基于贝叶斯网络的辐射源威胁等级评估算法

贝叶斯网络是近年来人工智能领域最重要的研究成果之一，在具有不确定性的推理和决策问题中得到了广泛的应用。以贝叶斯网络及其推理机制为基础，主要研究了贝叶斯网络在辐射源威胁等级评估方面的应用。选取了部分影响因素，建立了基于贝叶斯网络的辐射源威胁等级评估模型。最后通过一个计算机仿真实例验证了算法具有连续性和累积性，能够对辐射源威胁等级做出较准确评估。     

舰艇近程防空武器的优化分配算法

依据武器对目标的杀伤性能,提出了一种舰艇近程防空武器实时动态分配算法.算法采用贝叶斯网络处理不确定凶素,采用任意时间规划策略解决实时性问题.仿真实验结果表明,该算法实时性好,能有效提高武器的使用效率.     

贝叶斯网络在舰艇导弹防御系统的决策模型优化的应用

当前,随着全球军事力量的发展,各国在海上作战系统展开了军备竞赛。海军力量的壮大引起了舰艇导弹系统的迅速发展。为了提高海洋军舰的防御能力,需要建立精确的导弹防御系统,对敌方威胁进行评估、并建立相应的决策模型。本文针对舰艇导弹防御系统决策模型对危险识别评估的高精度要求,采用动态贝叶斯网络,使用证据传播算法对贝叶斯网络的节点和传递函数进行分析,进而评估导弹的危险系数,显著提高了舰艇的防御能力。     

基于贝叶斯的舰船辐射噪声特征识别方法

针对舰船辐射噪声特征存在非线性、非平稳的时变特点,导致特征识别难度较高的问题,本文提出一种基于贝叶斯的舰船辐射噪声特征识别方法。利用Dopplerlet变换方法,选取高斯函数作为基函数,变换舰船辐射声场信号。利用VMD算法获取搜寻约束变分模型的最优解,将完成变换的舰船辐射信号,分解为多个IMF分量,提取舰船辐射噪声特征。利用所提取的舰船辐射噪声特征构建特征样本集,通过贝叶斯网络计算样本集内各样本的状态概率,识别舰船辐射噪声特征。结果表明,该方法有效识别水面舰船、水下低速运动舰船等不同类型舰船的辐射噪声,适用于舰船目标识别应用中。     

基于贝叶斯网络的声呐系统战场损伤评估及修复模型

为了解决战场环境下的声呐系统损伤评估及修复（SSBDAR）问题,本文研究了战场损伤评估及修复模型。针对舰艇声呐系统战场损伤评估的因果推理特性,建立了基于贝叶斯网络的战场损伤评估模型,提出了基于贝叶斯网络的评估流程,给出了基于贝叶斯网络的评估决断算法。该模型利用贝叶斯网络对各评估修复节点进行分析,能够解决损伤信息不确定性,而且充分利用舰艇声呐系统各节点的损伤信息,提高了模型评估及修复效率,是解决舰艇声呐系统战场损伤评估及修复问题的一个有效途径。     

基于动态贝叶斯网络的电子战效果评估

依据电子战实际作战环境,以可代表性和可观测性为标准,选取电子战效果评估指标;提出基于动态贝叶斯网络的电子战效果评估模型,对若干可观测的目标特征参数进行综合推理;推导了动态贝叶斯网络的推理算法;分析结果表明,动态贝叶斯网络能够综合目标不同的毁伤效果信息进行较为合理的评估;与静态贝叶斯网络相比,动态贝叶斯网络无论在准确性上,还是在滤波平滑能力上都要优于静态贝叶斯网络,可以为指挥员提供有利可靠的决策支持.     

贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

基于Bayesian的舰船战场损伤评估模型研究

针对舰船战场损伤评估的多元信息特点,建立了在观测操作条件下的舰船战场损伤评估的贝叶斯网络推理算法.分析了舰船战场损伤过程的不确定性,在所建立的贝叶斯网络模型的基础上,提出运用删减法来降低网络的复杂性.实例表明了该算法的适用性、有效性和可操作性.     

