共查询到20条相似文献,搜索用时 187 毫秒
1.
2.
3.
4.
5.
6.
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。 相似文献
7.
8.
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。 相似文献
9.
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. 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
16.
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。 相似文献
17.
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。 相似文献
18.
远程火力打击的信息欺骗定量分析方法-原理 总被引:1,自引:1,他引:0
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。 相似文献
19.
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. 相似文献