基于机器学习的独柱墩桥梁抗倾覆性能研究

为探究机器学习算法在独柱墩桥梁抗倾覆性能研究中的应用思路和方法,介绍了独柱墩桥梁抗倾覆稳定性的研究现状,对比不同机器学习算法的特点和适用性,并介绍贝叶斯模型算法的原理及计算机程序实现步骤,编制用于预测桥梁抗倾覆稳定性系数的Python语言程序。依托独柱墩桥梁实际项目,对基于贝叶斯模型的独柱墩桥梁抗倾覆稳定性系数预测程序进行训练和测试,结果表明该方法具有可行性。研究旨在充分挖掘既有独柱墩桥梁抗倾覆验算结果的价值,为独柱墩桥梁的合理设计、既有独柱墩桥梁抗倾覆稳定性的快速判断提供数据参考。     

基于粒子滤波的场景事件实时识别

为解决智能监控场景中场景事件的检测与分析问题,提出了一种基于粒子滤波的场景事件实时识别方法.将场景事件分解为一系列的子事件,构成多层动态贝叶斯网络模型,模型中每一状态对应一种事件.采用Particle F ilter粒子滤波方法对模型中各节点状态的后验概率进行实时估计,以对场景事件进行实时识别.采样不同的粒子数目进行了对比仿真试验,仿真结果表明该方法能够得到较高的识别精度.     

道路交通事故数据深度挖掘技术与应用——以深圳市为例

现有道路交通事故统计分析技术存在数据项缺失、方法单一、实战应用性弱等问题,很难为公安交管部门提供针对性的辅助指导。基于深圳市2014—2016年交通事故数据,采用Apriori关联分析算法、贝叶斯理论以及模糊聚类等大数据挖掘方法,探索性地提出道路交通数据缺失数据项填补、事故伤亡特征因子甄别以及事故危险性分类评价方法。结果表明,该方法可有效提高道路交通事故数据完整性和事故伤亡特征因子甄别准确性,以及量化交通事故危险度评价。研究方法和结果可辅助公安交管部门开展道路交通事故预防和交通安全管理工作。     

基于贝叶斯网络考虑共因失效的高速铁路牵引变电所可靠性分析

运用一种基于故障树的贝叶斯网络分析法,相比于传统的故障树分析法,它能够灵活地表示不确定信息,并能进行不确定性推理。并提出牵引变电所的寿命分布为指数分布,建立牵引变电所电气主接线的贝叶斯网络模型,对于系统二态性特征以及系统可靠度也符合指数分布,故在牵引变电所中选取β因子模型作为共因失效模型,显式分析方法作为共因失效的分析方法。用MATLAB对考虑共因失效的贝叶斯网络进行编程,并绘制相应的可靠度以及瞬时可用度的曲线图,结果表明在考虑共因失效后系统的可靠度有所降低,意味着得出的结果更接近实际。此外,实现牵引变电所定性和定量的评估,计算其可靠性指标,确定系统的薄弱环节。     

地铁盾构隧道施工对邻近建筑物的安全风险分析方法

在进行地铁隧道施工对邻近建筑物影响后安全风险分析时,因统计数据缺乏或不可得等原因造成实际基本概率难以用确定值表示,存在一定的模糊性。综合模糊集理论适用于处理模糊信息,以及贝叶斯网络适用于不确定知识推理等方面的优势,提出了基于模糊贝叶斯网络的定量安全风险分析方法,建立了地铁盾构隧道施工环境下邻近建筑物安全风险决策模型,预测地铁盾构隧道施工诱发邻近建筑物破坏的可能性;根据模糊重要度计算结果进行安全致险因素敏感性分析;以辨识关键致险因素;并结合工程实例验证该方法的适用性。     

基于贝叶斯网络的全自动运行系统弹性评估

结合列车全自动运行系统的弹性评估,提供一种基于贝叶斯网络模型的评估方法。根据列车故障前后的 性能变化曲线,总结系统弹性的 4 种能力,探究影响这些能力的相关因素,为影响因素的定量选取合适的评价指 标,作为贝叶斯网络的最底层节点。对指标制定打分表,获取专家的打分结果作为指标层的先验概率输入,同时 选择恰当的隶属度公式作为条件概率的计算方法,获得贝叶斯网络的条件概率表,建立列车全自动运行系统的贝 叶斯网络模型,定量评估系统弹性,同时对目标节点进行敏感度分析,提出提升弹性的改进建议。     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

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。     

基于贝叶斯推理的随机模型修正方法

为了解决常规优化方法存在的梯度计算困难、病态、非唯一解等问题,采用贝叶斯方法来实现随机模型修正,同时为了加快贝叶斯方法推断修正参数的后验概率密度的速度,将高斯过程替代模型技术和基于延缓拒绝自适应的Metropolis(DRAM)算法的先进马尔科夫链蒙特卡罗(MCMC)方法用于贝叶斯推断,最后,用一斜拉人行桥实例来验证基于贝叶斯推理的随机模型修正方法。结果表明:贝叶斯方法的修正结果与实测结果吻合较好,验证了基于贝叶斯推理的随机模型修正方法的可行性。     

贝叶斯网络在电控发动机燃油系统故障分析中的应用

贝叶斯网络(Bayesian Network)是近年来发展起来的一种基于概率理论的推理工具,本研究简要介绍了贝叶斯网络的基本理论,建立了电控发动机燃油供给系统故障信息的贝叶斯诊断网络,并利用Hugin Expert软件计算当燃油供给系统某一部件出现故障时不同故障现象出现的概率。研究表明,贝叶斯诊断网络能够有效诊断电控发动机燃油供给系统故障信息关联度。