基于贝叶斯信息融合的航空发动机健康状态评估方法研究

每个热力参数都可从某一角度评估航空发动机的性能状态,而这些参数相互之间存在一定的互补性,因此可采用信息融合技术来综合这些信息,以增加状态评估的准确性和确定性。本文建立了基于贝叶斯融合的发动机性能状态评估模型,从工程实际出发,对发动机热力参数进行预处理后采用相关分析方法进行筛选和定权,确定了先验分布和条件分布计算方法,并应用此模型对航空发动机的性能状态老化程度进行了评估。     

两参数威布尔分布模型多重模糊假设检验的贝叶斯方法

模糊假设检验是统计决策中处理模糊概念的一种非常重要的情形。对于两参数威布尔分布尺度参数的多重模糊假设检验,文章在样本为清晰数据的情形下,研究了多重模糊假设检验的贝叶斯方法并给出了数例。     

装载机载重动态测量的LS-SVM速度补偿方法

能否合理补偿动臂举升速度对所测油压信号的影响是制约装载机载重动态测量精度的关键问题.在给出载重测量的实现方法后,建立了实现载重测量速度补偿和载重量计算的框架模型,然后详细阐述了贝叶斯证据框架下最小二乘支持向量机(LS SVM,Least Square Support Vector Machines)参数的推断优化过程,以及基于贝叶斯证据框架下的LS SVM速度补偿方法.试验结果表明,采用该方法进行速度补偿后的载重测量误差均能控制到1%以下,验证了其有效性.      

知识与数据融合的可靠性定量模型建模方法

可靠性定量设计的关键是建立可靠性定量模型。现有的可靠性定量模型建模方法主要基于设计人员对产品对象故障规律的知识,包括故障模式、环境扰动、故障机理等。但知识固有的有限性和不完整性必然会给可靠性定量模型带来模型误差和输入参数的不确定性。针对这个问题,提出了基于贝叶斯理论融合知识和数据的可靠性定量模型建模方法,量化并更新模型误差和输入参数的不确定性。为此,首先说明了知识与数据融合的可靠性定量模型建模工作,建立了知识与数据融合的可靠性定量模型建模框架;接着阐述了基于贝叶斯理论的知识与数据融合原理;然后介绍了基于贝叶斯理论融合知识与数据的通用方法,并分别针对性能波动数据和性能退化数据2种常见数据类型进一步详细讨论了各自适用的贝叶斯融合方法;最后通过机载轴向柱塞泵的案例验证了前述方法的可行性和有效性。      

防空态势评估系统分析及新型评估模型研究

态势评估是一个时敏、不确定的动态过程。为了正确评估态势、深刻认识评估过程,首先详尽分析了评估所需的18项威胁因子及其作用原理,利用高斯函数将数据模糊化并给出复杂威胁因子的贝叶斯推理模型。在此基础上提出一个优势互补的二级态势评估模型:远方目标未知信息较多时,依照关联规则假设重要未知信息,预测目标的威胁程度;信息完备时使用贝叶斯网络推理,具有更强的可信度。最后,实例仿真验证了该评估模型的正确性及合理性。     

直升机火控系统精度敏感性分析的BNSobol法

针对现有研究大都只分析了单误差源对直升机火控系统精度影响的现状,提出进行直升机火控系统精度的敏感性分析。根据传统敏感性分析法在数据量不充分或无法提供精确模型时存在的局限性,对基于贝叶斯网络和Sobol指数相结合的敏感性分析新方法（BNSobol法）进行了研究,并与传统Sobol法对比分析。结果表明BNSobol法在满足精度要求的同时还减小了对数据量的需求,它的分析不依赖于模型且可以确定出满足约束条件的具体误差源取值区间。该方法可为直升机火控系统设计研究时如何分配各模块误差大小从而提高总体效能提供参考和理论支持。     

航空电源系统可靠性的Bayes分析

对改进中的航空电源系统进行可靠性评估,本文引入继承因子利用信息融合的原理将改进前与改进后的历史信息融合为一个混合先验,并进一步假定继承因子为随机变量采用多层Bayes方法对系统进行了可靠性分析。最后通过仿真实例求得系统的一些常见的可靠性指标,并与传统Bayes评估结果进行比较,结论表明本方法的有效性。     

基于贝叶斯网络的战场抢修顺序优化模型

本文为解决战场抢修的动态顺序优化问题,达到以最短时间完成抢修装备的目标,应用贝叶斯网络技术,对装备损伤抢修顺序问题进行了研究,通过影响因素及其关联关系分析,建立了贝叶斯网络优化模型,采用动态计算预期抢修时间(ETR)的方法,给出了以时间最少为目标的抢修优化顺序决策模型,实现了战场抢修顺序的动态优化目的。通过某车辆的案例分析,对所提供的方法进行了例证。利用基于贝叶斯网络的战场抢修顺序优化模型,可以对抢修顺序进行优化决策,提高抢修效率。     

基于贝叶斯网络的航空发动机燃油泵故障诊断

应用贝叶斯网络对航空发动机燃油泵组件进行理论分析,针对燃油泵组件的重要性和故障识别的精确度要求,进行故障征兆分析和概率计算、数据验证,并引入代价函数对结果进行评估,为航空发动机燃油系统安全运行提供了合理可靠的检测途径。     

部分可观Petri网故障的量子贝叶斯诊断

针对故障本身构建量子贝叶斯Petri网模型算法,并利用该子网模型进行Petri网系统故障分析。对于部分可观Petri网模型中的不可观故障,根据可达标识图分析变迁点火路径不能判断系统状态,建立量子贝叶斯子网模型,通过不确定路径引起的量子干涉重新标定变迁的条件概率表得到量子概率振幅表。根据故障变迁的前置集合并结合量子贝叶斯推理计算变迁触发的先验概率,由后置集合中的可观变迁修正后验概率,由最大后验概率估计系统所处状态,当故障变迁不唯一时,选取最大概率的故障作为故障源。以实际故障系统建立部分可观Petri网模型,结合可观标签概率序列信息和量子贝叶斯概率估计,对系统不可观部分进行故障诊断验证算法的有效性。