基于贝叶斯网络的楼房建筑毁伤效果评估研究

基于打击效果自动评估系统,根据楼房建筑的结构、毁伤模式和楼房建筑的功能特征建立了贝叶斯网络评估模型.在图像分析的基础上,利用贝叶斯网络强大的推理功能建立了评估楼房建筑毁伤效果的贝叶斯网络图,确定了贝叶斯网络节点状态.该模型不仅能够评估楼房建筑的功能毁伤,而且能够评估楼房建筑的结构和其它设施的毁伤效果.仿真实例验证了模型的有效性.     

基于贝叶斯网络的目标功能毁伤评估

基于炮兵火力毁伤评估系统,根据炮兵目标的结构层次、毁伤模式和功能特征建立了贝叶斯网络的毁伤评估模型。在目标物理毁伤情报分析的基础上,利用贝叶斯网络强大的推理功能建立评估炮兵目标功能毁伤程度的贝叶斯网络图,并确定了贝叶斯网络节点状态。该模型能很好地实现目标作战效能与目标物理毁伤程度映射关系的定量化分析,使依据现有侦察手段获取的目标物理毁伤情报利用目标功能毁伤评估得以实现。     

基于差分进化算法的线性自抗扰控制参数优化

利用差分进化算法自动优化线性自抗扰控制器的两个参数ω0和ωc.首先,研究了二阶线性自抗扰控制的设计,然后,分析了差分进化算法的程序流程图和参数选择方法.仿真实验表明,对于存在大幅值非线性总扰动量的二阶系统,在参数b准确和不准确两种情况下,该差分进化算法均能取得两个参数全局的最优解,适应度函数值快速达到对应的最小值,从而...     

基于混合诊断贝叶斯网络的测试性不确定性建模与预计

针对目前测试性预计方法缺乏对不确定性全面考虑的现象,从测试和故障两个方面分析了测试性预计过程中的不确定性问题,基于贝叶斯网络测试性模型对不确定性测试问题进行了建模与分析,基于混合诊断模型对故障不确定性问题进行了建模与分析,并最终将贝叶斯网络测试性模型与混合诊断模型相融合,给出了一种兼容IEEE Std 1522的基于混合诊断贝叶斯网络模型的测试性指标预计方法,测试性指标预计结果的可信度明显提高。     

图形化网络图流程设计与计算软件

为实现便捷高效的工作流程辅助设计和参数优化,针对双代号网络图,设计箭线、节点等图形元素参数 配置的面向对象类型和图形化编辑界面,在用户编辑完成网络图形的同时自动生成图形元素相互关系模型。运用拓 扑遍历方式自动判断网络图规范性,计算关键路径和时间参数,为用户优化工作流程提供便利工具。结果表明,该 设计能够为多领域工作流程优化提供辅助。     

二维参数绘图结构图形的CAD研究

参数绘图是CAD中解决从设计出结构尺寸后到图形输出的必备功能之一。本文研究在二维图形软件支承下,如何用简单的交互命令可很快生成通用零件的结构哑图,然后利用参数绘图接口软件,把优化设计的输出参数结果与结构哑图连接,即可自动生成精确图形。     

基于IPDA的机动目标航迹起始算法

文中提出了一种杂波环境中机动目标的自动航迹起始算法。该算法结合了目标存在的不确定性和目标动态模型的不确定性，运用了贝叶斯结构中的独立马尔可夫链，并将其性能与IMM—PDA与IMM-IPDA算法进行了比较。     

基于改进Voronoi的高强铝合金微观结构的跨尺度模拟

通过改进Voronoi方法建立含有夹杂粒子的2A12铝合金微观晶粒结构模型。将内聚力模型中的位移-驱动力之间的关系嵌入到Voronoi晶界之间进行微观晶粒结构的有限元模型分析,并通过有限元子模型技术,建立微观晶粒结构到宏观结构的跨尺度有限元模型。结果表明:改进的Voronoi方法可较好地模拟铝合金显微组织结构;不同形状(a/b)和位置(θ)的夹杂粒子对脱黏应力有着较大影响。基于微观晶粒结构得出宏观的应力-应变关系曲线,实现高强铝合金材料的跨尺度分析。     

基于结构方程模型的武器装备体系涌现性度量模型

针对武器装备体系作战能力涌现性难以评估和度量的问题,提出了武器装备体系作战能力涌现性的度量模型。以复杂自适应系统为视角建立作战能力涌现性的概念模型,并剖析体系中各个子系统的内在因素,从而建立评价度量模型作战能力的指标体系;根据指标体系构建线性和非线性涌现的结构方程模型（SEM）;结合两种SEM度量模型构造了模型参数结构方程。为验证所提武器装备体系作战能力涌现性度量模型的性能,以某航母编队反舰作战为例,采用结构方程模型分析软件LISREL 8.70得到SEM的参数估计值,进而确定两种SEM结构方程。根据该方程进行作战能力评估,结果显示,与线性涌现的SEM相比,非线性模型更接近实际作战能力。     

基于Bayesian优化算法的防区外导弹低空突防路径规划

贝叶斯优化算法能够通过贝叶斯网络来估计候选解的节点联合分布并且用该分布来产生新的候选解,该过程反复迭代就可以求得问题的最优解.仿真实例利用基于决策图的贝叶斯优化算法(BOA)得到了防区外导弹飞行的最佳路径,证明了BOA是解决该类优化问题的简单、有效的进化方法.     

