无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

动态贝叶斯网络的无人机炮火校射

动态贝叶斯网络(Dynamic Bayesian Networks-DBNs),是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具.提出将隐马尔可夫模型(Hidden Markov Models-HMMs)图形模式与贝叶斯网络结合起来构成DBN,将其用于无人机照相侦察情报的推理分析,决定炮火优先打击区域.首先建立动态贝叶斯网络的战场态势变化模型,而后应用HMM的推理算法获得当前隐含序列最优估计,且可预测出未来战场态势.最后应用模糊推理获得优先打击的区域号.仿真结果表明了模型的可行性.该方法有效解决了贝叶斯网络对于瞬间变化战场态势推理的不足的缺陷,为炮兵指挥员更好地运用火力,分出主次奠定了基础.     

变结构离散动态贝叶斯网络的快速推理算法

变结构离散动态贝叶斯网络是对传统离散动态贝叶斯网络的推广,具有更广泛的建模应用价值,但是其推理算法还有待进一步完善.针对变结构离散动态贝叶斯网络的推理算法难以理解、编程计算难、推理速度慢的问题,给出了实现变结构离散动态贝叶斯推理算法的数据结构,并推导了进行并行计算的推理算法和编程步骤,并通过实例进行了算理验证.给出的方法对变结构离散动态贝叶斯网络的编程应用具有参考价值,同时可以加快变结构离散动态贝叶斯网络的推理计算速度.     

基于FDBN的空中目标威胁评估方法

为了更好地处理各类探测数据中的模糊性和不确定性,通过模糊化方法将威胁评估动态贝叶斯网络局部进行模糊化处理,处理后的动态威胁值进行解模糊的方法转化为概率域的知识,这样不仅简化了网络结构,同时结合模糊理论的知识表达能力和DBN的强推理能力。最后将相应观测证据输入到简化后的DBN网络中,相应仿真研究表明,该方法能有效地对空中目标威胁度进行实时评估。     

贝叶斯网络的编队对地攻击作战效能评估

针对影响编队作战效能的不确定性因素,提出基于灰色模糊贝叶斯网络的作战效能评估模型.该模型首先将不确定性因素分为灰色模糊域和概率域两大类,然后在灰色模糊域使用灰色模糊综合评判对不确定性因素进行评判,并运用可能性概率转换理论将评判结果转换为概率域知识,最后在概率知识域使用贝叶斯网络推理算法得到作战效能评估指标值.实例计算表明,该方法能够较好地量化处理不确定性知识,具有一定的实用性.     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

动态多连片贝叶斯网络在复杂管路系统故障诊断中的应用研究

为解决复杂管路系统的实时故障诊断推理问题,提出了多连片动态贝叶斯网络分布式协同推理的故障诊断方法。该方法将一个复杂的贝叶斯网络分割成若干个有重叠的贝叶斯子网,根据贝叶斯网络在时间序列上的动态特性,以中央冷却水系统为例建立了两时间片最小组件级和分布式多连片系统级的感知模型,通过实验进行了中央冷却水系统故障诊断分析,实现了传感器不足情况下的协同分布式推理。实验结果表明了基于多连片贝叶斯网络的协同故障诊断方法的正确性和有效性。     

基于直觉模糊贝叶斯网络的不确定性推理方法

针对模糊贝叶斯网络模型对战场态势信息不确定性描述与推理方面的局限性,利用直觉模糊属性函数表示贝叶斯网络节点概率以及变量间的因果依赖关系,给出了直觉模糊贝叶斯网络(IFBN)的定义,证明了节点直觉模糊性在贝叶斯网络推理中的可传播性,并提出了基于IFBN的不确定性推理方法,有效地提高了贝叶斯网络模型推理的准确性,增强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方法的有效性和优越性。     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。     

基于贝叶斯网络的态势估计时间推理方法

基于贝叶斯网络的态势估计方法是目前态势估计领域中的主要方法之一,然而,传统的贝叶斯网络不具备时间语义,因此无法解决态势估计中的时间推理问题.基于此,对贝叶斯网络进行改造,研究了时间贝叶斯网络的构建方法.通过一个战场想定,说明了时间贝叶斯网络构建、推理的过程与方法,证明了提出方法的有效性.     

基于模糊神经网络的连轴器故障诊断方法

针对连轴器的典型故障,应用振动谱分析方法,在前期实验的基础上,总结出连轴器故障诊断的几条模糊规则,提出了基于模糊神经网络的连轴器故障诊断方法,提高了故障诊断的准确度。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于前景理论和证据推理的混合型多属性决策方法

针对属性权重完全未知的混合型多属性决策问题,提出一种基于前景理论和证据推理的决策方法。通过直觉模糊数对精确数、区间数和语言变量3种混合型属性的决策信息进行统一,根据前景理论对决策信息进行转化;提出基于直觉模糊熵与相似度的属性可靠性评估方法,结合属性重要度确定属性权重;采用证据推理算法集结属性信息,得到方案的综合前景值,并以此进行方案排序。算例分析结果表明,所提方法具有较强的区分能力,能够有效降低决策结果的不确定性,对混合型多属性决策问题具有较好的适用性。     

模糊推理在软件维护性评估和预测中的应用

摘要：在基于活动的质量模型维护性分析方法基础上,对贝叶斯方法进行了扩展,将模糊推理技术与现有的贝叶斯方法进行比较,开发了一个基于模糊推理的系统来对软件维护性进行量化评估和预测,描述了模糊技术在维护性评估和预测准确度方面的优势．     

贝叶斯网络下考虑攻击企图的目标威胁评估

为解决舰艇编队的防空目标威胁评估问题,针对现有威胁评估方法中忽略目标攻击企图,且只进行静态评估而未考虑目标机动导致的运动参数变化对威胁评估的影响之不足,提出了利用目标攻击时所表现出来的特征参数进行攻击企图估计,并分析了影响机动目标威胁程度的相关参数和变量,以目标信息更新周期为不同时间片,建立了用于动态评估目标威胁度的离散模糊动态贝叶斯网络结构模型。为适应编队防空中火力通道多、目标批次多的特点,将一般威胁等级从3级划分扩展为5级划分。给出了网络中主要节点的状态转移概率表和条件概率表。通过对机动目标按照典型攻击航路的威胁度变化仿真表明,所建立的模型和采用的方法合理有效,能够较为准确地反映目标威胁,贴近实战。     

基于Mamdani模糊推理的核动力装置技术状态评估

分析了传统二元逻辑应用于核动力装置部分失效技术状态评估时的局限性,概述了Mamdani模糊推理的基本技术;结合状态评估实例,提出了基于Mamdani模糊推理的核动力装置系统级的技术状态评估方法,为系统部分失效的技术状态评估提供了一种新的技术途径。     

多核贝叶斯优化的模型决策树算法

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。     

基于直觉模糊时间Petri网的不确定性时间推理方法

针对Petri网模型在对复杂不确定性时间信息描述和推理方面的局限性,在定义直觉模糊时间函数以及网络变迁约减规则的基础上,融合直觉模糊时序逻辑(IFTL)、直觉模糊Petri网(IFPN)以及线性逻辑推理的理论优势,构建了直觉模糊时间Petri网(IFTPN)推理模型,并提出了基于IFTPN的不确定性时间推理算法,较好地解决了态势评估中冲突事件间的不确定性时间推理问题。最后,通过典型的战场想定验证了该时间推理方法的有效性和优越性。