基于新Dirichlet先验分布的超参数确定方法研究

研究了基于新Dirichlet先验分布的Bayesian可靠性增长模型的超参数 确定方法,该方法将专家经验表示为均匀分布,以先验参数为变量,将均值作为约束条件、 方差作为目标,利用最优化方法求出与该均匀分布最为接近的Beta分布,解决了由于新
Dirichlet先验分布超参数物理意义不明确而难以确定的问题。针对后验积分难以计算的问 题,采用WinBUGS软件建立了新Dirichlet先验分布的Bayesian可靠性增长模型,该模型思路 清晰、简单易行,提高了计算的精度,实例证明了该模型在可靠性应用中的直观性与有效性 。     

飞机作战效能评估中人的可靠性的引入方法

分析了目前的研究现状,提出了在飞机作战效能评估中引入人的可靠性的思想,分析了飞行员可靠性的特点,对在作战仿真和解析计算评估中的引入方法作了相应的探讨和研究。     

卫星多源信息贝叶斯融合方法研究

卫星在研制设计过程中存在大量不确定性因素,对卫星的可靠性及性能造成直接影响.如何实现复杂卫星系统的不确定性建模是目前亟需解决的问题,而多源分布信息融合是不确定性建模的关键.此外,在实际系统中,由于时间、成本的约束很难直接获得系统的分布信息.针对在系统信息缺失情况下如何实现卫星系统的多源信息融合问题,提出多层系统结构模块...     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

基于Wiener过程的发动机多阶段剩余寿命预测

针对现阶段发动机的寿命预测研究没有考虑到非线性与多阶段的问题,提出了基于多阶段非线性Wiener过程的航空发动机实时剩余寿命预测的方法。该方法融合了同类型发动机的历史性能退化监测数据与个体发动机的实时监测数据。首先,考虑了发动机性能退化非线性的特点,并采用多阶段Wiener过程建立发动机的性能退化模型。然后,根据发动机的历史性能监测数据,利用极大似然估计和一维搜索方法进行参数先验分布的估计。再次,在先验分布和个体发动机的退化数据的基础上,用贝叶斯方法对参数分布更新。最后,得到个体发动机剩余寿命的实时预测值。通过实例验证本文方法预测的准确性。      

Behrens-Fisher问题的信赖与贝叶斯精确区间估计

两正态总体均值与标准差均未知时的均值差的区间估计问题,称为Behrens-Fisher问题。给出了问题的共轭型先验与无信息先验下的Bayes精确区间估计及其计算方法,并指出可信水平为γ时无信息先验的Bayes精确区间估计与Fisher的Fiducial水平为γ的Fiducial精确区间估计在数值上一致。将Welch&Aspin近似与无信息先验的Bayes精确区间估计作比较,结果显示此近似一般偏冒进,故对重要的工程问题建议使用Bayes(或Fiducial)精确区间估计。     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

固体火箭发动机加延时间试验的可靠性增长Bayes分析

针对含有加延时间试验的固体火箭发动机研制过程,将Mazzuchi-Soyer可靠性增长模型用于此类研制试验的可靠性分析,扩展了模型应用范围。首先,采用威布尔分布描述发动机可靠性随试车时间变化,经过一定的数学变换后,采用Mazzuchi-Soyer可靠性增长模型融合了先验信息和各阶段试验信息,给出了研制试验结束时产品可靠性的联合后验分布;然后,利用Gibbs抽样算法解决了后验推断计算问题,最终得到了各阶段产品可靠性的Bayes点估计和区间估计;最后,给出了产品可靠性增长分析实例,表明了模型的优越性。