空域频域不确定条件下电磁探测卫星规划方法研究

电磁探测卫星对区域目标的覆盖搜索在反恐及海上搜救等领域发挥着重要作用.针对电磁探测卫星区域搜索任务中存在的空域频域不确定性,构建了电磁探测卫星区域搜索问题(EDSASP)中不确定因素的量化描述模型及决策要素模型,提出了基于贝叶斯决策的电磁卫星任务规划方法,并以信息探测收益和前端截获收益为优化目标,建立了空域频域不确定条...     

多源信息的Bayes融合精度鉴定方法

为了合理运用多种验前信息 ,文中首先引入了验前信息的可信度的概念 ,由此论述了验前信息与现场试验信息的融合方法 ,给出了多源信息下的Bayes精度鉴定方案。最后以实例说明鉴定方案的运用。     

验前分布的稳健性

研究Bayes统计分析中运用验前信息的稳健性 ,给出了正态分布期望值验前分布和指数寿命型分布失效率验前分布的稳健性分析。所论方法对于飞行器系统试验的精度分析和可靠性评估 ,具有较普遍的意义     

基于贝叶斯理论的自学习模糊综合评判研究

在目前多专家故障诊断系统采用的模糊综合评判方法基础上,根据某特定故障的理论诊断结果及实际检测、维修结果,利用贝叶斯理论,对特定故障下各专家的初始权重集进行实时更新,实现了模糊综合评判的自学习,提高了诊断的准确性.最后给出了方法在"康明斯柴油机故障诊断专家系统"中的应用实例,验证了方法的有效性.     

基于物元贝叶斯网的舰船损伤定位

在分析了物元理论和贝叶斯网理论的基础上,提出了结合主观概率信息和客观状态信息的物元贝叶斯网模型,并给出了物元贝叶斯网在损伤定位中的推理算法.舰船损伤定位的案例分析表明,该方法可以更加全面地融合战损装备的状态信息,使损伤定位结果更为准确.     

A bayesian optimisation methodology for the inverse derivation of viscoplasticity model constants in high strain-rate simulations

We present an inverse methodology for deriving viscoplasticity constitutive model parameters for use in explicit finite element simulations of dynamic processes using functional experiments, i.e., those which provide value beyond that of constitutive model development. The developed methodology utilises Bayesian optimisation to minimise the error between experimental measurements and numerical simulations performed in LS-DYNA. We demonstrate the optimisation methodology using high hardness armour steels across three types of experiments that induce a wide range of loading conditions: ballistic penetration, rod-on-anvil, and near-field blast deformation. By utilising such a broad range of conditions for the optimisation, the resulting constitutive model parameters are generalised, i.e., applicable across the range of loading conditions encompassed the by those experiments (e.g., stress states, plastic strain magnitudes, strain rates, etc.). Model constants identified using this methodology are demonstrated to provide a generalisable model with superior predictive accuracy than those derived from conventional mechanical characterisation experiments or optimised from a single experimental condition.     

基于动态神经网络的装备技术状态预测模型

装备的技术状态受多种因素的影响,诸多影响因素之间是一种多变量、强耦合、非线性的关系,同时这种关系还是动态的。根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。     

基于最大后验风险的多层Bayes方法

为了对指数型产品进行可靠性鉴定,首先给出了失效率的多层先验分布,然后从最大后验风险的角度,运用Bayes方法,制定出可靠性鉴定试验方案.按照此鉴定试验方案,缩短了试验时间,从而降低了鉴定试验所需的费用.     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。     

灰色预测模型在非致命武器经济寿命预测中的应用

针对目前非致命武器经济寿命方面的研究相当缺乏的现状,结合非致命武器的自身特点,在全面分析装备全寿命周期费用的基础上,引入灰色理论,运用GM（1,1）模型对非致命武器的经济寿命周期费用进行估算和预测。通过分析,灰色预测模型具有较高的建模精度,预测方法和结果对非致命武器的经济寿命预测具有很强的实用性。