基于FTA和Bayesian网络的血液透析感染风险评估

血液透析感染风险评估有助于提高血透质量以及保证患者安全。血液透析感染风险受大量不确定性、多状态因素的影响而呈现出动态性,传统故障树分析(FTA)的确定性和二态性使其在评估该类风险时存在缺陷。通过将血液透析感染FTA静态模型映射为Bayesian网络对血液透析感染风险中存在的不确定性关系和多状态变量进行建模,利用Bayesian定理进行概率更新从不同角度识别易导致感染的关键事件,并且考虑患者异质性实现血液透析感染风险的动态评估。通过实例验证了该方法的可行性和有效性,与单一FTA方法相比该方法能够从多个角度对风险进行全面地分析与评估。     

基于Vague集与FTA方法的麻醉流程风险评估

麻醉是提高患者安全的首要环节。围手术期麻醉过程受大量随机、模糊和不确定性因素影响而呈现出多态性,传统故障树分析(FTA)在评估面向该类流程风险问题上存在明显缺陷。通过引入Vague集解决麻醉操作中失效事件多态性和失效概率不确定性,并依据有明显边界的麻醉操作阶段来构建面向流程的故障树模型,基于医院麻醉记录、医师经验、可靠性数据并结合TOPAZ模型,对围手术期麻醉流程进行了风险评估。实例验证该方法可行且有效,与现有方法比较分析发现该结果更好地刻画出失效事件随机性和不确定性。     

基于概率的高层建筑地震需求模型与风险评估EI北大核心CSCD

提出了基于贝叶斯理论的地震风险评估方法,综合考虑了地震危险性模型、输入地震动记录、结构参数和需求模型的不确定性,并以云南大理地区1970年-2017年间的地震数据为研究基础进行了详细讨论。在传统基于概率地震危险性分析方法的基础上,提出了基于贝叶斯理论的地震危险性分析方法,通过贝叶斯更新准则,确定了地震概率模型中未知参数的后验概率分布;通过贝叶斯理论建立了基于概率的地震需求模型,并在易损性中考虑了需求模型认知不确定性的影响;以42层钢框架-RC核心筒建筑为例,开展了地震作用下的风险评估。研究表明:基于贝叶斯理论的地震危险性分析方法,能够获得更为合理的危险性模型;忽略需求模型中参数不确定性的影响,将错误估计结构的地震易损性;不同加载工况将对高层建筑的地震风险产生显著影响。提出的概率风险评估方法,提供了可以考虑固有不确定性和认知不确定性的有效途径,有助于推动高性能结构地震韧性评价和设计理论的发展。     

基于FTA的老年人APP交互设计

目的提升老年人对APP的满意度,帮助老年人更好地接受和使用APP。方法提出基于故障树分析(FTA)的老年人APP交互设计方法。首先通过焦点小组确定导致错误发生的原因并建立故障树,对错误发生的原因进行合理分类;随后对故障树进行定性定量分析,计算故障树的最小切集和错误发生的概率,找到导致头号事件发生的核心因素;接着进行重要度分析,计算构造重要度,根据构造重要度值对引起错误发生的基本事件进行排序,为设计改良提供理论上的优先顺序;最后以老年人医疗APP为研究案例进行设计改良,并对改良后的结果进行错误率验证。结论该方法可以有效地发现老年人操作APP时出现障碍的原因,不仅可以帮助设计师找到较为合理的改良方案,而且还可以使老年人获得良好的交互体验。     

信息系统风险评估对网络和信息安全的重要意义探讨

信息技术的发展和互联网应用的普及,让网络和信息系统面临着前所未有的潜在威胁和信息安全风险。2013年,维基解密网站披露了美国"棱镜计划",网络监听事件使美国陷入"外交风暴"。同年,微软公司发布了一款Windows XP操作系统"死亡倒计时工具",并宣布对Windows XP的更新支持将在2014年4月8日停止。2014年2月,中央网络安全和信息化领导小组成立,体现了党中央全面深化改革的意志和保障网络安全的决心。文章围绕中央网络安全和信息化领导小组战略部署,主要阐述了信息系统风险评估对网络和信息安全的重要意义。     

