变结构DDBNs的推理算法与多目标识别

 目前变结构离散动态贝叶斯网络（DDBNs）的推理算法存在的缺陷是计算量随时间片数的增加呈指数增长。为了解决这类网络的推理问题,引入前向后向算法的基本思想,提出一种新的变结构DDBNs的推理算法。在分析变结构DDBNs数据结构的基础上,定义变结构DDBNs的前向、后向算子,从理论上对算法进行了推导,它的计算量仅与时间片数成线性关系。并且把该算法应用于识别空中多目标的变结构DDBNs,通过有效融合“交战行为"节点信息,使识别系统的鲁棒性显著增强。仿真结果验证了推理算法的有效性。     

基于最佳倒易晶胞的斜采样遥感图像复原方法

遥感图像的退化受多种因素的影响。本文研究了斜采样方式下混叠、模糊、噪声对图像有效分辨率的影响,在贝叶斯框架下提出了一种基于最佳倒易晶胞的斜采样遥感图像复原方法。该方法基于高斯图像先验假设,首先根据斜采样图像获取系统参数对倒易晶胞的形状进行限制,获取混叠与噪声最小的频域覆盖,然后在Bayesian\|MAP(最大后验概率,Maximum a Posterior Probability )框架下建立耦合模型,通过迭代复原方法得到混叠、模糊、噪声最小化的图像。实验结果说明,本算法考虑了引起图像混叠的图像成像模型特性, 获得了较好的复原结果, 增强了图像分辨率。     

贝叶斯法在惯性平台测试中的应用

惯性导航系统以其独特优点在航天领域得到了极为广泛的应用。对惯导系统的测试数据进行统计分析和预报,对于航天器的可靠性评估具有重要意义。对于测试数据在实际应用中存在的小样本问题,本文提出了使用贝叶斯方法对其统计特性进行研究。通过对惯性导航系统测试数据的先验信息、总体信息和样本信息进行结合,利用贝叶斯方法得到对应的验前分布和验后分布,并在验后分布的基础上进行统计估计,减小了小样本条件下的统计误差。同时,通过此方法对惯导系统测试数据进行置信区间的计算预报,为惯导系统的误差补偿、故障诊断提供了一个参考依据和途径。     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

考虑数值离散误差的湍流模型选择引入的不确定度量化

在流体力学数值模拟过程中存在着多种来源的不确定因素,科学、定量地描述这些因素对模拟结果的影响对模型确认、工业产品设计优化和性能评估等过程十分重要。数值离散、模型选择和模型预测偏差是模拟过程中3种重要的不确定性来源,为将这3种不确定性因素对模拟目标量的影响统一考虑,发展了考虑数值离散误差的贝叶斯模型平均方法。首先,通过对数值离散解和网格尺度进行拟合完成数值离散误差估计,得到每个备选模型真实解的置信区间。然后,通过嵌套方法和条件优化算法,结合贝叶斯模型平均方法构建目标量的概率盒,定义目标变量累积分布函数的上、下限,以此分析其置信区间。最后,针对NACA0012低速绕流和CHN-T1跨声速绕流问题,给出了同时考虑上述3种不确定性因素之后升、阻力系数的置信区间分析示例。     

基于贝叶斯网络工况分类的民机引气系统异常检测

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于飞行数据（QAR,Quick access recorder）的民机引气系统异常检测流程,提出了贝叶斯网络分类的同工况数据提取和指数加权滑动平均(Exponentially Weighted Moving Average,EWMA)控制图的引气系统异常检测方法。借助航空公司收集的实际数据对方法进行了验证,结果表明可有效检测民机引气系统异常,并提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供了支持。     

贝叶斯网络结合决策理论的向前多步排故策略

针对序贯诊断、维修问题,提出基于贝叶斯网络和决策理论的向前多步排故策略生成算法.通过建立贝叶斯网络排故模型实现了不确定条件下排故知识的高效表达,同时使得推理算法与具体应用无关.采用决策影响图进行排故决策分析,充分利用观测操作间的相关性,选择合理的向前多步观测操作来降低维修盲目性.为了验证所提算法的有效性,采用随机排故策略、决策理论排故策略和理想排故策略的结果进行对比分析.仿真结果表明,所提算法通过增加合理观测操作,减少维修焦点和实际维修操作,使得总排故费用明显低于已有的启发式排故策略.      

基于贝叶斯网络的航空灾害成因机理探析

为了预防和矫正航空事故诱发因素的萌生与发展,改善民航安全管理的科学性和可靠性,进一步降低事故率,减少航空灾害造成的损失.针对航空灾害的形成特点,探讨致灾因素的相互作用是成因机理分析的关键.基于贝叶斯网络模型,综合运用诊断推理和支持推理形式,分析致灾因素的因果关系,揭示了人、机、环境与管理因素相互作用的内在规律.通过高斯贝叶斯网络在典型案例致灾成因机理分析中的应用,挖掘隐含的内部因素对系统的影响程度,发现了隐含因素从不确定性状态向确定性状态的演变过程,以及表层因素与隐含因素的关系.