共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
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。 相似文献
3.
4.
基于贝叶斯网络的目标毁伤效果评估研究 总被引:6,自引:0,他引:6
随着现代战争节奏的加快,战场环境的复杂化,目标毁伤效果评估(BDA)对战场指挥员的作战决策影响越来越大。而现代战场的复杂性及目标毁伤信息的不确定性,给目标BDA带来了巨大挑战。贝叶斯网络是最近几十年刚流行起来的一种不确定性推理工具,它可以根据不确定或不完整信息对所研究的问题做出相对准确的推理,贝叶斯网络的这种特点正好适合在战场上根据各种不确定或不完整的目标毁伤信息对目标毁伤效果进行综合评估。通过对基于贝叶斯网络的目标BDA方法的探讨,叙述了贝叶斯网络模型的建立与更新过程,并以机场跑道为研究对象,演示了利用贝叶斯网络进行目标BDA的过程,说明了贝叶斯网络在目标BDA中应用的可行性与有效性。 相似文献
5.
6.
基于贝叶斯网络云模型的目标毁伤评估方法 总被引:2,自引:0,他引:2
针对复杂的现代战场环境和较多不确定性因素影响下目标毁伤评估问题,提出一种新的基于贝叶斯网络云模型的毁伤评估方法。分析目标特性,建立分级式评估指标体系,构建贝叶斯网络结构;将蒙特卡洛法引入参数学习之中,仿真得到各网络节点的条件概率表,利用网络推理得到目标属于各毁伤等级的概率;利用云模型将得到的目标毁伤概率转化为确定的毁伤值,从而实现由不确定性到确定性的转化。在贝叶斯网络模型中,将目标的物理毁伤程度作为功能毁伤程度的子节点之一,通过条件概率表将物理毁伤程度与功能毁伤程度联系起来,实现了一种新的物理毁伤到功能毁伤的转换方法。以雷达目标为例进行仿真实验,结果表明,该方法能够有效解决目标毁伤评估问题,且与传统贝叶斯网络模型评估结果相比,在精确度和可靠性上都有明显提高。 相似文献
7.
8.
提出了一种运用灰色关联分析的方法,在不完全毁因素信息的情况下,基于毁伤判据库的目标功能毁伤评估问题。通过运用灰色理论对经验数据中各毁伤因素的关联度进行分析,实现了由已知目标毁伤因素的毁伤值求取未知毁伤因素的毁伤值,使基于毁伤判据的毁伤评估具有了可实现性。 相似文献
9.
以新型大口径舰炮武器系统综合论证和作战效能评估为背景,研究大口径半穿甲炮弹对典型小型舰船目标的毁伤效能评估问题。对典型舰船进行目标特性分析,设计了两种典型船体靶板毁伤试验及数值仿真,明确了靶板破坏形态和破口直径,并由此验证了数值仿真模型及材料参数的准确性。在此基础上进行实尺度半穿甲炮弹对典型舰船侧舷毁伤的数值仿真,得到了半穿甲炮弹起爆位置及着角对舰船侧舷的毁伤特性数据。进而提出了炮弹炸点位置与侧舷结构毁伤后舱室进水情况的判据,建立了半穿甲炮弹作用于舰船目标的终点毁伤效能数学模型。以典型中小型舰船为实例进行了计算,结果表明提出的数学模型可用于分析半穿甲炮弹命中精度、起爆位置和着角等对舰船目标的毁伤效能,当炮弹着角为45°、起爆相对位置为0.5L时对舰船结构毁伤效果最好,解决了大口径半穿甲炮弹对典型中小型舰船目标毁伤效能评估的关键技术,可为新型舰炮武器系统综合论证和作战效能评估提供一定技术支撑。 相似文献
10.
11.
动态贝叶斯网是对不确性问题进行建模分析的有效工具,基于动态贝叶斯网,以作战效能为主要准则建立了野战防空演练效果评估的模型;仿真算例分析结果表明,采用动态贝叶斯网能够合理评估野战防空演练效果;与其他方法相比,由于考虑了时间因素的影响,动态贝叶斯网具有较好的准确性以及容错能力,能够更好地反映野战防空演练效果及其变化规律。 相似文献
12.
13.
贝叶斯网络在火エ系统安全评价中的应用 总被引:9,自引:0,他引:9
提出一种基于贝叶斯网络(BN)的火工系统安全评价方法,采用BN取代原有的故障树分析法( FTA)有两个方面的优势:一是在建模方面,突破了故障树分析的一些较强的假设,可以考虑多态变量以及变量之间的相关性,并能以比逻辑门更好的形式表达变量间的不确定性关系;二是在分析方面,既能进行前向的预测推理,又能进行后向的诊断推理,并可以找出导致系统故障的组合模式,从而能够方便地找出系统的薄弱环节。采用基于MATLAB的Bayes Net Toolbox (BNT)较件包,大大简化了计算过程。通过一个工业雷管生产线的安全评价实例,说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。 相似文献
14.
基于贝叶斯网络的复杂系统FMEA模型 总被引:6,自引:0,他引:6
贝叶斯网络用因果关系图的形式表达变量间相互关系,实现复杂系统的故障模式和效应分析.贝叶斯网络建模先确定模型变量,根据变量间因果关系确定网络的拓扑结构.再为贝叶斯网络赋值,确定先验概率和条件概率.并通过融合新的试验信息与专家信息,改进网络结构,作最后的统计推断. 相似文献
15.
16.
17.
18.