模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

基于RCS序列的空间目标分类识别方法

结合三轴稳定卫星、自旋稳定卫星、翻滚目标和空间碎片的运动特征,依据强散射中心理论分别建立这四类空间目标的电磁散射模型,通过计算机仿真得到其RCS序列仿真值.针对这四类空间目标的RCS序列特点,提出了一种三轴稳定卫星与空间碎片的判别方法和利用RCS的周期性对空间目标分类识别算法,计算机仿真实验验证了算法的有效性.     

专用污水接纳船罐舱设计与模糊评判

首先产生一组包含最优解的罐舱设计方案 ,然后运用模糊评价方法 ,优选了罐舱设计方案     

航天服静电放电点燃能力实验研究

人—航天服系统产生的静电放电能否引燃航天服关系到载人航天飞机的安全性。通过实验研究了在纯氧和普通大气条件下 ,静电放电对各种航天服的引燃能力。实验表明 ,在普通大气条件下 ,静电放电不能引燃航天服材料。在纯氧条件下 ,点燃航天服材料所需的静电能量与静电放电的模型有关 ,机器模型的引燃能力最强。静电放电航天服点燃航天服材料所需的最小能量为 4 8mJ。     

城市规划与公众参与

城市的拥有者是公众,城市空间应是吸引大众活动的舞台。现代城市正在以复杂的和变化的方式进行着不断的演化,由于这种演化的不确定性、综合性,需要对其进行面对公众开放性规划与设计。公众参与在城市空间的塑造中,以及在地域文化的延续中起着重要的作用。通过强调城市形象的审美意识认同,宏观上对城市形象的系统把握,进而深入论述如何挖掘、构筑属于市民自己的风格城市。     

ABDARDSS中基于候选消除学习算法的知识推理

飞机战伤评估和修理的知识表示与推理机制,是建立飞机战伤评估与修理决策支持系统(ABDARDSS)需要解决的一个关键问题.采用一种候选消除算法来提取战伤评估与修理样本数据的变型空间,以变型空间实现战伤评估与修理决策支持系统中的知识表示和推理.对于ABDARDSS来说,候选消除学习算法是一种新的有效的知识推理方法.     

融合跟踪系统性能的综合评估

首先通过分析融合跟踪系统的性能评估需求,并结合已有性能评估指标,制定出一组相对完备的评估指标.使用时间加权平均的方法,详细描述了各指标的定义及其计算方法;其次,基于该组指标提出了系统性能的模糊综合评价方法,说明了该评价方法的原理及其在融合跟踪系统性能评估中的具体实现.对融合跟踪系统的测试实验表明,指标体系设置合理,评估方法可操作性强.     

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.     

自然损耗对储油经济效能影响的模糊综合评估

石油及其产品在储存过程中,受到工艺技术、设备以及管理方法的限制,不可避免会有部分轻质组分汽化,逸入大气,对环境造成污染,并造成经济损失。这种因自然损耗对储油经济带来的影响因素很多,既有定性的,又有定量的,且各因素大多又难以精确地描述,因此,为了反映这些不确定因素对油罐储油经济性的影响,运用多级模糊综合评判的方法,对储油经济性进行综合评判。该方法的思路是建立一个经济效能三级模糊综合评判指标体系,构建相应的评判模型,并以算例加以验证。分析计算结果表明:该方法能较好考虑到评判中的模糊因素,为客观准确评估储油经济效能提供了科学依据。     

建筑火灾风险模糊综合评估方法研究

按照建筑火灾发展的不同时间阶段,建立了四阶段的模糊综合评估模型,用来评估财产损失和建筑损坏情况。根据专家意见和笔者研究,确定了建筑火灾风险评估指标体系,使用层次分析法得到各指标权重,并对某大厦进行了火灾风险评估。研究结果表明该方法具有较好的应用价值,实现了用模糊综合评估方法对建筑火灾分阶段的风险评估,反映出火灾发展各时间阶段的情况和影响火灾风险的主要因素。