基于FMEA和FTA的老年人汽车人机界面交互设计研究

目的 提升老年人汽车界面满意度,设计适合老年人使用的汽车界面.方法 提出基于失效模式与效应分析(FMEA)、故障树分析(FTA)的研究方法,首先成立会议小组进行SHERPA分析,绘制汽车界面层次任务分析图;随后运用FMEA找出汽车界面中的潜在失效模式,计算风险优先数值;接着选取风险优先数值高的失效模式,运用FTA寻找其发生的原因,对其以图形化表示;再对故障树进行定性定量分析,计算故障树的最小切集和失效事件发生概率,找到失效发生的核心因素;最后对失效事件进行改良并对改良后的结果进行验证.结论 以老年人汽车界面为例进行研究,该方法可以有效发现老年人操作汽车界面发生错误的原因,不仅可以帮助设计师找到改良的重点,还可以使老年人获得良好的驾驶体验.     

基于RBI技术的甲苯常压储罐风险评估

常压储罐应用于炼油和化工企业,主要用来贮存原油、成型油及化工产品等介质。常压储罐内部压力直接受温度影响,具有一定的安全隐患,尤其是在常压储罐储存一些易燃易爆有毒的介质的情况下,如果发生安全事故,就会对工厂设施造成严重损坏也会对工人造成人身安全威胁。因此,对常压储罐基于风险的评估和检验具有十分重要的工程应用价值。本文在.NET平台上开发了一个可以对储罐随时在线进行基于风险的评估的专业检测软件。该软件基于常压储罐的失效机理,分别对壁板和底板的四种损伤因子进行计算,并分析常压储罐的失效概率和失效后果,根据失效概率和失效后果的等级对储罐进行风险等级评估。最后,利用本软件对辽宁世星药化公司的甲苯储罐进行了风险评估,验证了风险评估结果的有效性。     

基于贝叶斯网络的核电站应急电力系统安全评价

在故障树分析法(FTA)基础上提出了一种基于贝叶斯网络(BN)的核电站应急电力系统安全评价方法,比较了FTA和BN在建立安全评价模型和评价能力上的不同.该方法在应对众多影响因素上有很大优势,能进行更多有意义的分析:既能进行前向的预测推理,又能进行后向的诊断推理,可以找出影响故障的组合模式,从而能够找出系统的薄弱环节.同时采用基于Matlab的BNT软件包,大大简化了计算过程.通过对10MW高温气冷堆(HTR-10)应急电力系统的安全评价实例的分析,证明该方法是对传统的基于故障树分析的安全评价方法的有益改进.     

基于多制造商竞合博弈的供应链契约北大核心CSSCI

供应链竞合博弈下,考虑由两个制造商和一个占优零售商构成的供应链系统,研究竞合博弈下供应链批发价契约,以及合作博弈下进一步考虑单制造商和多制造商分别与零售商构成的供应链中达到供应链系统协调的收益共享契约,分析了产品竞争强度对合作和竞争关系的影响,以及供应链各方收益的分配。研究结果表明,竞合博弈下供应链批发价契约即使合作也不能达到供应链协调,合作博弈下单制造商与零售商基于收益共享的合作能达到供应链协调,而零售商与多制造商基于收益共享契约的合作,将随着产品竞争强度的增大而转为与单制造商合作,合作的达成和终止由零售商占主导决策。     

基于Bayesian估计的整体和局部信息融合的损伤识别

在结构损伤识别中,如何充分利用整体和局部传感器测试得到的信息来增加结果的准确性是一个值得研究的问题。该文提出基于Bayesian 理论的结构整体局部信息融合的损伤识别方法。首先根据Bayesian理论建立了关于频率、位移模态和应变模态结构损伤的概率模型,静态应变信息提供了Bayesian理论的先验信息,使该概率模型充分利用了各种传感器信息;然后为了减少计算量,采用分步损伤识别的方法,在采用模态应变能指标初步定位损伤范围的基础上,用该文提出的逐个单元消去法定位损伤单元。最后对20 跨刚桁架模型进行试验研究证明了该方法的有效性,并且比较考虑与不考虑应变传感器信息的损伤识别结果。     

