论文部分内容阅读
针对基于贝叶斯疑似度（Bayesian Suspected Degree，BSD）故障定位算法依赖于故障先验概率和条件概率的缺陷，设计了基于最大症状覆盖率（Maximum Covering Rate algorithm，MCRA）的故障定位算法。MCRA算法以二分图作为故障传播模型，引入了症状覆盖率概念。通过启发式的探测策略，对症状域中每个故障求解症状覆盖率。如果前k个最大症状覆盖率所对应的故障完全覆盖可观察症状集合时，则将这k个故障作为定位结果。MCRA突破了缺乏历史故障统计与分析而无法获取故障发生先验概率和条件概率的限制，.利用症状覆盖率实现对贝叶斯疑似度的近似估计，实现在缺乏历史故障统计数据故障定位中的应用。