基于贝叶斯网络的动量轮可靠性建模与评估

卫星动量轮具有小子样、长寿命特点,无法进行大样本寿命试验评估可靠性水平,但是可以获得大量的专家经验、地面调试数据等验前信息,因而提出了一种基于贝叶斯网络的动量轮可靠性建模与评估方法.首先,采用贝叶斯网络学习算法,融合各种验前信息,建立动量轮可靠性模型;在此基础上,利用贝叶斯网络推理方法,评估动量轮可靠性,分析动量轮故障;最后通过实例分析表明方法的有效性.     

基于数据修补DDBNs的空中目标识别方法研究

简要分析了离散动态贝叶斯网络用于目标识别时对缺失数据处理方法的研究现状,提出了把数据修补技术用于变结构离散动态贝叶斯网络。首先在对空中目标识别模型分析的基础上,构建了一种基于数据修补的离散动态贝叶斯网络模型。进而构建了修补算法的数学模型,并给出了修补过程。待缺失数据修补完整后,再运用修正后的直接推理算法计算目标类型。通过仿真结果对比,表明该方法可以有效地提高识别系统的准确性、可靠性和鲁棒性。     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

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。     

模糊情形下基于贝叶斯网络的可靠性分析方法

确定性的可靠性分析方法在描述模糊情形下的逻辑门与事件时表现出了局限性.为能在模糊情形下进行可靠性分析,利用贝叶斯网络对不确定性问题具有良好描述能力和推理能力的特点,提出一种基于贝叶斯网络的可靠性分析方法.该方法在采用贝叶斯网络进行系统可靠性建模基础上,提出了一个重要的概念:置信割集;并给出了计算强割集的算法.这种基于贝叶斯网络的可靠性分析方法能较好地刻画系统中存在的模糊性,丰富了割集理论,使可靠性分析更加接近实际.最后,举例说明了算法的有效性.     

嵌入Petri网的舰船可靠性仿真模型研究

在分析可靠性框图模型和Petri网模型在舰船可靠性仿真应用特点的基础上,提出嵌入Petri网的可靠性框图模型,并给出具体的仿真算法。该模型通过在可靠性框图模型中嵌入Petri网来表达维修保障行为,弥补了可靠性框图难以描述舰船维修保障行为和各种保障资源的共享与冲突的不足,可用于舰船等复杂系统的可靠性仿真分析。     

基于混合贝叶斯网的空域目标威胁评估方法

针对空域目标威胁评估既需要综合考虑离散型变量和连续型变量影响,又需要具有不确定性推理能力的特点,建立了一种基于混合贝叶斯网的空域目标威胁评估模型。提出了结合主观经验和客观历史数据进行连续型网络参数学习的方法,提高了决策模型定量描述问题域中变量间依赖关系的准确性。运用团树传播算法进行空域目标威胁评估模型推理,仿真结果验证了该方法的有效性。     

基于贝叶斯网络的装备部件战斗损伤评估模型

将破片作为部件损伤的研究对象来说明损伤函数的表达方式及存在的问题,提出利用贝叶斯网络进行装备部件战斗损伤评估的方法。分析了引起部件损伤的相关因素,利用专家经验等先验知识对其属性值进行离散化处理后得到损伤因素属性列表。在此基础上建立贝叶斯网络评估模型。最后通过实例证明了该方法的可行性。     

基于贝叶斯网络的态势评估

作为一种知识表示和进行概率推理的框架,贝叶斯网络在具有内在不确定性的推理和决策问题中得到了广泛的应用。因果推理是态势评估中的一个重要环节,用贝叶斯网络找出态势假设和事件之间的潜在关系,正是态势评估所需完成的功能。根据态势与事件之间不同的连接关系建立了态势评估的贝叶斯网络模型,并分别介绍了相应的信息传播算法,最后以一个实例来说明该网络的计算过程。     

容错计算机网络综合可用性建模与仿真分析

在充分分析现有UMS容错计算机网络可靠性分析技术的基础上,针对容错计算机网络可靠性分析中存在的问题,从容错网络系统的特点出发,对计算机网络系统的典型的容错设备可用性建模、网络流量对网络可用性的影响、计算机网络综合可用性评价进行了研究。在容错计算机网络设备可用性建模的过程中,首先分析了软硬件故障相关性系统的特点,采用基于随机Petri网的可靠性分析方法解决了复杂设备难以进行可靠性建模的问题。通过分析影响网络可用性的因素,建立了基于网络性能的综合可用性模型,与现有的网络可靠性评价指标相比,其评价指标反映的信息更加的全面和科学。这对于建设高可用性网络具有较大的指导意义。     

网络可靠性评估的演化过程重要度抽样模拟方法

针对具有高可靠度网络的连通失效概率计算问题,提出了一种重要度抽样Monte Carlo模拟方法.首先提出了考虑节点和边单元失效网络连通状态判别的演化过程算法,算法根据网络节点和边单元的可靠度,将每次模拟抽样产生的随机数转化为单元的修复时间;按照单元修复时间次序构建网络连通拓扑结构,并视为向网络连通状态转变的演化过程.然后基于重要度抽样Mont,e Carlo模拟求解高可靠度网络的2\K\All端连通失效概率,其中重要度抽样函数的计算采用基于演化过程和交叉熵模型的多准则迭代方法.高可靠度网络算例的计算结果表明,预抽样求解重要度抽样函数时,多准则迭代方法所需的预抽样次数约为其他迭代方法的1/40.因此,本文方法具有较高的计算效率.     

