物元贝叶斯网络模型研究

分析了贝叶斯网络建模过程中的缺陷,结合物元理论,提出了物元贝叶斯网络理论.该理论能够融合二者的优点,既可处理复杂系统中的不确定性,又能充分利用系统中的所有信息,因此能够更好地进行复杂系统评价.     

基于贝叶斯网络的装备损伤定位系统研究

分析了贝叶斯网络在装备损伤定位方面的优势，及其损伤定位的方法与流程，建立了用于装备损伤定位的贝叶斯网络模型，并开发了损伤定位系统。以某型火炮为例，演示了其损伤定位的一般过程，验证了贝叶斯网络在装备损伤定位中应用的可行性与有效性。     

物元Petri网建模方法及其应用

传统Petri网理论难以处理具有多属性对象复杂离散系统的建模问题,物元Petri网结合了物元理论能够很好地解决这一问题,是值得进一步研究并应用的新的复杂离散系统建模方法。将物元Petri网定义成一个5元组,借用物元的概念定义了物元托肯,建立了物元Petri网理论的运算规则,提出了物元Petri网并发及冲突的分析方法,并给出了建模步骤。以某设备从拆卸到修复的维修过程建模为例,给出了物元Petri网理论的应用示例。示例表明了物元Petri网在具有多属性对象离散系统建模中的优势。     

基于贝叶斯网络的船舶动力装置战场损伤分析

针对船舶动力装置战场损伤特点,对其损伤分析进行了研究,提出了基于贝叶斯网络的动力装置战场损伤模型.以主机振动为例,分析了模型的建立、更新和完善等.分析结果表明,该模型和方法提高了船舶动力装置的战场损伤分析的速度和准确性.     

基于云模型的物元综合评估方法

将云模型与物元理论相结合,提出了一种基于云模型的物元评估方法,构建了云模型与物元理论相结合的综合评估模型.重点分析了云与数值、云与数值区间以及云与云之间的关联度计算方法,并应用示例说明了该方法的使用.最后由实例可以看出,所提方法实现了基于语言值的不确定评估.     

基于BN-AHP的装甲车辆动力系统故障状态评估

装甲车辆复杂传统部件的损伤能否及时被发现,这关系到整车战备或作战能力,系统的故障状态评估是至关重要的。将贝叶斯网络模型结合云模型理论,建立云贝叶斯网络模型,针对4个不同工况的装甲车辆进行故障状态评估。在获取贝叶斯网络初始节点时更多是依靠专家经验,往往会带来很大的误差,导致条件概率偏差过大,采用证据理论/层次分析法来优化专家经验,确定各个节点的条件概率;将层次分析法转化所得的条件概率值代入到云贝叶斯网络模型中,经过计算可以得到不同损毁等级的概率。将云贝叶斯网络模型计算结果与其他状态评估方法结果进行对比分析,结果表明,所采用的计算方法较其他方法在可靠性和准确性方面有所提高。     

发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。     

直觉模糊物元及其在权重信息未知多属性群决策中的应用

针对传统物元分析理论无法应用于决策信息为直觉模糊数的多属性决策问题,提出直觉模糊物元分析模型以及用相对相似度代替传统方法中的关联函数来解决直觉模糊物元分析问题,进而完整阐述了直觉模糊物元多属性决策的方法步骤,并通过实例验证了该方法的有效性。特别是针对权重信息未知这一类较为复杂的多属性群决策问题,采用投影法和直觉模糊熵确定权重信息,并运用直觉模糊物元多属性决策方法进行了实例分析,证明了方法的实用性,为直觉模糊多属性群决策提供了一种新的思路。     

贝叶斯在装备技术实验结果信息解释决策中的应用

针对目前不能对装备技术实验结果信息进行有效解释,将贝叶斯决策方法引入到装备技术实验的结果信息分析当中,克服由于实验本身性质及主观因素造成的实验结果信息具有“欺骗”性的弊端.基于贝叶斯基本理论及相关研究成果.分析贝叶斯决策在装备技术实验中的应用目的和应用步骤并给出了应用实例,为提高相关人员正确决策提供了科学方法.     

灰色模糊物元分析的要地防空威胁评估

结合要地防空作战的特点,分析了影响目标威胁评估的因素.针对指标信息的不确定性,将模糊物元分析与灰色系统理论相结合,并运用AHP法和信息熵法进行组合赋权,建立了基于组合赋权的灰色模糊物元分析的要地防空威胁评估模型.在对来袭目标进行威胁评估时,将目标的各个特征作为物元的事物,以其各项评价指标及模糊灰量值构造复合模糊灰元.通过计算与标准模糊灰元之间的关联度,实现对空袭目标的威胁评估与排序.实例分析表明该方法可靠有效.     

装备研制中的Bayesian网及其应用

针对装备研制过程中产生的大量试验和调试数据,提出采用Bayesian网挖掘各组成单元间的依赖关系,并对Bayesian网学习中基于信息论的方法进行了改进,使确定网络拓扑结构的过程更加客观.学习得到Bayesian网后,分析了其在失效源判定和发现设计缺陷等方面的应用.     

基于BP神经化贝叶斯网络的空袭目标毁伤效果评估

针对空袭目标毁伤因素的复杂多样性,以及贝叶斯网络在评估时对先验知识获取和对网络节点限制方面存在的不足,提出一种BP神经化贝叶斯网络的评估方法,解决空袭目标的毁伤问题。分析了空袭目标毁伤的影响因素,并进行了知识表示;分析了贝叶斯网络结构处理多个父节点问题时存在的几个缺陷,建立了空袭目标毁伤评估的BP神经化网络结构,给出了"BP神经化模块"的决策方法。通过实例分析,结合Netica仿真,验证了该评估方法的准确性,操作简单、有效性好。     

贝叶斯网络推理在信息系统安全风险评估中的应用

提出了一种基于贝叶斯网络推理的安全风险评估方法。从实际出发建立信息系统的贝叶斯网络模型,根据专家给出的先验信息,结合获得的证据信息,运用Pearl方法完成对模型的评估,给出在特定条件下模型的计算——线性推理算法。最后,以实例分析信息系统安全评估的实现过程,结果表明,该方法可行、有效。     

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.     

KL散度多模块滑动窗口慢特征分析的故障诊断方法

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler)散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。     

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.     

Vague物元及熵权的空袭目标威胁评估

为了应对防空反导作战需求,提出了一种基于Vague物元及熵权的空袭目标威胁评估方法。建立了空袭目标威胁评估复合Vague物元的概念,提出了一种新的将复合Vague物元转化为适合度物元的排序函数,使复合Vague物元便于量化处理,并运用熵权法客观地计算出了各空袭目标属性的权重,根据空袭目标威胁评估物元与正负理想物元的相对贴近度最终得到了目标威胁程度的排序。实例分析验证了该方法的实用性和有效性。