基于模糊推理的案例检索技术研究

模糊推理和案例推理都是近似人脑思维过程的推理方法,在处理不确定量时各有千秋．本文中介绍了案例推理的基本思想和推理过程和案例检索的几种常用的策略．提出一种采用模糊推理进行案例检索匹配的方法,实验表明该算法具有优越的命中率．     

图论方法在装备测试与诊断信息建模中的应用

对框图模型、信息流模型、多信号流图模型和混合从属模型等图论模型进行了介绍。在分析它们特点和局限性的基础上,对图论方法在装备测试与诊断信息建模领域的新应用进行了探究。研究了基于信息的标准模型的使用方法,并对基于贝叶斯网络的测试与诊断信息图论建模手段进行了探讨,给出了相应的建模手段和流程。通过将“故障-测试”贝叶斯网络模型与AI-ESTATE标准相结合,贝叶斯网络为实现智能诊断和对“并行设计”的支持提供了一种新的有效解决途径。     

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。     

基于模糊Petri网的某型舰炮系统故障诊断

故障的产生和传播是一个动态的过程,具有突发性、并发性和随机性等特点,精确的推理方法难以有效地对复杂特性的故障进行诊断.利用模糊Petri网对舰炮武器系统进行故障分析,首先分析舰炮故障类型以及故障的规则表示形式,然后给出了基于模糊Petri网的故障传播模式模型及其推理算法,最后以某舰炮武器系的弹药盘点异常故障为例进行了建模并用推理算法计算故障发生概率.结果表明,该模型具有直观和表达能力强的优点,可应用于工程实践.     

基于实例推理方法在导弹总体方案设计中的应用

针对产品方案设计中利用相似实例的设计方法，讨论了人工智能中基于实例的推理方法在飞航导弹总体方案设计中的实现框架，进而举例阐述了以人工神经网络为核心的基于实例推理的算法的具体应用。     

数据融合中基于模糊集的D—S证据方法

近年来数据融合技术深受国内外学者的重视，在诸多融合算法中，尤以DempsterShafer证据推理方法和模糊集理论为代表。本文针对基于D—S证据推理的数据融合算法无法处理模糊信息这一不足，提出在证据理论中引入模糊集“包含度”的改进方法来体现证据子集间的包含程度。     

基于层次广义随机Petri网的测试性建模新方法

针对目前装备系统采用层次化、模块化设计,维修级别与测试性建模复杂度大大提高的问题,提出一种基于层次广义随机Petri网(HGSPN)的测试性建模方法。将主流模型和广义随机Petri网(GSPN)模型进行对比,阐明主流模型存在的问题,以及选择GSPN模型的原因;对装备进行层次划分,建立分层GSPN模型;系统及其组成元件存在多个故障模式,为区分这些故障模式提出一套完整编码方案;给出可达性算法获取层次相关性矩阵,运用测试性评估数学模型得到各层级的测试性水平,将各层级的测试性信息汇总,得到装备完整的测试性水平。以某型导弹发动机系统为例,建立其HGSPN模型,并对测试性指标进行确定,得到100%的故障检测率和66. 7%的故障隔离率,验证了所提建模方法和相应算法的有效性。     

防空兵火力分配的多目标优化

如何进行科学的火力分配是最大限度地杀伤来袭目标的关键问题。通过对火力分配问题的分析,建立了火力分配的图论模型,结合图论模型的特点给出了模型的匹配算法,算例结果表明,利用匹配算法进行火力分配科学、合理、有效。     

基于深度学习的小口径弹药装配设备故障诊断专家系统

针对小口径弹药装配设备故障诊断智能化程度不足、诊断效率低以及误诊率高等问题,开展小口径弹药装配设备故障诊断技术和专家系统研究。为提高复杂装备故障知识推理及判别精度,研究基于知识图谱和故障树的故障类别知识库构建方法,提出基于规则和案例的故障知识推理方法,采用深度学习算法进行故障知识推理和更新,构建故障诊断模型并用于小口径弹药装配设备故障诊断专家系统。结果表明：该系统可实现对小口径弹药装配设备故障的智能预测和分析,符合制造装备智能化发展要求,为制造装备智能化、信息化的研制发展和推广应用提供参考。     

基于相关性矩阵合并算法的系统级测试性建模方法研究

针对大型复杂系统直接构建测试性模型难度较大的问题,提出一种相关性矩阵合并算法.分析大型复杂系统的层次模块划分原则,对层次模块化测试性模型的建模要素进行了简要阐述.合并算法通过对系统进行层次模块划分,然后对低层次的单元模块分别进行测试性建模,再将低层次单元模块的故障-测试相关性矩阵逐步合并,进而生成整个系统的故障-测试相关性矩阵,并以某型导弹的导航系统为例进行实例验证,简化系统级测试性模型构建的难度.