基于贝叶斯正则化BP神经网络的挤出温度预测模型

简要介绍贝叶斯正则化BP神经网络原理,并应用基于贝叶斯正则化训练方法的BP神经网络建立挤出温度预测模型。预测与试验结果对比表明,经过训练后的网络模型基本获取了实际挤出温度的函数形式,网络输出值与样本对应的挤出温度实际值几乎完全重合,表明该方法能达到较好的预测精度,同时具有使用简洁、快速等优点。     

基于贝叶斯网络的复杂系统故障诊断的研究

由于故障树方法在复杂系统的故障诊断应用中存在较大的局限性,其很难解决复杂系统在故障诊断中表现出的事件的多态性、信息的不确定性、故障逻辑关系的不确定性等问题,本文提出了一种新型的贝叶网络方法可以较好的解决这些问题。文中以酸洗线的风机系统的故障诊断为例,验证了这种新型方法的有效性。     

基于动态贝叶斯网络的液压系统可靠性研究

液压系统组成结构复杂且维修难度高,因此进行液压系统的可靠性评估对企业生产安全有着重要作用。结合故障树和动态贝叶斯网络建立评估模型对液压系统进行可靠性分析。利用动态贝叶斯网络的推理功能得出液压系统可靠度和可用度随时间推移的变化规律,并实现液压系统故障诊断,识别关键故障因素源。液压系统的可靠度会随时间推移而逐渐降低,但定期的维修可以使液压系统的可用度在较长一段时间内维持在很高水平。实验结果为液压系统的日常维护和修理策略提供了借鉴。     

岩土工程反分析的扩展贝叶斯法

基于概率与数理统计理论和现代信息理论，针对传统贝叶斯法中观测信息与先验信息不匹配的缺陷，探讨了一种新的反演方法。该方法通过引入匹配系数β,将现场量测信息和先验信息有机地结合起来，克服了传统贝叶斯法的不足，在形式上完成了目前常用的最小二乘法、最大似然法及传统贝叶斯法准则函数的统一，并可由量测数据的质量和数量推算预测模型的最佳阶数。同时，可以由β值的定量分析，直观地得到量测值与参数初始估计值之间的权重比例。     

基于贝叶斯方法的降雨诱发滑坡概率型预警模型研究

为提高区域降雨型滑坡的预警精度,以陕南秦巴山区为例,首先通过人工神经网络(ANN)和逻辑回归模型(LR)进行滑坡易发性建模,使用滑坡发生频率比(FR)对易发性模型进行检验和校准,用来表达滑坡发生的空间概率;其次在敏感性分析的基础上选取最优的降雨变量组合和衰减系数,在二维贝叶斯公式的基础上构建概率型降雨阈值模型,用以计算滑坡发生的时间概率,并使用2016～2020年的降雨数据进行验证;之后在贝叶斯公式的基础上对滑坡发生的时空概率进行耦合,构建研究区降雨型滑坡的概率型预警模型(PLEWM),并对2016～2020年的雨季(7～9月份)逐日进行模拟预警;最后分别从预警效果和成本效益角度出发,使用预警成本投入、滑坡造成的损失、预警成功率、漏报率、误报率等指标对预警模型的性能进行评估。结果表明：(1)研究区构建降雨阈值模型最优的变量组合为有效降雨量–持时(EE-D),最优的衰减系数为0.816;(2)概率型阈值模型预测2016～2020年发生致灾降雨213.71起,实际发生201起,累积误差为10.07%,各概率区间内的预测值与实际发生数量沿着斜率为1的对角线分布;(3)模拟预警结果显示,PLE...     

基于贝叶斯网络的电源监控系统设计

对电源工作状态进行实时高效的监控,对电源设备使用安全性能尤为重要,同时也为一些隐患故障提供了有效的预防。提出了一种基于贝叶斯网络的无线传感技术,作为数据信息采集/处理终端,设计了一套完整的电源监控系统,可以简化电路设计、提高实时响应以及预防故障的准确性。     

电网故障最优诊断的查询方法EI北大核心CSCD

针对传统专家系统在电网故障诊断应用中的局限性,提出一种基于模型诊断的电网故障最优诊断的查询方法。该方法按照基于因果关系的诊断思想,得到预设故障输出对应的预备候选诊断,然后根据故障后的电气信息从匹配的预设故障输出中确定候选诊断,最后,运用贝叶斯理论计算候选诊断的故障概率,并查询最大概率的候选诊断作为电网故障的最优诊断。该方法通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,在利用贝叶斯定理处理诊断的不确定性时,将告警信息引入到模型诊断逻辑框架内计算元件的实际故障概率,提高了诊断的准确性。算例分析结果验证了所提方法的有效性和可行性。     

基于概率-非概率混合模型和贝叶斯网络的汽车起重机起重臂屈曲可靠性分析

汽车起重机使用中因起重臂结构失效而导致事故频发,这造成严重经济损失和人员伤亡。因此,提出利用概率-非概率理论和贝叶斯网络对起重臂结构进行可靠性分析,针对起重臂屈曲计算中的区间变量和随机变量,建立概率-非概率混合模型,计算不同条件下臂架发生屈曲失效的概率,利用贝叶斯网络模型计算各失效原因的重要度,最后通过实例分析验证了方法的有效性,为起重臂基于可靠性的设计提供依据。     

基于动态贝叶斯网络的手势识别

研究了动态手势的识别技术,实现人机交互。采用HSV空间的肤色模型实现手势定位,光流场算法进行手势追踪,具有较好的快速性、准确性和鲁棒性。提出应用链码描述手势运动矢量,双手相对位置标量以及双手与脸的相对位置标量,将多条链码作为动态手势的特征进行提取。建立了一个动态手势识别的动态贝叶斯网络模型,将一部分手势链码作为训练样本,通过对DBNs的推理学习实现手势识别。实验构建动态手势识别系统,可应用于多媒体、智能电器或幻灯片控制之中。