基于贝叶斯优化的三维飞行航迹规划

提出了一种基于贝叶斯优化算法的飞行器三维航迹规划方法。把飞行航迹编码为离散时间间隔上飞行器速度向量的变化序列。采用固定时间间隔时,这种编码方法把每一步速度向量的变化量都限制在飞行器最大加速性能之内,所以这种编码方法对应的物理轨迹是可飞的。利用每代种群中的可行解集合构造贝叶斯网络,用贝叶斯网络的结构体现染色体基因位之间的联系,用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化,这取代了传统遗传算法的交叉和变异过程。如果种群中最优个体不满足终止条件,则用新一代种群的可行解集合构造贝叶斯网络,直到满足终止条件。仿真结果验证了算法昀有效性。     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联,应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法,把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数,修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

基于贝叶斯网络的水声对抗效能评估方法

水声对抗过程涉及因素众多,随着水声对抗系统向多样化、通用化、体系化的方向发展,对其作战效能的研究也越来越困难;为了更好地评估水声对抗系统的作战效能,提出了应用贝叶斯网络进行水声对抗效能评估的方法,深入分析了水声对抗过程各环节的影响因素,并给出了贝叶斯网络效能评估模型的结构和组成;依据贝叶斯网络的基本原理,建立了水声对抗效能的贝叶斯网络评估模型,并以水面舰对抗来袭鱼雷为例,给出了贝叶斯网络的建立过程和分析方法。     

无人机攻防对抗不完全信息动态博弈方法研究

以不完全信息动态博弈理论为基础,无人机攻防对抗问题为背景,建立无人机攻防对抗问题的不完全信息动态博弈模型;针对博弈树的求解问题,设计免疫进化算法,求解问题的贝叶斯纳什均衡解,得到无人机的最优策略序列。仿真结果表明该模型能够合理的应用于无人机攻放对抗问题当中,具有较好的应用价值。     

基于层次Bayesian网络及后验风险准则的故障样本量确定方法

针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。     

基于贝叶斯网络的测试性预计方法

测试性预计是以UUT测试性指标作为主要研究对象的一项工作,其主要数学工具是概率论。而贝叶斯网络是基于概率论和图论的不确定知识表示模型,在不确定知识和模型表示与推理中表现出卓越的性能。所以可以将贝叶斯网络和测试性预计工作很容易地结合起来。基于贝叶斯网络的测试性预计方法,不但可信度高、建模方便,而且可以很方便地集成到测试、诊断的信息框架内,与其他智能诊断模型进行信息交互。该方法体现了“并行设计”思想,适用于UUT的全寿命周期维护。     

基于贝叶斯网络的地空导弹操作训练评估模型

介绍了地空导弹火力单元操作训练.给出了火力单元操作训练评估的贝叶斯网络模型.针对地空导弹火力单元操作训练实际,结合贝叶斯网络优点,建立了地空导弹火力单元操作训练的贝叶斯网络评估模型,并运用贝叶斯网络推理软件对模型进行推理,验证了模型的可信性.     

基于Bayes方法的多学科系统不确定性分析和优化

鉴于多学科系统不确定性分析常规方法--灵敏度分析方法的大信息量要求和计算过程的约束性,基于Bayes理论,利用验前信息计算子系统输出的验后分布,使用Gibbs抽样方法获得子系统输出的不确定性统计信息,进而利用不确定性信息改进协同优化算法(CO)方法的子系统优化,得到基于不确定性的CO方法.数值算例验证了Bayes方法在有限信息量下计算准确,效率高,适用范围广;导弹设计示例说明了基于不确定性的CO方法的有效性,保障了设计结果的可用性.     

基于贝叶斯网络的毁伤评估模型

为提高火力毁伤评估的效率,对贝叶斯网络理论进行了研究拓展,在综合分析毁伤信息源及其相互关系的基础上,建立了基于贝叶斯网络的毁伤评估模型,包括：贝叶斯网络模型的构造、贝叶斯网络模型的概率估计、贝叶斯网络模型的更新,并对更新过程进行了探讨。结果表明,该模型可利用各种信息源较快地对毁伤效果进行系统评估,提高毁伤评估的效率。     

A Study of New Method for Weapon System Effectiveness Evaluation Based on Bayesian Network

As weapon system effectiveness is affected by many factors,its evaluation is essentially a multi-criterion decision making problem for its complexity.The evaluation model of the effectiveness is established on the basis of metrics architecture of the effectiveness.The Bayesian network,which is used to evaluate the effectiveness,is established based on the metrics architecture and the evaluation models.For getting the weights of the metrics by Bayesian network,subjective initial values of the weights are given,gradient ascent algorithm is adopted,and the reasonable values of the weights are achieved.And then the effectiveness of every weapon system project is gained.The weapon system,whose effectiveness is relative maximum,is the optimization system.The research result shows that this method can solve the problem of AHP method which evaluation results are not compatible to the practice results and overcome the shortcoming of neural network in multilayer and multi-criterion decision.The method offers a new approach for evaluating the effectiveness.