测试不可靠条件下多故障诊断方法

针对部队复杂系统故障诊断中存在的诊断精度低,虚警率高等问题,提出一种测试不可靠条件下多故障诊断方法.为解决系统诊断贝叶斯网络结构和概率映射表建立困难的问题,通过建立系统的多信号流图模型,从而获得系统诊断贝叶斯网络.将测试不可靠度引入概率映射表,增加了算法工程应用中的鲁棒性.利用后验概率诊断推理将问题归结为不等式约束极值问题,采用0-1规划隐数法对不等式极值问题求解,从而获得最优解.以某型导弹制导系统电子部件为例,验证了该方法对复杂系统多故障诊断的有效性.      

小样本无失效寿命试验数据的轴承可靠性评估

针对小样本无失效寿命试验数据可靠性问题提出了评估模型。模型采用Bayes理论构造服从原始样本的抽样函数,结合Bootstrap法生成大量服从抽样函数的随机数作为增广样本,再通过最佳线性不变估计法分析原始样本及增广样本得到Weibull分布双参数估计值作为可靠性评估结果。通过Monte-Carlo法仿真生成服从Weibull分布的随机数,分别采用该模型、配分布曲线法及现有Bayes理论对此随机数做评估,对比发现:该模型得到的参数估计较现有Bayes理论和配分布曲线法更接近Weibull双参数真值,且形状参数和尺度参数估计值的相对误差均低于10%,验证了模型分析小样本无失效数据进行可靠性评估的可行性。借助文献实例对模型进行分析,对比得出模型能得到较现有Bayes理论和配分布曲线法更符合工程实际的评估结果;模型在小样本情况下的双侧可靠度置信区间长度低于现有Bayes理论和配分布曲线法,有效提高了小样本无失效数据可靠性评估精度。      

基于关系矩阵的多传感器数据融合方法

以置信距离测度作为数据融合的融合度,先计算出置信距离矩阵,然后分析了计算关系矩阵和确定最佳融合数的几种不同方法,通过分析和算例可以看出,应用椭圆曲线表示的支持程度有助于提高融合结果;并讲述了极值原理法、极大似然法、Bayes法和综合支持程度等数据融合方法,算例表明,这几种融合方法都十分有效,在实际应用中应根据具体情况选择不同的融合方法。     

航空电源系统可靠性的Bayes分析

对改进中的航空电源系统进行可靠性评估,本文引入继承因子利用信息融合的原理将改进前与改进后的历史信息融合为一个混合先验,并进一步假定继承因子为随机变量采用多层Bayes方法对系统进行了可靠性分析。最后通过仿真实例求得系统的一些常见的可靠性指标,并与传统Bayes评估结果进行比较,结论表明本方法的有效性。     

Bayes修正幂验前方法在制导精度评定中的应用

如何合理有效的利用验前信息,是小子样评定中的关键问题。针对导弹制导精度评 定,引入 修正幂验前分布控制验前信息对验后估计的影响,详细推导了Bayes修正幂验前下的制导精 度评定中兴趣参数的验后密度函数。通过对参数验后估计的分析,该方法能够有效避免验前 信息“淹没”现场信息的情况,而幂参数通过验后边缘分布得到。通过对验后估计平均平方 误差（MSE）的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导。〖JP 〗     

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测，提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型，该模型利用两个通道分别提取红外图像的灰度特征和对比度特征，然后通过特征融合获得初级显著图；建立了一种基于相似性的贝叶斯(SB)模型，该模型根据初级特征图分别计算目标和背景的先验概率和似然函数，然后利用贝叶斯公式获得最终显著图，进而实现红外图像的显著性目标检测.实验结果表明，所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声，增强对比度，具有较高的检测精度和鲁棒性.     

基于贝叶斯可信度的直升机安全性分析

本文基于贝叶斯网络理论建立了直升机在"人—机—环境系统"的飞行安全性模型,其目的是通过网络模型分析,发现影响安全性的薄弱环节,以及通过相应的纠正措施提高直升机飞行的安全性。     

基于Bayes方法的飞机压力加油系统优化算法研究

对于实际的问题而言,人们对于问题的解一般会有一个初步认识,并且这种认识会在搜索过程中逐渐加深或得到修正,这符合人们认识世界的普遍规律。基于这种认识,针对给出的飞机地面压力加油系统管路模型,使用一种基于Bayes方法的优化算法。数值方针结果表明,与其它相关优化算法相比,该算法能更高效地解决飞机地面压力加油管路节流孔的优化配置问题。     

多阶段试验下Bayes序贯估计方法

讨论在多阶段试验下正态分布参数的Bayes序贯估计，给出了估计方案，并扩充至多维的场合。对工程应用中的一些问题作了思考，提出了处置方法。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。