基于模糊概率的多状态贝叶斯网络可靠性分析

利用贝叶斯网络对多状态系统进行可靠性分析时,各根节点不同状态的精确概率难以获得。因此提出了把模糊理论与贝叶斯网络方法相结合,将不同专家给出的根节点各状态发生概率的语言变量转化为三角模糊数,并经过均值化、解模糊和归一化得到不同状态的发生概率的精确值。将其代入多状态贝叶斯网络中,计算叶节点不同状态的发生概率,进而计算各根节点的后验概率及风险增加当量重要度。通过实例分析验证了该方法的可行性。应用该方法能够提高贝叶斯网络处理不确定性问题的能力,使其在解决多状态不确定性系统可靠性和安全性问题时发挥更大的作用。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

基于民生视角的政府绩效评价灰色贝叶斯网络模型

建立了一种基于民生视角的政府绩效评价贝叶斯网络模型。研究了运用极大熵模型,求解网络的参数分布问题;结合灰色系统的思想,给出了政府绩效评价中的不确定信息处理的方法;通过对网络结构的分析,研究了评价信息在传递过程中的衰减性;最后,通过贝叶斯网络推理,给出网络中各节点的定量评价,为基于民生视角的政府绩效评价提供了一种新的理论方法和工具。     

基于FTA仿真的三高气田事故风险概率

高含硫、高压、高产的“三高"气田的钻完井事故概率计算是国内外钻完井事故风险评价中的重点和难点,为全面刻画事故发生机理, 合理计算事故风险概率,针对三高气田钻完井阶段事故风险建立了事故树,结合事故树仿真方法和贝叶斯修正方法提出了三高气田钻完井事故风险概率评估方法,将现有现场统计资料和专家判断相结合,对基本事件失效率及失效概率进行统计推断, 并利用Monte Carlo仿真得到井喷事故及相关事故的失效概率分布. 实证结果表明,该研究方法有效弥补了因样本数据有限和经验判断差异带来的不确定性,可以为三高气田事故风险定量评价提供依据.     

基于贝叶斯网络的商业银行全面风险预警系统

贝叶斯网络能够用条件概率较好地表达不确定性因果关系, 并进行一定的推理. 基于商业银行全面风险管理的复杂性, 较难采用传统方法构建预警系统, 采用贝叶斯网络, 通过构建商业银行全面风险的拓扑结构, 将各类风险诱因对商业银行全面风险的影响纳入到具有因果关联的网络结构中, 测算了各类指标对全面风险的影响程度, 并通过预警系统的灯号模型, 直观地展示了风险因素对商业银行全面风险的影响, 以便帮助商业银行及时采取措施化解风险.     

基于贝叶斯网络的路网脆弱路段识别模型

界定了路网脆弱性的内涵,提出了基于贝叶斯网络的路网理论分析框架,应用贝叶斯网络的双向推理技术定量地分析B每个路段对路网系统整体故障影响的大小,并在此基础上,分别基于故障树和最小路集构建了路网脆弱环节识别的贝叶斯网络模型;最后,通过实例说明利用贝叶斯网络方法识别路网脆弱环节的具体步骤。研究结果表明,该方法可以快速、有效地识别路网的脆弱环节,为路网问题的解决提供决策支持。     

动态贝叶斯网络与黑板机制结合的协同决策方法

针对信息化战争中重大复杂决策问题,提出动态贝叶斯网络与黑板机制相结合的协同决策方法。以协同防空预警雷达目标识别问题为背景,针对复杂问题协同决策的特点,将动态贝叶斯网络的定量推理能力与黑板机制灵活集成多领域决策者智慧定性推理的能力相结合,提出动态贝叶斯黑板协同决策机制。在概率意义下证明了该方法的有效性,并用仿真试验验证该方法可以较显著地提高协同决策的正确性。     