船舶火灾评估中的贝叶斯网络技术研究

利用贝叶斯网络强大的建模分析能力及高效工作软件的支持,运用贝叶斯网络技术对船舶舱室火情进行分析。为有效利用历史信息,避免贝叶斯网络建模的主观性,将事件树/故障树模型转化为贝叶斯网络模型,该方法有效提高了分析结果的可靠性,获得了更丰富的预计信息和更高效的计算能力。     

基于数据挖掘的船舶引航事故致因分析

为控制和预防船舶引航事故的发生,采用Apriori算法挖掘船舶引航风险因素的关联规则,在挖掘风险因素间强关系的基础上结合定性贝叶斯网络的事故致因网络关联分析,综合确定船舶引航事故致因链。根据事故致因链分析引航事故最可能的形成过程和关键环节,以提出有针对性的防范对策。     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

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。     

基于战损仿真的贝叶斯网络在舰船电力系统评估中的应用

在战损仿真条件下,为了评估仿真后电力系统的工作效能,并对其进行生命力分析.采用贝叶斯分析方法,研究了电力系统的总体构成及其指标体系,构建了电力系统的贝叶斯网络,并给出了网络的推理算法.提出了基于战损仿真的贝叶斯网络的更新机制,最后给出了该模型的电力系统评估的计算实例.     

基于贝叶斯网络的海盗袭击事件影响因素

为分析海盗袭击事件的影响因素,减少海盗袭击事件的发生,保障海上运输安全,引入贝叶斯网络理论,利用期望最大化(Expectation Maximization,EM)算法和联合树推理算法构建海盗袭击事件分析模型。根据东南亚海域海盗袭击事件的实际数据获得贝叶斯网络(Bayesian Networks, BN)结构各节点之间的概率依赖关系,并对海盗袭击成功节点进行敏感性分析。分析结果表明:外界环境、船舶自身风险和时间是影响海盗袭击事件发生的主要因素。     

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。     

多传感器信号融合算法的仿真

基于贝叶斯推理的多传感器最佳融合规则不能用于多目标的信号判定，本文对改进的多目标多传感器信号融合算法和经典算法进行了仿真，讨论了仿真结果，并对两种算法进行了比较。     

软硬武器反导综合运用研究

根据武器分层防御的原则和方法,结合舰艇防御的环境特点,论文利用区间概率贝叶斯网络(Interval Probabil-ity Bayesian Network,IPBN)建立了武器协同运用的模型,综合考虑了对武器运用及协同影响较大的因素,利用区间概率贝叶斯网络的推理算法,对方案的可行性进行推理,从而改变了过去武器运用方案单纯依靠人的思维定性判断所产生的随意性。运用仿真实例对武器发射的时刻进行了讨论,并对采用该方案后武器运用方案的效能进行了分析。     

基于北斗救援和ISPS规则的船舶人员安保管理系统研究

研究了基于北斗短报文通信方式的船用ISPS人员管理及救援管理的系统,具体包含天地海北斗卫星网络、船舶通信网络、低功耗高可靠性的BDS北斗通信基站,提出了基于模糊集合和贝叶斯的多对多Super-Bluetooth算法,设计了手环检索和定位的BR通信基站方案,提升和实现了基于北斗救援的ISPS人员管理。     

贝叶斯树算法在异常入侵检测中的应用

研究了Windows平台下异常检测方法,提出了一种利用Windows Native API调用序列和基于贝叶斯树算法的主机服务进程规则与对应概率分布生成算法。根据长为N-1的Windows Native API调用序列预测第N个调用的概率分布,对生成的概率序列用U检验方法作为异常检测算法。以贝叶斯树作为弱分类算法,利用AdaBoost-M1方法构造多个基于贝叶斯树的概率分布序列,并按一定方式把它们组合成一个加强的概率分布序列进行入侵检测。实验结果表明这种方法能明显提高模型预测能力。     

舰船环形电力重构系统中多智能控制算法研究

舰船电力网络重构能够有效的保证船舶的正常运转。本文在传统粒子群算法的基础上,利用开关的二进制编码来表示其状态,阐述其实现流程。最后在列表法系数矩阵的基础上利用粒子群算法实现舰船电力网络的重构仿真。仿真实验结果表明本文算法开关代价最小,系统运行的稳定性好。