基于动态贝叶斯网络的防空作战态势分析

针对战场目标战术意图变化的复杂性,尤其是战场信息的不确定性,根据态势事件与态势假设之间的潜在关系,利用动态贝叶斯网络建立态势评估的功能模型,并用实例验证方法有效性。仿真表明：功能模型能将各种特征因素进行综合,使不同时间片的特征因素相互修改,并准确地跟踪战场态势的变化,所得结果为指挥员情报决策提供了支持。     

基于云贝叶斯网络的运输飞机超轮速风险评估

起飞超轮速严重威胁飞行安全,为了有效评估运输飞机起飞时在不确定性因素影响下的超轮速风险水平,提出一种基于云模型和贝叶斯网络的评估模型。选取抬轮速度、总重、低压转子转速、抬轮率、抬轮时机、升降舵控制量、风的分量、总温8个指标,建立超轮速风险指标体系;运用基于启发式高斯云变换算法和正向高斯云算法的云模型,实现超轮速风险等级...     

基于贝叶斯网络的要地防空目标威胁评估模型

目标威胁评估是要地防空作战决策的重要组成部分。文章对要地防空的目标威胁评估进行了研究,将目标威胁意图引入目标威胁评估,在对要地防空目标威胁评估要素进行分析的基础上,建立了基于贝叶斯网络的目标威胁评估模型;针对要地防空的实际情况,在求得目标对各要地(阵地)的威胁度的基础上,建立考虑各要地(阵地)不同价值的要地防空目标威胁综合评估模型,满足实际作战需要,为武器目标分配提供了依据。     

基于贝叶斯网络的空战效能评估方法研究

贝叶斯网络是一个基于概率推理的数学模型,常用于解决复杂系统间的不确定性,且具有较大优势。空战过程是一个极为复杂的过程,具有较高的不确定性,针对空战效能评估过程中存在的问题,结合空战理论和实际情况,建立空战效能评估的贝叶斯网络模型,提出基于贝叶斯网络的空战效能评估方法,并进行仿真分析。结果表明:该评估方法能够根据战场环境证据对空战信息优势、协同能力、部队效能、决策指挥能力进行效能评估,为决策提供有力依据,且具有很强的学习能力与推理能力。     

基于Leaky Noisy Or模型的民机诊断决策方法研究

针对现代民机在排故过程中面对不确定性、多源异类信息时难以进行快速诊断的问题,提出了一种基于贝叶斯Leaky Noisy Or网络的诊断决策模型。采用故障假设-观测-维修操作节点的网络结构,结合专家经验建立贝叶斯网络拓扑结构,将Leaky Noisy Or节点引入网络模型中,同时结合向前多步决策算法,构建多步决策模型。仿真实验表明,与传统方法相比,该模型能够有效解决排故中的不确定性问题,并可最大限度地融合多源异类信息,提高了诊断排故速度。     

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

系统可靠性的贝叶斯网络评估方法

 针对现有组合法与状态法在可靠性评估方法中的局限性,对基于贝叶斯网络的系统可靠性评估新方法进行了研究。运用该方法进行可靠性评估,不但能计算出系统的可靠性指标,而且能方便地给出一个或几个部件对系统可靠性影响的大小,识别系统的薄弱环节。结合故障树方法建立系统可靠性评估的贝叶斯网络模型,并用实例阐述了贝叶斯网络方法进行系统可靠性评估的有效性。同时通过对贝叶斯网络的条件失效概率与系统可靠性评估中常用重要度指标的对比分析表明,贝叶斯网络的推理算法更便于查找系统的薄弱环节。     

基于联系数系统态势排序的目标威胁综合评估

对防空导弹将要拦截的目标进行威胁程度评估,通常是先分析影响目标威胁程度的因素,并赋予各因素权重,计算各因素在某时刻的状态值并规范化,再通过加权求和综合合成; 根据合成结果对多个目标的威胁程度作出排序,求出威胁程度最大的目标。文章阐明了采用以上的加权求和计算有时会失效,指出失效的主要原因来自加权求和模型自身,可改用基于联系数系统态势排序的目标威胁综合评估解决这一问题。     

基于贝叶斯网络的某型导弹状态评估

针对传统"是非制"状态评判方法过于粗略的问题,将某型导弹状态重新细划为"优"、"良"、"中"、"差"和"故障"5个等级。在充分考虑导弹定量信息和定性信息的基础上,结合云模型建立了多状态信息融合的贝叶斯网络模型,提出了基于贝叶斯网络的状态评估方法,以期为装备质量的科学有效管理提供技术支撑。     

基于动态贝叶斯网络和模糊灰度理论的飞行训练评估

针对战斗机飞行训练中的评估问题,提出了一种基于动态贝叶斯网络和模糊灰度理论的评估方法。首先,分析了训练过程中典型飞行参数与机动动作的因果关系,根据专家经验与先验知识构建基于动态贝叶斯网络的机动动作识别模型,推理得到战斗机机动动作识别结果。然后,建立战斗机飞行训练评估指标体系,根据战斗机机动识别结果选择飞行训练评估指标,并采用综合赋权法确定了指标权重。最后,建立灰度模糊评估矩阵,结合飞行训练过程中各评估指标的飞行数据得到评估结果。实验结果表明该评估方法能够根据飞行过程中的参数信息进行机动动作识别及飞行训练评估,提高了飞行训练评估的效率。     

