装备测试性增长过程的贝叶斯验证方法

现有测试性验证试验方案需要较多故障样本,存在测试性验证时间长、结果置信度低的问题,为此提出一种装备测试性增长模型的贝叶斯验证方法,在小子样、异总体的情况下进行测试性验证。建立装备测试性水平动态增长的数学模型,依据已有的研制阶段的数据进行求解,得到测试性增长模型的具体参数值,并对测试性水平进行预测。确定测试性水平的先验分布,使用最大熵法求解分布参数,采用贝叶斯理论融合现场试验数据得到后验分布,实现对装备测试性水平的验证。实例分析表明,该方法在较少样本量的情况下能够提高验证结果的置信度,降低双方风险。     

[云制造]云制造环境下基于贝叶斯网络的机床装备资源优化决策方法

结合复杂网络理论,提出了一种云制造环境下基于贝叶斯网络的机床装备资源优化选择方法。对云制造环境下机床装备资源优化选择问题进行数学描述,构建了一种由决策环境变量、决策选择变量、决策传递变量、决策目标变量、决策价值变量以及因果依赖关系组成的不确定多阶段多目标（UMM）决策模型,并对该模型的求解算法进行研究;通过实例验证了所提方法的适用性和有效性。     

基于贝叶斯网络的不确定性知识的推理方法

贝叶斯网络是不确定性知识表达与推理的一种新方法。它是概率论和图论相结合的产物,可用于复杂多因果关系的分析,是人工智能领域的研究热点和重要成果之一。由于它的解决方案明确、直观,所以近年来在远程医疗、故障诊断以及数据挖掘等领域,得到了广泛的应用。本文论述了贝叶斯网络的基本理论、方法和应用,并指出当前所存在的主要问题。     

基于改进量子进化算法的测试优化选择

基于相关模型的测试优化选择是复杂电子系统测试性设计中的一个重要问题.文中首先建立了测试优化选择的数学模型,然后提出一种改进的量子进化算法对其求解.算法核心在于根据测试选择的特点设计了一种新的适应度函数,同时改进了基本量子进化算法的旋转角确定方法,既能防止算法限于局部极值,又能加快收敛速度.为了充分验证算法的有效性及先进性,将其应用于大量仿真实例.结果表明,与现有测试选择算法相比,该算法在求解精度和收敛速度方面均优于已有算法,因而适合于复杂电子系统的测试优化选择问题求解.     

基于贝叶斯估计的测试性仿真评估方法研究

经典测试性参数估计方法仅利用了样本所提供的关于总体的信息,没有利用关于待估统计量的其他信息,例如装备在研制阶段的测试性摸底试验以及丰富的专家数据;因此,这种经典估计方法在小样本情况下,很难真实反映装备的测试性水平。针对以上问题,本文提出了一种在获取仿真试验数据的前提下,进行综合装备先验信息测试性评估的方法,即基于贝叶斯估计的测试性水平估计,研究了测试性参数先验信息获取方法,给出了测试性参数的点估计和区间估计方法。     

基于贝叶斯网络的电子设备故障诊断技术研究

针对电子设备故障诊断的难点,通过分析贝叶斯网络的特点,设计了一种基于贝叶斯网络的故障诊断系统。首先介绍了故障及故障诊断的相关概念;然后在理解贝叶斯网络的基础上分析其优点,研究了贝叶斯的推理;进而研究贝叶斯故障诊断的关键技术;最后介绍了基于贝叶斯网络故障诊断系统的整体框架。     

基于自适应免疫遗传算法的测试优化选择方法研究

针对某型挖掘机制动系统,通过对该系统结构以及故障模式影响分析的基础上,进行了系统测试点布置,并建立了故障测试关系矩阵,利用自适应免疫遗传算法对该系统测试选择优化问题进行求解,得到一组最优测试集,实例应用表明,该方法对求解测试点优化选择问题的有效性.     

离散萤火虫算法的复杂装备测试点优化选择

测试点优化选择是复杂装备测试性设计的重要环节,本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型,接着对传统的萤火虫算法(FA)进行了离散化改进,给出了离散化萤火虫算法的实施步骤,并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性,并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示:在满足系统要求的故障检测率和故障隔离率的前提下,利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明:离散萤火虫算法能快速收敛到更高质量的全局最优解,避免过早收敛而陷入局部最优值,对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。     

测试不可靠条件下的诊断策略优化方法

提出了一种测试结果不可靠条件下的诊断策略优化生成方法.首先将描述测试可靠性的参数(检测概率和虚警概率)转换为误诊代价,将其与基于霍夫曼编码的测试费用评估函数相结合,构建了一种既考虑测试费用又考虑诊断精度的启发式评估函数,然后基于该启发式评估函数提出了一种不确定AO*算法.为了有效评估诊断策略的诊断精度,提出了一种测试性参挝数预计方法.最后应用案例验证了本方法,测试性预计结果表明本方法实现了诊断精度和测试费用的权衡.     

