基于贝叶斯网络的铁路旅客服务质量评价

为了吸引更多客源和提高客运竞争力,铁路需要不断提高其旅客服务质量,而有关服务质 量的科学评价对于服务质量的提高具有一定的指导与督促作用。基于此,首先,根据服务地点的不同将铁路旅客服务划分为车站旅客服务和列车旅客服务,并分别确定相应的评价指标,进而根 据各指标间相互独立又相互影响的关系,运用树模型构建评价体系。然后,将评价指标体系中的各项指标转化为贝叶斯网络中的相关结点,进而映射成为贝叶斯网络。通过贝叶斯网络特有的概 率计算方法,对评价体系展开逐级计算,最终得到作为顶层指标的旅客服务质量的评价结果。最后,以实际算例对比不同运输时间段内的评价结果,验证理论方法的适用性。研究结果表明：基于贝叶斯网络的铁路旅客服务质量评价方法是可行的、有效的,其得出的评价结果可以作为改进服务措施和提高服务效率的指导。     

基于路侧事故判别的公路平曲线车速限制研究

车速是导致公路平曲线路段路侧事故频发的关键因素,为降低路侧事故率,需进行车速限制研究. 选取8 个路侧事故风险指标进行PC-crash 仿真试验,共收集12 800 条数据. 采用路径分析方法筛选得到显著性风险指标,将其纳入贝叶斯逐步判别分析中,构建对应不同车型的路侧事故判别函数,提出对应不同道路几何设计要素的最高安全车速计算模型. 结果显示：显著性风险指标对路侧事故影响程度,由大到小依次为车速、圆曲线半径、车型、路面附着系数、路肩宽度、纵坡坡度和超高横坡度;道路线形条件越好,保证不发生路侧事故的最高安全限速值越大;在相同道路设计指标下,小型客车最高限速值大于货车最高限速值.     

城市快速路匝道车辆汇入影响因素识别与行为预测

分析了美国US101快速路瓶颈路段(简称“US101”) 和上海市延安高架上虹许路匝道瓶颈路段(简称“SHHX”) 的车辆轨迹数据, 研究了城市快速路入口匝道车辆的汇入行为; 考虑了汇入行为的13个瞬时影响因素和25个历史经历影响因素, 采用随机森林算法对38个影响因素进行重要度排序, 并识别关键影响因素; 分别对2个瓶颈路段构建了贝叶斯网络汇入行为预测模型, 并评价了模型预测精度。分析结果表明: 瓶颈路段US101和SHHX共有14个关键影响因素, 包括6个历史经历影响因素, 其中瓶颈路段US101和SHHX历史经历影响因素分别占关键影响因素总数的45.45%、36.36%, 说明汇入行为的历史经历影响因素对最终汇入决策有显著的影响; 考虑历史经历影响因素的贝叶斯网络模型预测精度较高, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别提高了2.53%、8.85%, 其中未考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为87.94%和73.17%, 考虑历史经历影响因素时, 瓶颈路段US101和SHHX汇入行为的总体预测精度分别为90.47%和82.02%;此外, 预测模型无过度拟合, 测试集汇入事件与非汇入事件的预测精度之差在1.2%以内。      

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

基于动态贝叶斯的船舶中央冷却水系统状态推理

针对船舶中央冷却水系统日益复杂、处理这类信息时存在很大不确定性的问题,将动态贝叶斯网络运用于复杂管路系统的检测与控制中。通过全面分析某型船舶中央冷却水系统各个部件之间的相互关系以及评估参数,建立系统的动态贝叶斯网络模型,运用BK算法对系统的运行状态进行推理。使目标节点的各个特征因素以及不同时间片同一特征因素相互修正,克服系统检测时不确定性、数据不完整和主观性。通过仿真表明,动态贝叶斯网络在不确定环境和数据缺失的情况下可以考虑时间的因素进行有效的状态推理并实现有效的控制。     

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.     

基于贝叶斯网络的地铁设备故障诊断方法

故障诊断时间在目前地铁设备故障修复总时长中占比较高,如何有效缩短故障诊断时间成为提高地铁设备故障维修效率的关键。鉴于此,为快速分析地铁设备系统中的薄弱环节,以故障诊断时间为判定标准,提出基于贝叶斯网络的地铁设备故障诊断算法,将贝叶斯网络计算的故障概率与该种故障排查时间相结合作为预期故障诊断时间指标,并以该指标值从低到高依序进行故障排查诊断。然后基于调研获取的全国17家地铁公司列车客室门故障数据,利用蒙特卡洛仿真和3D数字孪生对比人工排查和本算法在故障诊断方面的效率差异。算例结果显示,利用本算法定位故障点时所消耗的时间是人工排查时长的43%～48%,表明基于故障诊断时间的贝叶斯网络地铁设备故障诊断算法能快速分析出系统中的薄弱环节,提高地铁设备故障的维修效率。     

贝叶斯网络在汽车故障诊断中的应用

把贝叶斯网络引入汽车发动机故障诊断中,用来发现节点间的潜在关系,解决故障诊断过程中的不确定推理问题,推理结果说服力强且符合实际情况;并用实例验证了贝叶斯网络用于故障诊断的可行性,结果表明,贝叶斯网络同时实现了诊断与维修步骤的优化,效果良好.     

基于非参数贝叶斯模型的列车卫星定位方法

基于卫星导航的列车测速定位是当前新型列车控制技术领域的研究热点。针对现场运行环境中卫星定位观测特性的不确定性对动态定位解算性能的不利影响,在卫星定位估计解算过程中引入基于Dirichlet过程的非参数贝叶斯模型,在导航卫星观测特性不定且存在性能退化风险的条件下,提出了基于Dirichlet过程混合模型驱动的高斯分布混合更新策略,给出了多滤波器动态联合状态估计计算方案。分别采用仿真数据及现场实测数据进行计算的结果表明,在常规定位估计解算中引入Dirichlet过程混合模型,能够对未知不确定的导航卫星观测特性实现有效适应,提升定位性能对观测条件的容忍能力,降低单一观测分布假设的模型失配和性能劣化风险。     

贝叶斯网络在配电网可靠性评估中的应用

贝叶斯网络在电力工程有效性和可靠性研究、电源品质分析、风险评估、电力监测和故障诊断中有重要的应用.提出了基于条件概率的贝叶斯理论方法如何在不同配电网节点和电力供应链结构中进行具体应用.根据相关实际系统,可以用RBD(可靠性框图)、割集或系集方法、事件树或失效树技术来构建贝叶斯网络.