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.     

基于改进BP神经网络的GPS信号反演蒸发波导研究

海上蒸发波导的存在,对舰载通信、雷达等电子装备产生严重影响,蒸发波导的准确预测是保证舰载电子装备对波导有效利用的前提。研究基于神经网络利用GPS信号接收功率反演蒸发波导的算法流程,提出采用贝叶斯正则化训练方法改进的BP神经网络的方法原理和计算步骤,实现了对蒸发波导的仿真反演。仿真结果表明,贝叶斯正则化BP神经网络能够实时高效反演蒸发波导高度和大气修正折射指数剖面,且在存在干扰的条件下反演结果更为真实可信。     

水面舰船综合生命力评估方法研究

为了改进和完善当前舰艇生命力的评估方法,将神经网络和贝叶斯网络评估方法应用到舰艇生命力评估中,提出了综合生命力评估方法。将水面舰艇的生命力体系结构划分为全舰、一级子系统、二级子系统和设备层4个层次。对于全舰与一、二级子系统的生命力评估,采用基于贝叶斯网络的系统生命力评估方法;对于设备层到二级子系统,采用基于神经网络的系统生命力评估方法。同时开发了生命力评估仿真软件,可以解决不同武器模拟攻击下的全舰综合生命力指标评估问题。     

基于优化智能方法的边坡稳定性分析研究

边坡稳定影响因素复杂且具有随机模糊性,给边坡稳定性分析带来了诸多障碍。基于进化BP神经网络的智能方法,充分利用BP人工神经网络对非线性函数强大的映射能力、自学习能力和推广能力,本文建立了基于MATLAB神经网络工具箱的优化智能边坡稳定分析系统,同时采用贝叶斯规则化法对系统进行改善,大幅提高了泛化能力和工程适用性。     

潜艇大气环境多传感器信息融合技术研究

介绍多传感器信息融合技术的概念,分析了多传感器集成与信息融合的问题,介绍了贝叶斯准则、D-S证据理论、模糊理论和神经网络的4种方法与算法,论述了潜艇大气环境多传感器信息融合技术研究的优点及其必要性.     

基于BP神经网络的齿爬式升船机横导向装置结构损伤识别*

为了准确有效地实现齿爬式升船机横导向装置的损伤识别，提出以固有频率变化率、应力、位移作为输入特征参数，由损伤结构分类器、损伤位置分类器、损伤程度分类器构成的结构损伤识别模型。以向家坝升船机横导向装置为例，对18种损伤状态下的横导向装置进行模态分析和静力学分析，得到1 646组训练样本和100组测试样本，分别采用BP神经网络、支持向量机和贝叶斯算法进行结构损伤识别模型的训练与识别准确率测试。结果表明：基于BP神经网络算法的横导向装置结构损伤识别模型对损伤结构、损伤位置、损伤程度的识别准确率分别为93%、90%和91%，比基于支持向量机、贝叶斯算法的识别准确率分别平均提高7%、13%，该模型能够有效准确地对横导向装置进行损伤识别。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算。仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型。并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性。利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度。     

供水管道渗漏定位方法探讨

文中以供水管道的渗漏定位为研究对象,概括了当前主要使用的供水管道渗漏定位方法。鉴于国内供水管道管网分区还比较滞后的现状,提出了基于贝叶斯理论的概率神经网络模型来判断出现漏损的故障类型,可在此定性判断的基础上来利用现有仪器做进一步的精确定位。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测

人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。     

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。     

基于贝叶斯网络的模拟训练成绩评定方法

针对模拟训练评定问题,提出了基于贝叶斯网络的评定方法,构建了基于静态贝叶斯网络的模拟训练成绩评定贝叶斯网络模型,采用了商业软件Genie对仿真进行了分析。由于该网络充分融合专家知识和经验数据,因此具有良好的应用前景。     

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。     

基于混合Beta分布的水中兵器可靠性鉴定试验方案研究

该文讨论了混合验前分布时水中兵器的鉴定方案问题。在可靠性鉴定试验中,Bayes方法可以大量节省试验次数,但是过度依赖验前信息,当新产品有改进时会造成鉴定结果的冒进,而且对于双方风险的判断往往出现分歧。该文通过引入继承因子,在验前信息中加入均匀分布,减弱了对验前信息的过度依赖,更合理的考虑了产品的变化对评定结果的影响。再次基础上该文重点分析了混合验前分布时的使用方和生产方风险。计算结果表明此方法可以在节约试验样本的条件下兼顾了评定方案的稳健性。     

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.     

基于贝叶斯网络动态推理的信息融合方法探讨

信息融合技术在军事指控系统中的应用越来越广泛,越来越深入。文章针对军事指控系统对信息融合技术的实时性要求,结合军事指控的准确性需求特点,提出了一种基于贝叶斯网络动态推理的信息融合思路。     

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。     

远程火力打击的信息欺骗定量分析方法-原理

文章针对定量分析信息欺骗对远程火力打击影响的难题,采用贝叶斯统计推测、博弈均衡分析和序分析方法得出了由基本概率矩阵元素构成的偏序关系决定是否存在信息欺骗机会的结论,不仅提供了解决此难题的可行方法,而且提供了科学运用远程火力打击战法的依据。     

Wave spectrum estimation conditioned on machine learning-based output using the wave buoy analogy

In this work, a hybrid approach for wave spectrum estimation is proposed. Fundamentally, the approach is based on the wave buoy analogy, processing ship response measurements, via a framework combining machine learning and a physics-based method dependent on available transfer functions. Specifically, a non-parametric (Bayesian) estimate is obtained of the directional wave spectrum conditioned on integral wave parameters established by a convolutional neural network. The developed method is assessed in a case study considering about two years of data obtained from an in-service container ship. The method produces good results, significantly improved when compared to the initial estimate made without constraints.     

某型深弹可靠性试验数据的bayes推断

根据某型深弹小样本抽样的特点,本文着力于用Bayes方法对可靠性试验数据进行推断,建立适当的成败型数学模型,分析了实验数据参数的导出方法,并用实验数据验证了模型建立的合理性和可行性并得出一定的结论。