基于多目标和聚类的产品功能疲劳健壮性分析北大核心CSSCI

研究了产品功能疲劳问题中产品功能组合的健壮性分析问题,提出了基于NSGA-II和客户聚类的综合分析方法。具体包括建立了基于NSGA-II算法的产品功能疲劳问题的多目标优化模型,并利用K-Means算法对客户评价数据进行了聚类分析,然后结合多目标模型和聚类结果进行健壮性分析,为产品开发人员选择健壮性的产品功能组合提供决策支持。最后通过智能手机产品的实际案例说明了所提出方法的有效性。     

基于支持向量机的网络风险评估方法的研究

统计学习理论(Statistical Learning Theory,SLT)是一种专门研究小样本情况下机器学习规律的理论,作为统计学习理论的VC维理论和结构风险最小化(Structure Risk Minimization,SRM)原则的具体实现算法支持向量机(support vector machinse,SVM),集优化、核(Kernel)、最佳推广能力等特点于一身,其出色的学习能力被广泛的关注并在各个领域广泛应用,系统介绍基于支持向量机的网络安全风险评估,给出其可行性、优越性及SVM评估模型,最后提出该研究发展方向与前景的预见。     

基于DCGAN和DANN网络的滚动轴承跨域故障诊断EI北大核心CSCD

实现滚动轴承智能故障诊断需要大量标签数据,但机械设备实际运行中因轴承故障无法提前收集充足振动信号,导致滚动轴承故障模式难以判断。为解决该问题,提出一种有效利用少量样本数据实现领域自适应的迁移学习模型。首先,通过深度生成式对抗网络(deep convolutional generative adversarial networks,DCGAN)实现少量振动信号的模拟式扩充,生成信号保留了真实信号完整的高频和低频特征;其次,通过对抗领域自适应网络(domain-adversarial neural networks,DANN)将源域与目标域特征投射到同一特征空间,实现多领域特征提取与适配;最后,通过智能诊断网络完成变工况下未知标签滚动轴承健康状态的识别。试验结果表明,所提方法在可用样本较少时能准确有效实现滚动轴承跨域故障诊断,准确率均优于其他迁移学习对比模型。     

基于log-logistic概率分布的产品可靠性分析北大核心CSSCI

研究了产品在形成过程中的质量波动—不合格零件和安装误差对其可靠性影响的问题。首先,引入三种质量波动下的产品可靠性模型;然后,基于log-logistic概率分布对模型进行分析;最后,通过参数分析绘制三种质量波动下的失效率图和转换后的log-logistic图,通过非参数分析描述失效率图的形状特征。研究结果表明,在三种可靠性模型下绘制出的图形具有显著的形状特征,这些特征图能够监测产品在形成过程中的质量波动,进而有效地控制波动,提高产品的可靠性。     

基于超声波原理的防渗层渗漏定位模型研究北大核心CSCD

为解决运营前垃圾填埋场防渗层渗漏定位问题,提出了基于超声波散射特性的高密度聚乙烯(High Density Polyethylene,HDPE)膜渗漏检测方法。根据超声波通过渗漏位置发生散射导致能量衰减的特性,利用小波分析提取有无渗漏时超声波能量密度参数,依据两种状态下参数定义损伤指数,结合损伤成像实现对HDPE膜渗漏位置定位。实验通过压电片铺设在HDPE膜表面形成检测网络,任意波形发生器控制压电片产生特定超声波信号,采用一发多收方式对检测区域进行扫描。实验结果表明:HDPE膜有、无渗漏的损伤指数至少相差100倍,差异明显。实验实现了模拟渗漏的定位,单渗漏点的最大定位误差为8.4 mm,双渗漏点最大定位误差为13.7 mm,定位误差在可接受范围内。     

基于车辆振动响应反向分析的路面等级辨识方法EI北大核心CSCD

提出一种利用希尔伯特黄变换和概率神经网络进行车辆振动响应反向分析的路面等级辨识方法,为主动悬架控制提供有效信息。建立车辆模型和随机输入路面模型,利用希尔伯特黄变换对不同等级路面下的车辆振动响应仿真数据进行分解变换,得到车辆振动响应的瞬时能量;提取瞬时能量的敏感特征参数,利用概率神经网络训练路面分类器,确定路面等级与特征参数范围的映射关系,完成路面等级分类器的设计;利用加速度传感器采集车辆在典型路面下的振动响应数据,提取试验数据的特征参数,并将其输入到训练完成的路面分类器中,实现试验路面等级辨识。辨识结果表明,基于车辆振动响应的反向分析法,结合希尔伯特黄变换和概率神经网络,可以实现对车辆当前行驶路面等级的辨识。     