基于复杂网络和朴素贝叶斯的飞行态势评估

为了辅助管制员作出合理的冲突调配决策，准确地评估空中飞行态势，提出了一种基于复杂网络和朴素贝叶斯分类器的飞行态势评估方法。首先，依据航空器的位置、航速、航向等重要信息，通过三维速度障碍法构建了冲突网络，在此基础上选取了平均度、平均点强、平均加权聚类系数等6个网络特征指标构建态势评估指标体系。采用分类的思想对飞行态势进行评估，分类器选择朴素贝叶斯分类器，将飞行态势分为优、良、中、差4个等级。仿真试验结果表明：相对于传统飞行状态网络，所构建的冲突网络能够降低33.3%的虚警率；所提出的评估模型能够准确判断空中的飞行态势，能为航空管制工作提供辅助决策。     

无人战斗机的态势感知模型框架

提出了利用面向对象的贝叶斯网络构建无人战斗机的态势感知模型框架，探索了有利于多机协同作战的态势感知模型，以及作战环境具有多个不同威胁实体的态势感知；给出了无人战斗机态势感知的特点及威胁水平评估模型，以及构建基于多机协同的态势感知模型的具体步骤。     

基于威胁评估和扩展Voronoi图的战术飞行轨迹规划方法

针对目前各种基于Voronoi图的路径规划方法在威胁处理过程中存在的问题,提出了一种基于威胁评估和扩展Voronoi图的战术飞行轨迹规划方法。建立了基于贝叶斯网络和模糊逻辑的威胁源威胁度和路径威胁度评估模型,在此基础上建立包括路径威胁度和燃油在内的最优路径代价计算模型。结合扩展Voronoi图的路径生成方法以及Dijkstra路径规划算法,得到了从飞行起点到目标点的能够适应战场态势变化的最小代价路径。最后利用κ-Trajectory路径圆滑算法,得到了与所规划路径等长的圆滑可飞的最优路径。仿真结果验证了所提方法的可行性和有效性。     

基于贝叶斯理论的低循环疲劳寿命模型不确定性量化

为量化低循环疲劳寿命模型中的不确定性因素,利用贝叶斯理论,采用经典的模型校准形式确立了寿命模型的不确定性量化形式,并结合正态性检验对误差项进行验证;应用马尔可夫链-蒙特卡罗(MCMC)算法获得了模型参数后验分布的抽样样本,在小子样试验数据条件下确定了低循环疲劳寿命的95%不确定性区间,较好地覆盖了寿命的分散性;对参数样本进行了相关性分析,并将异方差回归概率模型与贝叶斯概率模型进行了比较。最后,利用Morris全局灵敏度分析方法获得了Manson-Coffin模型参数的全局灵敏度指标;同时,验证了在模型参数对先验信息敏感,或者说在先验信息影响极大的情况下,采用无信息先验处理方法的合理性。     

贝叶斯网络在动量轮地面试验可靠性分析中的应用

为了有效综合动量轮地面试验过程中积累的大量复杂试验信息,对动量轮进行可靠性定量分析.提出了利用贝叶斯网络模型,融合大量测试和调试数据、专家知识等多种信息,建立动量轮可靠性模型的方法;采用贝叶斯网络推理技术,对动量轮进行可靠性评估、故障诊断和灵敏度分析,有效解决了动量轮地面试验可靠性分析与评估等难题,为动量轮可靠性试验提供了理论指导.      

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。     

区间不确定信息下可修系统基于幂律过程的贝叶斯可靠性评估方法研究

贝叶斯方法常用于小子样场合下航空航天等领域中可修系统的可靠性评估，由于一些不确定因素影响致使无法精确收集先验信息和/或可修系统的故障信息，但却可获得其上下界信息。针对区间不确定信息情形，本文提出多台可修系统当其失效过程服从幂律过程（PLP）时的贝叶斯可靠性分析方法，将信息先验下PLP模型基于区间信息的贝叶斯分析转化为所求目标函数恰是该先验下PLP 模型传统贝叶斯分析的约束优化问题；具体工程实例对本文所提方法的可行性，有效性进行验证。结果表明：本文所提贝叶斯可靠性分析方法能够为小子样场合下，考虑不确定性因素影响时可修系统的可靠性评估问题研究提供一种值得参考的方法。     

一种基于FMEA的故障诊断贝叶斯网络快速构建方法

贝叶斯网络(BN)建模问题一直是其在故障诊断应用领域的瓶颈,实际的工程系统中,贝叶斯网模型构建存在许多困难,提出一种基于故障模式影响分析(FMEA)的BN建模技术.首先,在分析现有FMEA所包含的故障信息基础上,提出基于单条FMEA记录的贝叶斯网络片段构建方法;然后,利用故障模式与故障原因因果传递关系将贝叶斯网络片段集成为系统贝叶斯网络模型;最后,以某型飞机前轮转弯系统为例进行BN模型构建和分析.结果表明:本文基于FMEA建立的BN模型不仅避免了传统建模过程中对大量工程经验的需求,并且突破了FMEA定性分析能力,能够有效融合多源信息对工程系统进行定量分析和故障诊断.     

基于模糊贝叶斯网的空战传感器资源管理方法

空战中目标状态信息的不确定性、目标与我机相对态势是影响机载传感器资源分配问题的重要影响因素.针对此问题,提出一种基于模糊贝叶斯网(FBN)的空战传感器资源管理方法,以空战传感器资源管理中涉及的影响因素因果关系作为建网依据,将目标信息增量、目标威胁、飞行员指令作为证据变量驱动网络进行概率推理,从而获取空战传感器资源的分配结果.仿真结果表明,与传统方法相比,方法的自适应变间隔采样策略能够根据目标威胁及飞行员指令影响,管理空战态势不同阶段的传感器资源以满足空战作战任务需求.     

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.