博弈论应用于干扰效果动态评估的研究

运用博弈论思想,研究了雷达对抗中干扰效果的动态评估问题。把干扰效果作为博弈盈利函数,从时间、空间、频率、能量四个方面对干扰效果进行了定量描述,给出了干扰效果的综合评估算法,从而建立了电子对抗博弈策略矩阵模型,提出了遮盖性干扰动态效果评估的计算方法。结合实例,运用这种方法对雷达干扰效果进行了评估与分析。结果表明,博弈论运用于干扰效果评估,适应了现代电子对抗的特点,可以有效、可靠地对遮盖性干扰效果进行动态评估。     

反导预警态势评估过程分析

针对弹道导弹及其攻防作战的特点,分析了反导作战态势评估的主要过程,在此基础上构建了基于贝叶斯网络的反导作战态势评估模型;结合想定对反导态势模型进行推理评估与分析,得出了态势评估结果.评估结果表明,所构建的基于贝叶斯网络的反导态势评估模型能为反导态势评估研究提供参考依据.     

动态贝叶斯网络在态势评估中的应用

针对目前战场态势变化的复杂性和多样性,尤其是战场信息的不确定性和模糊性,提出了利用动态贝叶斯网络,根据态势事件与态势假设之间的潜在关系建立态势评估的功能模型,从而实现态势评估,并用具体的实例验证了该方法的有效性.仿真结果表明,依据动态贝叶斯网络建立的态势评估模型,能够将各种特征因素进行综合,使得不同时间片的特征因素相互修正,从而能够准确地跟踪战场态势的变化,所得态势评估结果为指挥员分析当前态势和决策提供了支持.     

基于DBN的空间战场目标威胁评估

空间战场目标威胁评估对未来空间作战指挥决策具有重要的意义,探讨了空间战场的特点及空间战场威胁目标的特点。针对静态贝叶斯网络(Bayesian network,BN)无法有效地解决动态空间战场中目标的威胁评估问题,提出利用动态贝叶斯网络(dynamic Bayesian network,DBN)来解决空间战场目标威胁评估,建立了基于DBN的空间战场目标威胁评估模型,利用所建立的模型进行了仿真计算。研究结果证明,基于DBN的空间战场目标威胁评估模型能够适应战场形势的变化,可应用于未来空间战场目标威胁评估专家系统的开发,并且比利用静态BN得出的威胁程度更准确,可靠性更高。     

贝叶斯网络的战场作战意图评估方法

为了对复杂的战场环境下战场当前态势进行准确的评估和预测,采用贝叶斯网络分析影响作战意图的主要因素及其相互关系,构建了战场作战意图评估贝叶斯网络,采用联合树推理算法进行推理计算.研究结果表明：在不同的战场环境下,根据获得的相关因素,利用贝叶斯网络进行推理,得出了不同条件下的作战意图评估结果,与专家认知常识具有一定的一致性.     

基于健康监测数据和贝叶斯网络的结构失效概率评估

基于健康监测数据和贝叶斯网络(BN)，提出结构体系失效概率的实时评估方法，用于结构整体安全状态的动态评价.根据结构响应监测数据建立贝叶斯动态线性模型(BDLM)，估计结构荷载效应的概率分布，同时结合结构抗力分布，计算构件的时变可靠指标；根据结构主要失效模式构建贝叶斯网络，以描述构件失效与结构整体失效间的依赖关系；通过贝叶斯网络的概率递推从构件可靠指标求得结构体系失效概率，实现结构整体安全状态的量化评估.利用三杆桁架模型的数值模拟数据和某单层网壳结构静力破坏试验过程的实测数据对该方法进行验证.结果表明，所提出的结构失效概率评估方法较好地量化了结构的安全状态，并成功预警了结构体系的破坏.     

态势评估中的贝叶斯网络模型研究

针对战场态势评估的特点,采用模块化的贝叶斯网络模型对态势问题进行描述,动态构建贝叶斯网络结构．为了解决动态构建贝叶斯网络的推理问题,提出一种新的解决方法,将待连接贝叶斯网络模块的推理结果作为软证据,输入到已有网络对应的节点中,以代替所要连接的贝叶斯网络模块,在不改变贝叶斯网络结构的情况下完成网络的推理过程．仿真实验结果表明该方法是有效的．     

基于序列蒙特卡罗的网络生存态势跟踪评估

为了对系统在不同环境下的可生存性进行准确的评价和比较,提出了一种基于序列蒙特卡罗的网络生存态势量化评估方法.首先建立系统动态模型,并利用该模型获取系统在当前时刻可生存性的先验PDF.然后在系统当前时刻观测值和观测似然模型的基础上,根据贝叶斯公式更新先验PDF.最后通过重采样,用加权样本组合逼近系统可生存性的真实后验概率分布.实验结果表明该算法具有定量描述、实时计算、动态跟踪等优点,是对网络生存态势评估的一个较好的解决方案.     

