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。     

装备采办项目风险分析中的贝叶斯方法的应用

贝叶斯方法提供了一种有效的风险预测手段,能够将主观估计与客观估计结合起来,能随着时间、费用、质量要求的信息不断增加而不断进行预测,使得预测更加精确,有利于装备采办项目的动态风险管理。     

基于粒子滤波算法的非刚性目标实时跟踪

基于颜色的粒子滤波实时跟踪算法主要是利用视频图像的颜色直方图信息,综合考虑运动预测和帧间的相似性来确定目标的位置。针对影响粒子滤波算法性能的关键技术,提出了基于混合高斯模型的粒子滤波算法,并将其用于基于颜色的非刚性目标的实时跟踪相关问题。该算法使用混合高斯模型表示粒子,在每个时刻的修正步骤之后,采用EM算法对粒子进行重新拟合。仿真实验表明,本算法在保证跟踪准确度的同时,可以满足实时跟踪的要求。     

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。     

Bayesian edge detector for SAR imagery using discontinuity-adaptive Markov random feld modeling

Synthetic aperture radar（SAR）image is severely affected by multiplicative speckle noise,which greatly complicates the edge detection.In this paper,by incorporating the discontinuityadaptive Markov random feld（DAMRF）and maximum a posteriori（MAP）estimation criterion into edge detection,a Bayesian edge detector for SAR imagery is accordingly developed.In the proposed detector,the DAMRF is used as the a priori distribution of the local mean reflectivity,and a maximum a posteriori estimation of it is thus obtained by maximizing the posteriori energy using gradient-descent method.Four normalized ratios constructed in different directions are computed,based on which two edge strength maps（ESMs）are formed.The fnal edge detection result is achieved by fusing the results of two thresholded ESMs.The experimental results with synthetic and real SAR images show that the proposed detector could effciently detect edges in SAR images,and achieve better performance than two popular detectors in terms of Pratt＇s fgure of merit and visual evaluation in most cases.     

模型确认热传导挑战问题求解的贝叶斯方法

为了进一步推动模型确认方法的发展并明确其具体实施步骤,以圣地亚国家实验室提出的模型确认热传导挑战问题为例,建立了模型确认的贝叶斯框架,并阐述模型确认的思想以及实现的一般过程.模型确认不仅是一个评定仿真模型准确度的过程,而且是一个通过确认结果提高模型预测精度的过程.首先介绍了贝叶斯及不确定性量化的基本理论,强调了模型修正...     

基于贝叶斯网络的末制导雷达模糊可靠性分析

弹载末制导雷达可靠性多含不确定性与模糊性因素影响,且其具有样本量小、可靠性高等特点,传统可靠性评估方法难以适用。提出了一种基于贝叶斯网络的模糊可靠性分析方法,以某型导弹末制导雷达系统的为具体研究对象,对其进行可靠性分析,验证了方法的有效性。