基于贝叶斯网络推理的导弹目标类型识别

天基预警系统中的导弹目标类型识别特征被逐步采集到,其获取的顺序呈现一定随机性且往往又不完全独立.由此,建立了基于贝叶斯网络的推理模型,它可有效处理特征随机到达、特征间不完全独立条件下的不确定性推理问题,且易于融入专家知识.针对所采集的数据由于受传感器能力、环境干扰等多种因素影响而具有不完全可信性的问题,提出基于熵增益建立证据不确定的贝叶斯网络推理模型.通过预警仿真系统实验表明,可信度贝叶斯网推理模型可改善推理精度7.35%.     

面向复杂产品开发供应商选择的改进BN模型

复杂产品开发是企业及其众多供应商共同参与的协同开发过程,供应商评价、选择和协同直接关系到复杂产品开发的成败和优劣。建立了包含环境因素的复杂产品开发供应商选择指标体系,以之为基础构建了由准则层、因素层、成本项层和总成本组成的贝叶斯网络模型,并对准则节点和因素节点采用三级节点状态。采用群体层次分析法和线性加权法确定模型参数,以降低在参数设定时专家的工作量和工作难度,以及对专家知识和经验的要求。由模型推理过程计算候选供应商总成本,推理中对定量指标,引入了信念度概念将其转化为评价分布。以某汽车公司的轿车整车开发为背景,构造车载空调开发供应商选择算例,验证了所提方法的有效性,并用企业偏好设定模型参数进行了模型的敏感性分析。     

基于贝叶斯理论的结构系统可靠性优化设计

提出一种新的可靠性优化设计方法来解决小样本可靠性优化设计问题。首先用贝叶斯理论进行结构可靠性预测,给出贝叶斯可靠度的概念;然后建立贝叶斯可靠性优化设计的数学模型,提出贝叶斯可靠性优化设计的数值方法。数值算例验证了所提方法的有效性和正确性。     

发动机故障冷测试的贝叶斯诊断网络

为提高故障诊断中不确定信息的处理能力和推理质量,将贝叶斯网络技术引入发动机故障诊断领域。充分考虑发动机故障产生的机理,提出一种适用性较强的三层贝叶斯网络结构,增加了诊断信息来源,符合专家的诊断思路。诊断实例验证了其良好的故障源识别效果。     

基于贝叶斯频谱估计的频率分辨率研究

研究了贝叶斯频谱估计的基本理论和基本方法,分别对频率扫描法和频差扫描法进行了研究和计算。仿真结果显示,采用加窗方法可有效提高频率扫描法的频率识别精度。在采样信号相同的条件下,频率扫描法的频率采样点数为1000,得到的频率分辨率为1%。差频扫描法的采样点数为100,得到的频率分辨率为0.1%。贝叶斯频谱分析中模型的选取是决定性的因素。     

[轨道交通运维技术]基于离散时间贝叶斯网络的列控中心可靠性分析

针对动车组列控中心在实际工作环境中的故障同时具有多态性和动态性的问题,提出一种依据列控中心各单元的功能逻辑关系来建立离散时间贝叶斯网络的分析方法。归纳部件的多种故障模式并描述列控中心故障的多态特性,采用EM算法优化更新条件概率表;针对列控中心动态失效问题,建立动态贝叶斯网络模型,将一次任务划分为启动、运行、制动三个阶段,在各个阶段通过重要度和敏感性对该模型进行可靠性分析。最后,以CTCS-2级列控系统的列控中心为例,对该离散时间贝叶斯网络模型进行验证和分析,结果表明该方法能够很好地表征列控中心的多态性和动态性。     

基于贝叶斯网络的柔性生产线质量诊断模型

针对目前的柔性生产线质量诊断模式诊断速度慢、效果差以及不能及时处理不确定性和关联性问题等情况,提出了基于概率理论和图论的贝叶斯网络作为生产线质量诊断模型的方法。阐述了贝叶斯网络的数学模型描述及建立方法;讲述贝叶斯网络的诊断模型的诊断原理与建立过程;并以某缸体生产加工线的质量异常数据作为数据源,结合贝叶斯网络诊断推理建立了柔性生产线质量诊断模型实例,对生产过程进行快速诊断,从而验证模型的有效性。     

金属夏比冲击试验测量结果不确定度的评定

介绍了金属夏比冲击试验测量结果不确定度的评定,对影响冲击试验结果的测量不确定度做了详细分析,对各分量进行了计算、合成并作出评定。