基于遗传算法DDBN参数学习的UUV威胁评估

针对复杂海洋环境下存在不确定事件对无人水下航行器自主作业和安全性所带来的威胁。本文设计了基于动态贝叶斯网络的威胁评估模型和决策推理模型,采用遗传算法实现了离散动态贝叶斯网络参数学习,最终得到最优的模型参数,进而增强了推理模型对海洋环境的快速反应能力。仿真实验结果证明:提出的算法可以得到真实的离散动态贝叶斯网络参数,能够有效地解决复杂海洋环境下UUV威胁评估问题,为UUV的自主任务决策提供有效的参数保障。     

基于贝叶斯网络的无人机对地作战威胁评估

针对无人机对地作战过程中地面威胁评估面临的信息不确定性和实时性等问题,分析了现有威胁评估方法的局限性,提出了一种基于改进贝叶斯网络的威胁评估方法,采用威胁数据与专家知识混合驱动的方法提高威胁评估模型的合理性。构建了分层威胁评估架构,基于载机与威胁包线的关系、威胁辐射等划分威胁等级。建立了地面威胁通视概率计算模型,并将通视概率作为贝叶斯网络威胁评估模型的输入。仿真结果表明,该模型计算量小,算法实时性好,引入威胁通视概率提高了地面威胁评估的合理性。     

基于动态贝叶斯网络的设备故障预测方法研究

设备维修方式由事后维修和定期维修逐步向基于状态维修进行转变,而故障预测（剩余寿命预测）则是基于状态维修的关键。本文介绍了动态贝叶斯网络的基本原理,在此基础上提出了利用动态贝叶斯网络进行故障预测的方法和步骤,最后将本方法应用于流体控制器的故障预测,结果验证了本方法的有效性。     

基于动态贝叶斯网络的WSNs链路质量预测

无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络（dynamic Bayesian networks,DBN）的链路质量预测机制。为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络（Bayesian networks,BN）处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度。采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。     

一种变结构动态贝叶斯网络的反导态势评估模型

为了实现在反导预警监视系统基础上的反导态势评估,通过对反导作战过程的分析,根据反导作战指挥的需要,提取了反导作战中的五个关键事件,以动态贝叶斯网络为基础,构建了以关键事件为驱动的变结构态势评估模型．利用Matlab软件对态势评估模型进行仿真验证．仿真结果表明,该模型能够随着反导战场的变化反映出战场态势的变化,其推理时间也能够满足评估实时性要求,可为指挥员提供指挥决策依据．     

贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

一种用于BN结构学习的自适应遗传退火算法

模拟退火算法（SAA）和遗传算法（GA）作为智能算法是结构学习的重要方法．针对两种典型算法存在收敛速度慢或过早陷入局部最优的问题,利用GA进行选择,通过SAA进行搜索并利用独立性测试信息自适应引导算法的进化,提出一种自适应遗传模拟退火算法（AGSAA）,应用于贝叶斯网络（BN）结构学习．仿真结果表明AGSAA在学习的准确性和运行效率上均要优于SAA．     

农村公路典型路段事故风险评价方法

农村公路急弯、陡坡、路侧险要等典型路段往往是事故易发多发路段。在现阶段农村公路安保工程资金有限的情况下,需对既有典型路段的事故风险进行定量评价和排序,为隐患路段的排查和安保工程分期实施提供依据。在现有研究成果的基础上,构建典型路段事故风险评价指标体系,提出一种基于贝叶斯网络的农村公路典型路段事故风险评价方法。该方法能有效集结专家知识和经验定量评价典型路段(包括单一路段和组合路段)的事故风险,并可以随着数据的更新不断完善模型。在农村公路事故资料相对缺乏的情况下,该方法具有较强的实用性。     

基于动态贝叶斯网络的气化炉烧嘴系统可靠性分析

为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题,以气化炉烧嘴系统为研究对象,利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式,将气化炉烧嘴系统DBN模型划分为3个子系统,并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数,再利用BP神经网络信息向前传、误差向后传的特性,对系统进行性能学习,实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理,实现对气化炉烧嘴系统动态可靠性分析。结果表明,对气化炉烧嘴系统DBN进行正向推理,可得到优化后的系统可靠性变化趋势;进行反向推理,可得到优化前后的关键事件及薄弱环节,其中薄弱环节为高氧煤比氧煤比的波动。     

高维小采样数据集的贝叶斯网络结构学习算法

现有的贝叶斯网络结构学习算法都需要对高维数据项集进行大量地计算,极大地影响了算法的可靠性、健壮性以及精确度,同时高维计算也耗费了大量时间,为了解决这个问题,提出基于特征选择技术贪婪贝叶斯网络结构学习算法。理论分析表明,本算法在效率上优于现有算法,实验结果也表明,对于高维相对小采样数据集,本算法在精度上也优于大多数算法。