平方根容积卡尔曼滤波器

针对容积卡尔曼滤波器在递推过程中,计算量大、数值不稳定等问题,提出了平方根容积卡尔曼滤波器。该滤波器不仅增强了数值鲁棒性,确保了状态协方差矩阵的正定性,且在一定程度上提高了滤波精度。仿真结果表明,该滤波器的滤波精度与容积卡尔曼滤波相比提高了约10%,且均高于扩展卡尔曼滤波;随着状态维数的增加,该滤波器的估计性能越加优于扩展卡尔曼滤波器。因此对系统维数较高的场合,该滤波器是一种非常有效的非线性滤波算法。     

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。     

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...     

基于贝叶斯网络的群体性事件智能视频分析与判定技术

为提高群体性事件智能视频监控的可靠性,提出在传统图像处理算法实现目标检测和特征提取的基础上,采用贝叶斯网络进一步对事件特征进行分析,重点介绍人群聚集事件判定贝叶斯网络建模、参数设置和推理等关键过程,并以具体的实例进行验证。结果表明:该方法具有建模简单、对智能视频分析算法依赖性低、鲁棒性和移植性强等特点,对建立可靠的智能视频监控系统具有参考价值。     

地铁盾构工程造价异动风险WSR-BN评价模型研究

地铁盾构工程造价异动风险管理是地铁项目投资控制的重要环节。基于文献分析与调研访谈相结合的方法,根据物理-事理-人理系统方法论(WSR)识别出地铁盾构工程造价的关键风险因素,并应用贝叶斯网络(BN)构建风险评价模型。通过专家群决策和模糊集理论,根据现场情况收集并分析风险因素的发生概率,应用GeNIe软件对地铁盾构工程造价异动风险进行评价并通过诊断分析搜寻关键风险因素。最后以武汉地铁A号线项目为例,验证该模型的有效性,为管理者在地铁盾构工程的造价异动风险分析和管控方面提供科学有效的决策和参考意见。     

基于非盲去模糊算法的图像复原

在图像复原中,对降质图像失真的点扩散函数求逆是研究难点之一。现根据先验概率将贝叶斯理论的函数关系化,提出遗传算法的种群繁殖模型,通过逐步演化来执行变换、调整和集成。同时,为了获取更高效的效果,构建Jenkins持续集成平台进行集成和测试模型参数。最后,从决策支持系统的角度阐述整个系统的框架。     

基于贝叶斯理论的钢-混凝土混合结构试验模型地震损伤分析

采用纤维单元模型对1个3层钢-混凝土混合结构试验模型进行动力弹塑性时程分析,在多条不同地震波作用下,通过数值模拟得到结构的地震需求概率函数,并以此作为结构地震需求的先验概率。基于贝叶斯理论并结合振动台试验数据,更新需求信息,得到模型结构地震需求的后验概率,预测其在不同强度地震作用下的破坏概率。研究结果表明,较小强度地震作用下的数值模拟结果与试验结果吻合较好,强震作用下需基于贝叶斯理论并结合试验数据进行修正,修正后的易损性曲线能够对结构的损伤状态进行更准确的评估。     

基于贝叶斯网高效推理的半导体生产故障预测

文章通过搜集半导体晶元数据生产集,建立贝叶斯网,运用python对海量数据进行训练。依据训练数据进行分析,生成全面的半导体生产故障概率参考数据;并依据故障率分析结果与实时数据进行比对,实现高效的生产故障预测。通过对输入的半导体晶元数据生产集进行不断更新与学习,实现了对生产故障的精准预测,并可据此采取针对性的质量改进与预防性措施,提升生产的安全性。