HPM武器电子毁伤效能评估方法

为综合考虑高功率微波(high-power-microwave,HPM)电子毁伤过程中涉及的各要素并给出特定概率下的毁伤程度分级,提出HPM武器电子毁伤效能的灰色贝叶斯网络评估方法。通过分析HPM武器的电子毁伤过程,构建了毁伤的评估指标体系,并采用层次分析法和熵权法确定了指标权重;根据各指标的取值定义了基于隶属度的均匀评分规则,并以此为输入,借助灰色和贝叶斯网络理论,构建了HPM武器电子毁伤等级和毁伤概率评估模型,明确了干扰、削弱、损伤及破坏4种毁伤等级对应的评估值区间,计算了相应毁伤等级下的毁伤概率。最后通过算例进行了验证,效果良好。该评估方法对定量研究HPM武器的电子毁伤具有一定的参考价值。     

飞行器机动动作风险定量评估模型

为了定量评估机动动作的风险,构建机动动作风险定量评估模型。提出使用关键点划分机动动作,并给出了不同风险等级的划分及其含义;由于关键点的风险等级与参数离差划分区间之间的不确定性,使用〖JP3〗贝叶斯定理确定关键点处于不同风险等级的概率,并结合不同风险等级的权重得到关键点的风险值;由于专家在判断过程中的模糊性及不确定性,使用模糊层次分析法确定不同关键点的权重,最终实现了机动动作风险的定量评估。仿真实验部分以典型的机动动作斤斗为例进行研究,通过对斤斗动作实际数据的分析,验证了机动动作风险定量评估模型的有效性。     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.     

基于故障树和贝叶斯网络集成的重大工程弃渣场风险诊断与预测

伴随建设交通强国，越来越多的穿越西部地区的公路、铁路等线性基础设施类重大工程均需要建设大量隧道并通过弃渣场安置隧道洞渣。相应地，很多大规模弃渣场不可避免选址在复杂艰险环境地区，在自然环境和人类活动的共同影响下，弃渣场潜在的崩塌、滑坡和泥石流风险，对水土保持、生态环境和生命财产威胁巨大。首先，从系统视角出发，构建弃渣场系统风险分析逻辑框架；然后，根据对弃渣场系统的生命周期阶段划分，结合引起风险的管理行为和自然环境因素，提出弃渣场系统故障事件识别分析逻辑框架，用于构建弃渣场系统风险分析故障树。进一步，通过逻辑关系转化规则设定，将故障树转化为贝叶斯网络结构，并引入专家评判确定贝叶斯网络节点间的条件概率，将专家知识转化为用于诊断与预测重大工程弃渣场系统风险的贝叶斯网络模型。通过一个大型弃渣场的灾害实例进行了说明，揭示了如何通过故障树和贝叶斯网络将专家知识进行综合集成，以支撑复杂艰险环境条件下重大工程弃渣场的风险管理。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此，提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

基于广义连续时间贝叶斯网络的指挥控制网络系统可靠性分析

指挥控制网络作为典型的复杂网络系统，其可靠性通常可以利用动态贝叶斯网络(dynamic Bayesian network, DBN)来分析。由于DBN并不能很好地解决包含时间和非时间事件的指挥控制网络系统可靠性问题，因此提出一种具有二态条件概率表的广义连续时间贝叶斯网络(generalized continuous time Bayesian network, GCTBN)的建模方法。在此模型的基础上，得到了不同逻辑门的可靠度算法求解，进而针对指挥控制网络系统提出了无线电传播、通信设备以及网络的可靠性分析方法，从而综合地考虑到指挥控制网络执行不同任务的可靠性问题。通过对指挥控制网络可靠性问题的实际案例分析，验证了所提方法的有效性。     

基于因果贝叶斯网络的风险建模与分析

风险管理的核心在于干预风险,这需要了解风险事件间的因果关系。提出了一种基于因果贝叶斯网络的风险建模与分析方法,所提方法由基于业务流程分析的风险识别、基于贝叶斯因果网络的风险建模和关键风险事件识别三个主要步骤组成,有利于识别和评估风险事件间因果关系,为制订高效的风险应对计划提供可靠的依据。所提方法被应用于某公司国际采购风险分析中,取得显著效果。