Study on UAV Path Planning Approach Based on Fuzzy Virtual Force

This article proposes a novel fuzzy virtual force (FVF) method for unmanned aerial vehicle (UAV) path planning in complicated environment. An integrated mathematical model of UAV path planning based on virtual force (VF) is constructed and the corresponding optimal solving method under the given indicators is presented. Specifically, a fixed step method is developed to reduce computational cost and the reachable condition of path planning is proved. The Bayesian belief network and fuzzy logic reasoning theories are applied to setting the path planning parameters adaptively, which can reflect the battlefield situation dynamically and precisely. A new way of combining threats is proposed to solve the local minima problem completely. Simulation results prove the feasibility and usefulness of using FVF for UAV path planning. Performance comparisons between the FVF method and the A* search algorithm demonstrate that the proposed approach is fast enough to meet the real-time requirements of the online path planning problems.     

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。     

基于动态Bayesian网络的叶片加工质量监控与溯源

 针对叶片加工过程中质量精度不高的问题,提出了基于动态Bayesian网络的叶片加工质量监控与溯源方法.利用动态Bayesian网络建立起叶片加工工序间的相互联系,实现对整个加工过程的控制.基于Bayesian网络对影响加工工序的因素集建立因果联系,采用多元统计过程控制中的T²控制图完成对各工序影响因素集的监控.进行误差溯源时,根据Bayesian网络建立的因果关系对失控样本的T²统计量依据原因变量进行误差分解,并构建各分解变量的控制限,将其作为误差源判定的条件.通过对某叶片加工过程的仿真,验证了所提方法的有效性.     

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。     

基于模糊关联分类器的民机超限事件诊断方法

现有的民用飞机超限事件智能诊断模型大多属于“黑盒”模型,不利于分析超限事件发生的原因.为此提出了一种基于模糊关联分类器(FAC,Fuzzy Associative Classifier)的民用飞机超限事件诊断方法.该方法抽取发生超限事件时对应的QAR(Quick Access Recorder)参数快照取值,采用模糊C均值(FCM,Fuzzy C-Means)聚类算法对抽取的QAR参数取值模糊预处理,然后基于Apriori算法生成模糊关联分类规则库,并由遗传算法对其进行裁剪,结合模糊分类推理方法形成FAC.采用B737-800实际样本数据进行了验证.实验结果表明,所提出的FAC能有效诊断超限事件,FAC识别超限事件的错误率与最小二乘支持向量机(LS-SVM,Least Squares Support Vector Machine)模型相当,但其解释性方面优于LS-SVM.     

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.     

基于贝叶斯网络的故障诊断系统性能评价

故障诊断系统的性能评价是开发和验收故障诊断系统不可或缺的重要环节.针对基于贝叶斯网络(BN)故障诊断系统的性能评价需要,考虑系统诊断结果真实分布,提出采用二项分布参数估计方法来计算诊断准确度的置信区间,采用准确度期望值及其置信区间全面客观评价诊断模型的性能,形成贝叶斯网络模型诊断能力的量化评价指标,为诊断结果的可接受、可信程度以及诊断模型的训练充分性提供参考依据.最后通过燃油系统故障诊断实例验证所述性能评价的有效性.      

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。