基于动态贝叶斯的船舶中央冷却水系统状态推理

针对船舶中央冷却水系统日益复杂、处理这类信息时存在很大不确定性的问题，将动态贝叶斯网络运用于复杂管路系统的检测与控制中。通过全面分析某型船舶中央冷却水系统各个部件之间的相互关系以及评估参数，建立系统的动态贝叶斯网络模型，运用BK算法对系统的运行状态进行推理。使目标节点的各个特征因素以及不同时间片同一特征因素相互修正，克服系统检测时不确定性、数据不完整和主观性。通过仿真表明，动态贝叶斯网络在不确定环境和数据缺失的情况下可以考虑时间的因素进行有效的状态推理并实现有效的控制。     

舰用柴油机冷却水系统贝叶斯状态推理方法

针对不确定动态环境下舰用柴油机冷却水系统的状态预测及故障推理问题,研究基于贝叶斯网络模型的冷却水系统状态推理方法。根据某型冷却水系统的逻辑功能关系,分析系统的工作状态及典型故障模式,分别建立静态和动态贝叶斯网络推理模型。采用联结树精确推理算法对冷却水系统的运行状态进行正向和反向推理。结果表明,贝叶斯状态推理方法在不确定环境下传感器数据缺失时相对常规的故障树推理方法更具优势,动态贝叶斯网络比静态贝叶斯网络具有更好的推理精度。     

基于语义的船舶行为动态推理机制

为实现对船舶行为的深入挖掘,建立船舶行为模型,根据模型需求引入语义模型和动态贝叶斯网络,形成基于语义的船舶行为动态推理机制。使用语义网络实现复杂态势下船舶行为领域知识的形式化描述与共享;将语义网络结构转换为动态贝叶斯网络结构并采用水上交通大数据进行参数学习;使用动态贝叶斯网络推理不确定性信息,挖掘深层次的船舶行为和事件。基于长江渡船靠离泊行为的实例验证表明:该船舶行为动态推理模型能准确地识别并预测船舶的动态行为,实现船舶行为的辨识与预警。     

自主船舶操纵系统可靠度和灵敏性分析

当前自主船舶操纵系统的故障样本较少，相关设备的原始故障数据存在主观性参数，基于这些数据的可靠性分析会受到认知不确定性的影响。为此，采用证据理论处理不确定性问题，采用贝叶斯网络进行可靠性分析，计算自主船舶操纵系统的可靠性指标。通过计算重要度来定量分析基本设备单元的灵敏性，诊断自主船舶操纵系统的薄弱环节，为设计优化和维修检测提供依据。研究表明：采用证据理论与贝叶斯网络相结合的方法能有效降低自主船舶操纵系统的可靠度和灵敏性分析中认知不确定性带来的影响；各项可靠性指标显示，柴油机和空气处理设备为系统的薄弱环节。     

舰船主冷凝器多连片贝叶斯网络故障建模方法研究

主冷凝器作为舰船蒸汽动力装置的主要设备运行中发生战损,故障模式复杂、不确定性较大,传统故障诊断方法难以有效解决。本文提出采用贝叶斯网络故障建模的方法解决这一难题,建立具有时间序列特性的动态多连片贝叶斯网络模型。通过实验分析表明模型准确可靠,不仅能够进行从故障原因到现象的正向推理,还能进行故障现象到原因的反向推理,可为蒸汽动力设备的故障诊断提供有效决策。     

舰船主冷凝器多连片贝叶斯网络故障建模方法研究

主冷凝器作为舰船蒸汽动力装置的主要设备运行中发生战损,故障模式复杂、不确定性较大,传统故障诊断方法难以有效解决。本文提出采用贝叶斯网络故障建模的方法解决这一难题,建立具有时间序列特性的动态多连片贝叶斯网络模型。通过实验分析表明模型准确可靠,不仅能够进行从故障原因到现象的正向推理,还能进行故障现象到原因的反向推理,可为蒸汽动力设备的故障诊断提供有效决策。     

贝叶斯网络在舰船安全性评估模型中的应用

船舶是一个复杂且相对独立的综合系统,其中电力系统、动力系统、防火系统等的状态不断变化,产生复杂的状态信息。并且由于船舶人员行为的相对不确定性,船舶上的安全问题十分复杂,且难以判定。因此针对该问题,本文将贝叶斯网络引入船舶系统的安全性评估中,通过对船舶中独立系统收集状态信息,并且模拟人为因素,建立风险评估模型和风险预判模型,并且结合人为因素提供在遇到安全问题情况下的解决方法。     

反导防御态势评估研究

在复杂战场环境下,对作战平台传感器系统获得的大量数据进行分析处理,实现数据融合具有重要的意义,态势评估属于数据融合中的高层融合,贝叶斯网络是一种不确定性推理工具,论文采用贝叶斯网络对作战平台反导防御进行态势评估研究,设计了反导防御态势评估模型。     

基于本体论与贝叶斯式网络的舰炮武器系统故障诊断方法研究

针对舰炮武器系统在故障诊断过程中存在不确定性以及新故障知识不易添加的问题,提出了一种将本体论与贝叶斯网络相结合故障诊断方法。利用本体的知识表示方法建立关于舰炮武器系统的本体模型,然后将此模型转化为贝叶斯网络模型,最后利用贝叶斯网络进行舰炮武器系统故障方面的不确定性推理。利用此方法可以有效解决舰炮武器系统复杂故障现象问题。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。