平臺的故障分析，往往不局限于正常和非正常2個狀態，這點與故障樹不同，可見貝葉斯網絡比故障樹有更強的描述能力。如焊接的焊點的質量往往在焊接前后都會有報驗，如果報驗不合格則會2次施焊甚至3次施焊，因此可以分為不合格、1次合格、2次合格、3次合格等狀態。為了便于研究，這里假設焊接的結果狀態分為1次合格、2次合格、3次合格、不合格4個等級。針對網絡結構圖2，根據專家意見或歷史數據確定各個節點的先驗概率。在擁有大量歷史數據的情況下，可以按照統計的方法確定，如人員的素質，可以根據該人員歷史焊接的故障率作為該變量的先驗概率，否則，可以通過領域專家確定。由領域專家和歷史數據可以獲取完整的節點概率分布和網絡結構，但是在實際生產的過程中，工藝的質量往往受到專家意見和樣本數據中無法體現的不確定性因素影響，且這些因素會隨著時間的推移而發生變化，從而制約了模型對實際生產質量的分析精度，因此模型需要利用生產車間持續產生的數據進行網絡的更新，以提高變化環境下的預測準確性。此時，將原有的條件概率視為先驗概率，對新數據進行一定的處理如使用極大似然法、EM算法訓練，然后根據貝葉斯公式即可獲得后驗概率，從而更新貝葉斯網絡。

2實例分析

本節主要是通過文中建立的焊接工藝質量的貝葉斯網絡模型具體的實際管件的焊接，使用軟件HuginExpert進行計算分析。首先確定焊接工藝的影響因素，使用頭腦風暴法所得結果如表2所示。對于海裝企業，建造平臺基地一般選在港口，因此環境溫度和濕度對材料的影響較大;焊條和管材在潮濕的環境中易生銹蝕，對于嚴重受損的焊材無法用于施焊。焊工主要指焊工的焊接水平。打壓測試是管件焊接完工后的一道工序，主要是對管件焊縫的檢查，本身對焊縫的質量不會造成影響，但是會對焊縫質量記錄產生影響，從而造成一些誤判。而且打壓測試最容易受溫度影響。根據以上分析，可以得到焊接的貝葉斯網絡因果結構如圖3所示。根據專家意見和歷史數據，可以給出各個因素的先驗概率和條件概率表(CPT)，如表3～6所示。同理可以列出焊接質量的CPT，由于涉及到的變量較多，限于篇幅不再列出．在Hugin中建立貝葉斯網絡，然后即可運行，獲取各個節點的后驗概率。如圖4所示。可見，根據專家和歷史數據，初始化數據的模型中焊接質量不合格率在4．43%，是比較符合企業現狀的。已知所有的先驗概率和CPT時，可以對焊接的質量進行預測。如當管材的材質出現問題的情況即設置管材的材質的狀態P(C4=NotFit)=100%，結果由圖5所示，焊縫不合格的后驗概率值由原來的4．43%變為98．92%，可見因管材材質導致的焊接發生質量問題的概率顯著升高，管理者應該加強管材的管理，降低因為管材帶來的焊接不合格率。反過來，如果有證據P(C4=Fit)=1，則會通過信度立即傳播到其他節點，使得貝葉斯網絡認為管材的質量問題可以先驗排除，提高其他節點的預測準確度。在焊接質量故障推理分析方面，即焊接質量出現問題，可以反向推理哪個環節出現問題的概率最大，如圖6所示。當焊縫質量的P(C8=NotFit)=1的時候，與焊接質量直接相關的變量概率變化如表7所示。管材材質的變化最大，不合適率高達41．1%，其次是焊條材質和焊工的水平，分別為21．3%和29．61%，從概率上來看，查找故障的目的性變得更強。

3結束語

通過分析海裝項目故障引起的因素及海裝項目的小批量多品種的特點，傳統基于統計的方法難以適應質量管理問題的需要，故提出了基于貝葉斯網絡的故障診斷模型，通過領域專家意見和歷史數據相結合的分析方式，達到了故障分析的目的。最后，通過使用貝葉斯分析軟件，選取海裝項目建造工藝中最為廣泛的焊接工藝為實例進行了模型方法的演示和分析，并通過設置證據變量、信度傳播等方法觀測貝葉斯網絡節點變化，從而快速智能推理計算，發現故障。通過主觀設置，可以在無歷史數據情況下使用貝葉斯網絡推理，通過參數學習，不斷更新完善貝葉斯網絡，加強推理，這也是區別其他方法的最大優勢。對于企業質量管理人員來說，貝葉斯網絡可以彌補先前人為判定故障的主觀性等不足，通過利用更為先進的數據挖掘技術，綜合利用專家意見和歷史數據，使得質量決策更有針對性，加速企業質量信息化進程，提升質量管理水平，降低質量管理成本。下一步研究的重點就是根據本文提出的貝葉斯網絡分析方法，設計開發相應的海裝項目故障診斷專家系統。

作者：趙金樓成俊會岳曉東單位：哈爾濱工程大學經濟管理學院哈爾濱工程大學計算機科學與技術學院