基于D-S证据融合和直觉模糊贝叶斯网络双向推理的景区游客拥挤踩踏故障诊断分析

针对不确定条件下景区游客拥挤踩踏故障诊断问题,本文提出一种新的直觉模糊贝叶斯网络双向推理模型.首先,利用直觉模糊集表示专家对贝叶斯网络节点先验概率信息的模糊语言判断,并基于模糊可能性-概率变换公式,得到不同专家给出的节点先验概率值.其次,运用D-S证据合成规则进行信息融合,得到节点先验概率值.最后,结合贝叶斯网络模型,实现贝叶斯双向推理和重要度分析,并以华山景区为例进行实证分析.研究结果表明,本文方法可有效克服“去模糊化”方法导致的信息损失,为解决不确定环境下故障诊断和贝叶斯推理提供崭新途径.     

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。     

基于贝叶斯网络和直觉模糊推理的态势估计方法

将直觉模糊推理理论与贝叶斯网络推理相结合,提出一种基于直觉模糊理论和贝叶斯推理网络的态势估计方法。首先,分析当前贝叶斯网络推理的特点与不足,建立基于直觉模糊函数的贝叶斯网络推理模型;其次,证明直觉模糊函数在贝叶斯网络推理中是可传播的;最后,用实例给出评估结果,验证方法的有效性和模型的正确性。采用实例说明,当证据节点犹豫度较大时,一般贝叶斯网络推理得不到正确的结果,而该方法克服了此缺点,能够得到正确的推理结果。     

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.     

基于分层贝叶斯网络的计划识别方法

分析了态势估计中计划识别问题。采用分层贝叶斯网络对计划进行分级表示,依据发生的战场事件和目标行为,动态构建分层贝叶斯网络结构,并将其作为证据进行推理。为了解决动态构建贝叶斯网络的推理问题,提出构建虚拟节点的方法,将底层贝叶斯网络的推理结果作为不确定证据,输入到对应的上层网络节点中,以代替该底层贝叶斯网络。最后,文中通过仿真实验,对基于分层贝叶斯网络的计划识别方法进行了实验验证,结果表明该方法是有效可行的。     

证据理论与贝叶斯网络相结合的可靠性分析方法

针对可靠性分析中存在的认知不确定性问题,将证据理论引入到贝叶斯网络。给出了存在认知不确定性时故障树向贝叶斯网络的转换方法,以及基于信任测度和似然测度求解顶事件发生概率的方法。研究了三种重要度的求解方法,同时提出了一个重要概念--认知重要度,给出了其实际意义和计算方法。最后,运用所提出方法对某导弹发动机进行了可靠性分析,结果表明,该方法增强了贝叶斯网络处理不确定性信息的能力,简单有效且可以得到更丰富的信息。     

基于相容系数的冲突证据合成方法及评价准则

DS（Dempster-Shafer）证据理论能够有效地处理不确定信息,在信息融合领域得到了广泛的应用。针对DS证据理论在处理高冲突证据时存在的不足,提出了一种新的证据组合方法和量化的评价指标。所提方法利用相容系数来确定每个证据关于各个命题的权重,对证据源进行修正后再利用DS证据理论组合规则进行融合。评价指标则是利用证据源的权重对合成结果与原始证据之间的冲突进行加权求和。仿真实验结果表明,同已有方法相比,所提方法的合成结果更加合理。相应的评价准则也符合主观认识,显示出良好的评价性能。     

基于粗糙集理论与贝叶斯网络的超视距空战战术决策

基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种超视距空战战术决策的新方法.利用粗糙集理论实现对专家知识的约简和空战态势信息集的压缩,提取了超视距空战战术的最小决策信息集,基于最小决策信息集的贝叶斯网络模型可以降低网络结构的复杂性;同时利用贝叶斯网络实现了超视距空战战术的概率决策推理.最后,进行了实例分析,决策推理结果表明该方法的正确性以及在不确定环境下的有效性.     

基于证据理论的不确定可拓推理及其应用

针对可拓推理的不足及可拓知识的不确定性,将关联函数与信任函数结合起来,研究不确定条件下可拓推理的可信度与支持度、冲突度与一致度,构建了基于证据理论的可拓推理函数及合成规则,以实现决策对象在不确定条件下的比较与选择,解决了多方案可拓推理、动态识别的数据挖掘问题,提高了可拓推理的准确性和可信度。     

基于FBN的UCAV对地攻击战斗损伤评估

针对战场战斗损伤评估信息的多样性、不确定性和模糊性,基于模糊理论易于将清晰变量离散化与贝叶斯网络易于进行不确定性推理的优点,提出应用模糊贝叶斯网络对UCAV对地攻击效果进行分析评价,建立了对地攻击损伤评估的模糊贝叶斯网络模型,给出了基于模糊贝叶斯网络的损伤评估的推理决策方法,并且对该方法进行了仿真分析.仿真实例表明,基于模糊贝叶斯网络的损伤评估模型能够提高战斗损伤评估的准确度,而且推理简单,易于实现.     

基于随机集证据推理的构件软件体系可靠性模型

将随机集证据推理应用于军事信息系统软件可靠性建模研究,采用其分析软构件故障过程,计算 软构件可靠性参数,并在此基础上构建了一个基于随机集证据推理-贝叶斯网络的军事信息系统软件可靠性模型.本模型实现了对构件软件体系全过程的可靠性跟踪和监控.仿真实验验证了该模型的实用性和有效性.本模型还可应用于对大型设备系统的故障诊断.     

车联网环境下基于等距映射的证据推理方法

由于车联网是物联网在现代城市交通网络中的具体应用,车联网的数据融合已成为物联网信息感知领域中一个重要的研究课题.针对传统DS证据理论在证据合成过程中存在冲突证据分配不合理、融合方法收敛效果差以及多BBM的证据推理等问题,提出了一种基于等距映射的证据推理方法(isometric mapping evidential reasoning,IMER).IMER,方法根据多BBM证据体间相似关系求取每一个证据体的低维嵌入向量,并计算出低维证据体相似度,以实现对车联网中多BBM证据体的证据推理.实验结果表明本文方法可以合理地分配冲突证据,同时具有较好的收敛性和有效性.     

基于贝叶斯网络的故障树分析

文章简要阐述了贝叶斯网络的构造原理和网络信念的传播与更新,并详细说明了故障树向贝叶斯网络转化的过程,主要包括结点与事件的映射关系和联接强度与逻辑门的映射关系.最后通过一个实例说明了故障树向贝叶斯网络的转化过程,并对二者的推理功能进行了比较.     

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network, IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。     

基于证据理论的信息融合故障诊断方法

从证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,并提出一种符合故障诊断特点的基本可信度分配构造方法。该方法把诊断对象看作一个信息系统,运行过程中不断产生各种信息,并将信息加工成故障特征,通过特定的诊断决策规则,得出诊断结论。给出了一个多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性。     

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。     

基于改进D-S的汽轮机组集成故障诊断研究

在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN（广义回归神经网络）网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提曲的集成故障诊断方法能有效地诊断汽轮机纽的故障,决策合理,可信度高,且能避免误诊现象,具有庭好的应用前景。