基于稀疏滤波和长短期记忆网络的旋转机械故障诊断方法EI北大核心CSCD

针对原始振动信号不可避免的包含多余噪声问题。提出一种基于稀疏滤波(sparse filtering,SF)和长短期记忆网络(long and short term memory network,LSTM)相结合的旋转机械故障诊断模型,该模型利用快速傅立叶变换将原始时域信号转换成频域信号,再通过SF提取低维故障特征,并将其输入到LSTM堆叠分类器中识别旋转机械故障状态。用轴承和齿轮振动信号为例开展试验研究,并与Softmax、深度神经网络(deep neural networks,DNN)、支持向量机(support vector machine,SVM)、降噪自编码器(denoising auto-encoder,DAE)等方法进行试验对比,结果表明所提方法不仅在噪声环境下具有更高的准确率和鲁棒性,而且针对数据不平衡集的诊断也能达到98%以上的准确率。     

基于卷积自编码器和时间卷积网络的轴承性能退化趋势预测EI北大核心CSCD

针对现有的退化预测研究在构建健康指标时面临信息损失,在建立预测模型时并行计算性能差、感受野不大等不足,结合监测对象性能退化的时序特性,提出基于卷积自编码器(convolutional auto-encoder,CAE)和时间卷积网络(temporal convolutional network,TCN)的性能退化趋势预测方法。构建振动信号多域高维特征集,并采用综合评价指标初步筛选敏感性好、趋势性强的性能退化指标;采用核主成分分析(kernel principal component analysis,KPCA)方法消除多域特征之间的冗余信息,并实现基于CAE网络的健康指标构建;在此基础上,构建基于TCN的性能退化预测模型,采用直接多步预测实现退化趋势预测,并利用轴承公用数据集验证方法的有效性。结果表明:采用KPCA可以将特征集从14维降至4维,且保留了原优选特征集97.63%的信息;基于CAE网络构建健康指标的方法是有效的,所构建的健康指标随时间的变化历程能真实反映轴承性能的退化过程,且该方法相较于自编码网络(auto-encoding,AE)和高斯混合模型(Gaussian mixure model,GMM)两种常用的健康指标构建方法具有明显优势;基于TCN算法构建的模型能准确预测轴承的性能退化,该模型相较于基于长短时记忆(long short-term memory,LSTM)网络和基于门控循环单元(gated recurrent unit,GRU)等构建的预测模型性能更好,预测精度更高,预测步长为3时的均方根误差和平均绝对误差分别为0.0257和0.0187;该方法具有普遍意义,可推广应用于其它机械装备/零部件的性能退化趋势预测。     

单调作业中单调感对职业疲劳的影响研究北大核心CSSCI

为了探讨单调作业条件下作业者职业疲劳及其影响因素,以及作业者主观单调感对于职业疲劳的影响,通过问卷调查的方法对120名汽车厂焊装生产线车间员工的疲劳状况、睡眠质量、生活质量、作业相关要素和主观单调感进行了调查和数据处理。对该作业人群的疲劳状况及引发疲劳的各项影响因素进行了统计分析及多元回归分析。分析结果表明,作业者在单调作业下产生主观单调感的现象是普遍存在的,而这种单调感会显著地影响作业者的疲劳状态。影响作业者主观单调感的各相关因素中,作业环境和作业时间是两个主要因素;而相同的作业条件下,女性作业者更容易感到疲劳,也更易于产生单调感。因此,对于作业者主观单调感的改善应首先从作业环境和作业时间两个方面着手。同时对女性作业者应给予更多的关注。     

基于云文化算法的装箱优化算法北大核心CSSCI

为解决网络购物中拣选并装箱订单产品的问题,以极小化装箱后的剩余空间、剩余承载能力和由重量引起的不稳定性为优化目标,提出了一个基于拣选和包装的集成装箱模型,对商品订单按照包装容器的容积和最大承载重量进行分割,然后选择包装容器后依序对订单进行包装。并提出了一种基于云文化算法的装箱算法,讨论了装箱算法的详细步骤。最后给出了应用实例,结果表明集成装箱模型是正确的且可行的。