基于Multi-agent临床诊断支持系统的设计

根据临床诊断支持信息环境的特点,结合Agent技术,设计了一套基于Multi-agent的临床诊断支持系统(CDSS)。该系统具有异构性、分布性、并行性和可扩展性,能适应CDSS的要求,有效地提高CDSS的性能。     

多Agent的智能故障诊断系统

对多Agent技术在大型复杂装备故障诊断领域的应用作了研究,提出了复杂装备多Agent故障诊断系统模型.介绍了多Agent诊断系统的总体结构、组成部分和关键技术,在Agent的构造、诊断任务控制策略和Agent之间的通信协调等方面提出了一些新的思路.仿真和实际数据验证表明,该系统能高效、准确地诊断故障,具有较好的主动性、适应性和交互诊断性,具有一定的应用前景.     

基于集值统计法确定掩护重点目标问题

确定掩护重点是地面防空作战的一个重点和难点问题.利用集值统计分析采集的数据更适合指挥员确定掩护重点的思维方式,用区间数对数据进行处理能较好地降低主观误差.通过对被掩护目标的价值度的求取,为确定被掩护目标重要性顺序和兵力分配提供了依据.算法推理严密,模型简单实用,易于编程实现,为确定掩护重点目标提供了一种很好的算法.     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

反导案例匹配中的距离度量算子北大核心

反导作战中运用案例推理的方法重用以往的相似案例可以提高决策效率,在相似案例的匹配中对于数值属性的相似度计算常用到的是基于距离的度量方法,现有的基于距离度量的方法对于较相似案例之间的区分性不高。针对这一问题,提出一种新的距离度量算子,经数学公式推导证明了其合理性,通过与其他度量算子的对比,证明该算子在2个数值相差很小时有着更高的分辨率。用该算子改进欧式距离,在弹道导弹相似识别实验中验证了其有效性。     

对空防御态势分析中敌平台战术任务识别方法

针对传统战术任务推理方法难以处理对抗性意图存在欺骗行为的问题,通过变换态势分析人员视角,以敌方指挥员角度建立了基于作战效能最大化的单平台战术任务推理模型。模型首先根据对空防御战场态势构建了执行各战术任务的效能评价指标及其优势函数;进而将此多平台战术任务推理转化为多目标优化问题,并通过连续Hopfield神经网络优化算法对该问题进行求解。最后通过仿真实验对推理模型的可行性与有效性进行了验证。     

基于规则的CGF实体行为建模技术

CGF行为建模的目的是使行为模型能更好地体现出人类行为特征,提高作战仿真系统的可信性和科学性。在介绍CGF、CGF行为建模概念的基础上,对当前几种主要的CGF行为建模方法进行了比较,并分析了CGF行为模型的一般结构。构建了基于规则的CGF行为模型,重点对基于规则CGF行为模型的决策推理方法进行了研究。采用产生式规则方法对决策知识进行了描述,定义了决策推理过程中的3个要素:态势、动作、决策推理,并对其决策推理过程进行了研究。     

基于HDSmP转换的态势估计方法

战场态势分析是指挥决策的基础,D-S证据理论广泛应用于不确定性下的近似推理,尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度,需要运用概率转换方法如Pignistic方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数(BBA)bba(全称)为零的情况时,一些常规的概率转换方法不能处理,即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP方法将信度函数近似转换成概率函数,不仅可解决辨识框架中存在信度为零的命题时的情况,而且可以降低不确定性。此外,对HDSmP方法中比率再分配因子的取值进行了分析,通过实例验证了该方法在战场态势估计中的可行性和实用性。     

航天器调度中的资源约束推理方法

资源水平边界的估计是构建资源利用可行计划中的一个基础问题。通过分析航天器资源约束的共享与分离并存、累积与瞬时消耗并存、过度订阅与区间调度并存等特点,提出了资源时间网络、时间约束网络和约束网络相结合的资源约束描述方法;构建了增量式基于包络的资源约束算法和最早开始时间链展开资源约束算法,以快速获取资源一致的柔性解。实例证明,该方法较好地解决了航天器调度的资源约束推理问题。     

神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。