舰船材料疲劳统计分析中的贝叶斯方法

讨论了舰船材料疲劳统计分析中的贝叶斯方法,将疲劳模型中的未知参数作为随机变量处理,利用贝叶斯定理求出参数的后验分布密度,然后建立不同存活率下的贝叶斯疲劳曲线的求解方程;最后再编程进行计算,结果表明,贝叶斯方法既考虑了统计上的不确定性,又合理解决了疲劳试验数据中的越出问题。     

基于物元贝叶斯网络的舰船战损评估模型研究

分析了舰船战场损伤评估过程,从而得到舰船战场损伤评估的基本流程。分析了过去关于舰船战场损伤评估研究的缺陷和不足。在物元理论和贝叶斯网络理论分析的基础上,建立了节点物元模型和物元贝叶斯网络模型,进而提出了物元贝叶斯网络理论。根据舰船战场损伤评估的特点,分析了建立舰船战场损伤评估模型的步骤及相关工作,并以某舰艇操船系统为例,建立了操船系统损伤评估的物元贝叶斯网络模型。应用示例表明了所提理论的可行性、适用性和可操性。     

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。     

舰船初步设计的贝叶斯与神经网络

为了便于在初步设计时确定船舶的主尺度，给出船型及若干其他参数，利用输出剩余尺度的估算值工具就很方便。要建立这样一种工具，需要拥有一个大约87000艘船的特征数据库，并需要运用不同的经验公式推导方法。为了发挥这些数据的作用，进行了回归分析，而且还采用这些数据弄清贝叶斯网络和神经网络编码的特性之间的关系。根据这些实例，在精度和使用的局限性方面对这些方法进行评估。对不同的船型，这些方法提供了不同的船长、船宽、型深、吃水、航速、排水量、方形系数、载重量之间关系的信息。在选择初步的主要特征时，这样的工具对船舶设计人员来说是很有用的。     

舰船人因安全可靠性贝叶斯网络建模及实验研究

人因失误广泛存在于动力装置操作的全过程中,然而现有部队训练还未提升到利用人因失误分析技术查找问题、指导运行的高度。本文分析了三类操作人员的的认知过程,将人的学习能力、环境因素、精神状态、人机界面操作、等考虑在内,结合组训方式、培训间隔、训练时间,设备状态等多种人因失误因素,采用贝叶斯网络建立人因失误模型。该模型分析因素具有普遍性,可扩展到其他操作训练中,具备较高的准确性。     

基于多层隐类贝叶斯网络的舰船生存能力评估模型研究

生存能力是舰船设计时需要考虑的一个重要性能指标,然而其涉及的因素较多,因素之间的关系错综复杂,不确定信息充斥其间.在系统分析舰船生存能力评估要素的基础上,针对评估过程中的不确定性信息难以量化处理的特点,引入基于贝叶斯网络的多层隐类模型算法对舰船生存能力进行评估,给出了模型评分原理.最后以实例说明了建模方法与评估过程,并结合专家意见分析了模型的优劣,说明该多层隐类模型的算法符合实际情况.     

基于改进的ELMAN网络的舰船航态建模与预测

讨论了具有自适应功能的基于改进Elman网络的动态系统辨识建模与预测方法，并依据特定海情下实测的舰船航态数据，利用该法训练舰船航态的预测模型。该法对具有时变特性的非线性系统的建模与预测有一定的自适应能力。仿真结果表明，按该法进行建模与预测，具有动态性好、逼近速度快，精度高等特点，并且自适应性与抗噪性有较大改善，说明改进的Elman网络是一种新颖、可靠的负荷预测方法。     

基于物元贝叶斯网的舰船战损等级评定研究

在分析了物元理论和贝叶斯网理论的基础上,提出结合主观概率信息和客观状态信息的物元贝叶斯网模型,并给出物元贝叶斯网在损伤等级评定中的推理算法.舰船战场损伤等级评定案例分析表明,该方法可以更加全面地描述战损装备的状态信息,使战损等级评定结果更为准确.     

基于结果链的舰船研制过程建模研究

根据现有系统分析和过程建模的局限性,在舰船研制过程建模中采用了结果链技术(RCM),用形式化描述的方法对舰船研制的横向和纵向阶段进行了过程抽取.舰船研制系统过程的结果链建模使模型易于理解、分析和综合考虑,同时支持任务的分解和资源的分配,舰船研制项目模型和结果链模型的集成将有助于明确舰船产品模型和过程模型的关系,有助于舰船研制过程的管理和控制.     

基于贝叶斯网络的HRA研究在舰船PSA中的应用

通过分析概率安全评价对人因可靠性分析的本质需求,运用人为失误率预计技术与人的认知可靠性模型相结合的方法对概率安全评价中的人因事故进行分析计算,并针对传统事件树、故障树分析方法的局限性,采用了贝叶斯网络结构评估的方法将计算结果合理融入到整体中．通过舰船弹药库的起火实例分析说明了该方法的运用过程和有效性．     

基于克隆算法的船舶配电网络故障恢复研究

配电网络是连接船舶电站和船载用电设备的桥梁,其安全性、可靠性决定了船舶的正常航运。船舶配电网络的故障恢复是指利用分段开关和联络开关的功能,改变整个配电网络的结构,进而避开故障节点使配电网络恢复正常。本文系统介绍克隆算法和模拟退火算法,进行船舶配电网络的故障恢复多目标重构计算,并在此基础上研究了船舶配电网络的故障恢复技术。     

基于小波网络专家系统的船舶电站机组故障诊断研究

船舶电站机组的动力学模型比较复杂,其动态模型难以精确得到,依据小波网络的非线性逼近能力的自学习特性,提出了用小波网络专家系统对船舶电站机组故障进行诊断的方法,通过对柴油机冷却系统的故障机理分析,得到其故障征兆集、故障原因及它们之间的关系,通过对系统计算机仿真和分析,结果表明,采用小波网络的收敛速度远远高于BP网络的收敛速度,改进后的小波网络算法有效的避免了震荡的出现,平滑作用明显.     

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。     

基于动态贝叶斯网络的无人船推进系统PHM技术

随着无人船系统复杂度的增加,对其进行故障预测和健康管理(prognostic and health management,PHM)的需求也随之提升。采用贝叶斯网络建立无人船的可靠性模型,并基于此开展无人船的PHM技术研究。主要探究贝叶斯网络模型在PHM方面的应用,包括利用动态贝叶斯网络进行预测故障,通过参数学习自动生成贝叶斯网络模型。以实验室开发的智能无人船为具体研究对象,针对其动力系统常见的故障点监测模式进行研究,并设计相应的在线监测方案。通过实时监测完整地表达无人船的健康程度,并开发了无人船的健康管理模型。对开发设计的健康管理模型进行实时性和准确性双方面评价,所研发的健康管理技术可以准确地还原无人船的故障分布情况,并快速响应做出故障预测,可以充分评估无人船在不同状态下的实际工作能力。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于神经网络的FSC检查选船模型研究

我国FSC检查的目标船目前主要由人工方式来确定,存在很大的盲目性和随意性。为了提高FSC检查目标船选择的合理性,文中分析了船舶的主要风险因素,并结合BP神经网络建立了FSC检查选船模型,最后通过实例验证了所建立模型的实用性。