基于SE(3)的航天器姿轨一体化有限时间容错控制

针对相对运动航天器,当执行机构出现故障以及外部干扰和系统不确定性同时存在的情形下,利用滑模控制的鲁棒性,提出了一种有限时间容错控制方法。基于李群SE(3)建立了单刚体航天器姿轨一体化模型,并在指数坐标下推导了相对运动航天器误差动力学方程。设计了一类非奇异快速终端滑模面,并采用等价自适应方法设计控制器估计和补偿外总扰动,提出的容错控制算法可以不依赖于故障诊断与检测环节。运用Lyapunov方法证明了系统在故障和扰动等多约束条件下的稳定性和有限时间快速收敛性,数值仿真结果分析也验证了该容错控制器的快速性、准确性与可靠性。     

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。     

基于堵塞割集评估随机流动网络的可靠性

基于流动单元在网络中随机流动的特点,提出一种新的网络模型——随机流动网络;建立了该网络模型中个体流动单元随机流动的饱和流模型。网络有多种饱和状态并且总有相对应的堵塞割集。尝试用两端点网络饱和流值不小于给定需求的概率评估网络实际流通能力的可靠性。基于饱和流模型,可以仿真出网络中饱和流分布及各弧流量分布情况;利用网络中堵塞割集弧流量分布建立了评估网络可靠性的表达式。最后通过实例分析给定不同网络需求时相对应的可靠性。     

基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

基于内模原理的变结构最优容错控制

针对系统中发生传感器故障和/或执行器故障的情况,兼顾考虑故障对系统内部状态和外部输出的影响,提出了一种物理上可实现的变结构动态最优容错控制方法.该方法首先利用内模原理设计了故障补偿器以补偿故障对系统输出的影响,然后利用Riccati矩阵方程设计了故障情况下的最优容错控制律.为了解决最优容错控制的物理不可实现问题,采用一种新型的降维故障诊断器,在实现故障诊断的同时完成了对系统状态的观测.最后给出了根据故障的发生情况进行变结构调节的动态最优容错控制的设计步骤.仿真结果验证了该方法的有效性和可靠性.     

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络云模型(discrete dynamic Bayesian networks cloud, DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络云模型(Bayesian networks cloud, BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。     

贝叶斯网络在可靠性分析中的应用

针对故障树分析方法在可靠性分析中的局限性,研究了贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率、最小路集、最小割集和底事件重要度的算法.最后对大亚湾核电站紧急停堆失效进行了分析,并与故障树分析的结果进行了比较,结果表明,基于贝叶斯网络的建模分析方法可以得到更丰富的信息.     

基于可靠性分析的胚胎硬件容错策略选择方法

胚胎硬件的容错策略是影响阵列可靠性的重要因素, 可靠性分析可从理论上得到理想的容错策略和阵列布局, 为硬件优化设计提供目标. 胚胎硬件可靠性分析的传统模型仅考虑阵列布局结构, 视细胞为固定节点, 不考虑容错电路设计中细胞内部电路模块的变化, 未能全面反映电路设计的实际情况. 针对这一不足, 提出了新的可靠性模型, 将细胞内配置存储器和输入输出布线器电路的变化 情况引入到建模过程中, 经过实例仿真分析, 总结出了基于可靠性分析的容错策略选择方法和分析步骤, 给出了可指导如何选择容错策略选择的量化条件.     

基于Bayes network含失效节点的网络可靠性评估

针对Bayes network (BN)能很好地表示变量的不确定性和相关性, 并能直接进行不确定性推理的优势, 提出了基于BN含失效节点的网络可靠性评估方法. 建模方面, 给出了通过节点分割去环构建有向无环图及条件概率表的具体方法; 推理方面, 通过节点消隐, 减小BN规模, 有效降低推理复杂度. 分析了算法复杂度, 并通过算例证明了算法的有效性和适用性. 由于BN建模及推理的灵活性, 该方法可研究同时含节点失效、共因失效的网络可靠性, 况且通过BN推理除得到网络失效概率和部件重要度外, 还可得到网络失效条件下任一部件失效或者共因失效发生的概率, 为故障诊断和维护提供指导.