基于模糊软集合和Bayes的后续备件组合预测方法

针对后续备件需求预测精度低的问题,提出一种基于模糊软集合和贝叶斯的后续备件组合预测方法。首先根据后续备件的消耗规律,分别提出后续备件因果预测模型和时序预测模型;然后选取残差平方和、信息熵和相关系数作为预测效果的评价准则,以两种单项预测方法的预测效果作为先验信息,采用德尔菲法对单项预测方法进行模糊评价,构建模糊软映射;最后综合先验信息与专家模糊评价值,利用贝叶斯方法确定组合权系数求得预测结果。结合算例,对比分析方法的优越性,表明该方法具有较好的合理性和有效性。     

疲劳寿命概率分布的模糊贝叶斯确定方法

运用模糊综合评判方法综合经验信息以确定先验分布,同时运用贝叶斯理论将统计推断建立在后验分布基础上,给出了一种由小样本试验数据确定疲劳寿命分布的可靠方法;并用算例进行了说明。     

贝叶斯分类器在液体火箭发动机故障诊断中的应用

研究数据挖掘技术在火箭发动机故障诊断中的应用,利用两种典型的贝叶斯分类器——朴素贝叶斯分类器和TAN分类器对液体火箭发动机故障进行分类,对某型号液体火箭发动机的试车数据和仿真数据进行了故障诊断,结果和实际试车情况相符,从而验证了贝叶斯分类器可以应用于液体火箭发动机故障诊断。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

基于Rough/SVM的飞机目标识别模型

研究了基于粗糙集（Rough）和支持向量机（SVM）的模式分类技术,结合遥感图像中军用飞机目标识别进行理论分析和试验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,并对分类的性能进行了分析研究。利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出了使用决策...     

三种系统可靠性评估方法的比较与分析

故障树、故障Petri网和贝叶斯网络是评估系统可靠性、安全性的三种重要模型。其中,故障树在工程中应用最广,而后两种模型其各自具有不可替代的优点,可以弥补故障树在实际应用中的不足。在介绍三种模型的基础上,通过对故障树向故障Petri网转化方法、故障树向贝叶斯网络转化方法的研究,给出描述三种模型的典型逻辑关系等价结构图的表格,揭示三种模型的内在联系。结合该表,提出故障Petri网向贝叶斯网络的转化方法。同时,利用上述三种模型对导弹发动机故障进行对比分析,结果表明故障Petri网使故障传播过程一目了然,而通过故障Petri网络或故障树转化而来的等价贝叶斯网络可计算出更多定量结果。     

基于变分贝叶斯的星载雷达非线性滤波

星载雷达由于其探测范围广、距离远、全天候等优点,在预警防御系统中占有十分重要的地位。然而,由于观测平台的高速运动以及摄动干扰、传感器观测非线性等问题,使得星载雷达目标高精度跟踪带来严峻挑战。针对星载雷达非线性状态估计问题,采用一种基于变分贝叶斯的非线性滤波方法,该方法通过将非线性状态估计问题转化为优化问题,通过迭代优化获得了闭环解析解。此外,针对坐标变换中俯仰角量测缺失问题,提出了一种基于先验目标高度的俯仰角估计方法。通过数值仿真,验证了所提方法较传统非线性滤波方法,如扩展卡尔曼滤波、不敏卡尔曼滤波、转换量测卡尔曼滤波,具有更好的估计精度。     

航空发动机轴承故障结构化贝叶斯稀疏表示

航空发动机轴承振动信号中与故障关联的瞬时冲击成分在时频变换域上不仅具有稀疏性,还具有某些结构特征,而传统的以正交匹配追踪（OMP）算法为代表的贪婪类及其改进重构方法,通常仅利用了信号整体的稀疏性,未考虑结构性干扰可能造成的影响,导致算法求解效率较低。针对这一问题,提出了一种参数优化字典的结构化贝叶斯稀疏表示方法。首先,在OMP算法基础上,基于贝叶斯概率模型,研究了一种能够促进稀疏重构效果的结构化贝叶斯正交匹配追踪（SBOMP）稀疏表示模型,实现对信号的稀疏表示求解。其次,针对轴承故障振动信号的特性,构建能更好的匹配分析信号的时频冲击原子库,降低了字典的冗余程度,并将灰狼优化算法（GWO）引入到基于时频冲击字典的SBOMP模型中,为SBOMP模型提供高效的原子选取策略,降低了稀疏模型的复杂度。仿真与实验结果表明：所提方法能够更有效降低背景噪声和杂质频率的干扰,验证了所提方法对航空发动机轴承故障特征提取的有效性和适用性。     

基于SHEL模型的贝叶斯网络民航安全评价研究

本文以SHEL模型为人误分类依据,用收集的2000—2017年的民航飞行事故及事故征候作为数据源,采用具有概率性模式特性的贝叶斯网络方法对影响飞行安全的危险因素进行了研究。研究结果表明:在SHEL模型的4个界面和人本身的问题中,操作不当、SOP不当、机组配合/沟通不当、不利的天气和违章是影响飞行安全的主要因素。     

基于贝叶斯模型的长码DS-CDMA信号扩频码与信息序列联合估计

 针对长码直接序列扩频码分多址(DS-CDMA)信号的盲解扩,在信号模型分析的基础上,提出了一种基于可逆跳跃的马尔可夫链蒙特卡罗(RJ-MCMC)扩频码和信息序列联合估计算法。该算法分别对建立的联合后验分布模型进行迭代抽样,并有效地在不同维数的子空间中跳转,从而构造一条马尔可夫链,使其平稳分布为待估参数的后验分布,最终拼接得到每个用户的完整扩频序列和信息序列估计。仿真结果表明:该方法在迭代二十几步时达到收敛;并且在功率相同和不同条件下,当信噪比(SNR)大于-9 dB时,估计序列与真实序列的相似度均超过0.95,信息序列的误码率低于0.01;同时算法对不同用户个数和不同调制样式具有较强的适应性,与Fast-ICA算法相比,估计性能平均提高了约3 dB。