桥梁颤振导数识别及颤振分析的不确定性研究

由于风洞试验和理论模型的各种不确定性，通过风洞试验获得的颤振导数及相应的颤振临界风速存在不确定性。为了量化这些不确定性，提出了一种创新的近似贝叶斯方法。该方法通过抽样和模拟来近似表达似然函数，从而实现颤振导数的准确识别和不确定性量化。同时，还研究了颤振导数不确定性在颤振分析中的传播情况。采用子集模拟技术与近似贝叶斯方法相结合，以提高参数后验样本的抽样效率。该方法不仅能够获得颤振导数和颤振临界风速的最优估计，还能获得其后验概率分布。通过理想平板数值模拟和实桥主梁断面风洞试验，验证了该方法的有效性，并将其与传统最小二乘法进行了比较。研究结果显示：该方法得到的颤振导数最优估计与最小二乘法结果非常接近；在低风速下，所有导数的不确定性都较小，而在中高风速情况下，大多数导数都具有较大的不确定性，尤其是接近颤振临界风速时，所有导数的不确定性均较大；颤振导数的不确定性会在颤振分析中传播，导致颤振临界风速也存在较大的不确定性。所提出的近似贝叶斯方法能够准确识别颤振导数，并量化其不确定性，从而实现桥梁颤振性能的概率性评价；为桥梁颤振分析提供了新的思路，为确保桥梁的抗风安全提供了有力支持。     

基于动态贝叶斯网络的动车组牵引传动系统可靠性分析

针对传统可靠性分析方法对动车组牵引传动系统可靠性分析时存在的局限性，采用动态贝叶斯网络（DBN,Dynamic Bayesian Network）对其进行可靠性分析。建立动车组牵引传动系统的动态故障树，按照DBN转换规则，将动态故障树映射为DBN；综合考虑动车组牵引传动系统的动态特性和可维修性，利用DBN的正向推理得到系统可靠度和可用度随服役时间动态变化的规律，利用DBN的反向推理识别系统薄弱环节。对实例进行分析，结果表明：DBN能够全面刻画动车组牵引传动系统的动态特性和可维修性，有效地识别系统薄弱环节，可为运行风险评估和可靠性评估提供参考依据。     

多线索融合的结构化道路检测算法研究

为实现结构化道路的检测，提出了一种用于道路检测的激光雷达和视觉融合法，通过提取激光雷达在道路边缘的三维点云信息，将其投影到视觉图像上，形成激光点云与图像的映射关系，生成激光雷达似然图。通过改进提取道路的颜色、纹理、水平线等特征的方法，生成相对应的视觉似然图。在贝叶斯框架下将激光雷达和视觉生成的似然图进行融合。在KITTI数据集上测试可知，精度达到94%，准确率达到86%，表明该道路检测法具有较好的道路检测果。     

基于机器学习和非支配排序遗传算法的盾构姿态预测与优化北大核心

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。     

自主船舶操纵系统可靠度和灵敏性分析

当前自主船舶操纵系统的故障样本较少，相关设备的原始故障数据存在主观性参数，基于这些数据的可靠性分析会受到认知不确定性的影响。为此，采用证据理论处理不确定性问题，采用贝叶斯网络进行可靠性分析，计算自主船舶操纵系统的可靠性指标。通过计算重要度来定量分析基本设备单元的灵敏性，诊断自主船舶操纵系统的薄弱环节，为设计优化和维修检测提供依据。研究表明：采用证据理论与贝叶斯网络相结合的方法能有效降低自主船舶操纵系统的可靠度和灵敏性分析中认知不确定性带来的影响；各项可靠性指标显示，柴油机和空气处理设备为系统的薄弱环节。     

面向行车安全的高铁系统风险辨识与动态演化研究

为研究高铁行车安全风险致因因素动态演化过程，从高铁行车安全风险致因因素的关联关系视角出发，利用解释结构模型构建模糊多态贝叶斯网络结构，同时引入广义区间梯形模糊数进行风险概率计算，建立基于模糊贝叶斯网络的高铁行车安全风险致因因素动态演化模型，并进行了计算验证，证实了模型的有效性。结果表明：18项高铁行车事故致因因素间存在明显的层级结构和关联关系，并基于模糊多态贝叶斯网络风险概率计算，可以在多层级解释结构模型中确定风险动态演化路径，从而对风险动态演化路径中的关键因素进行提前预防控制，为高铁行车安全管理提供重要参考和依据。     

基于BN的LNG船装卸泄漏风险分析

为降低液化天然气(Liquefied Natural Gas, LNG)船装卸作业泄漏风险，针对LNG船泄漏事故样本数据不足的问题，提出一种基于贝叶斯网络(Bayesian Network, BN)的LNG船装卸泄漏风险分析模型，结合核密度估计(Kernel Density Estimation, KDE)和最大最小爬山算法进行BN结构学习，以数据驱动的方法减少主观因素对BN结构学习的影响。试验表明：该模型可有效挖掘导致LNG船装卸泄漏事故发生的风险节点，并通过反向推理及对应事故致因节点的后验概率，推理事故致因链及各节点的影响程度，有针对性地提出降低LNG泄漏风险的建议，为保障LNG船装卸安全提供信息支持。     

环境激励下斜拉索阻尼识别的贝叶斯方法研究

斜拉索是大跨度斜拉桥中最关键的结构构件之一，其动力特性(频率和阻尼等)在大跨度斜拉桥的设计、施工、监测和振动控制中发挥着重要作用，斜拉索阻尼识别对于斜拉索的振动分析和减振设计至关重要。为了实现在环境激励状态下斜拉索阻尼比的高精度识别，并同步对识别结果不确定性进行量化分析，首先通过建立斜拉索模态参数的后验概率密度函数(Probability Density Function, PDF)将模态参数识别转化为求最大后验概率点的约束优化问题，从而得到模态参数的最佳估计(Most Probable Values, MPV);其次推导了负对数似然函数的Hessian矩阵解析表达式，并进一步得到后验协方差矩阵，从中提取和计算变异系数(Coefficient of Variation, COV)以量化模态参数最佳估计的不确定性；最后将所提方法应用于某大跨度斜拉桥斜拉索阻尼比的识别，使用加速度计采集了该桥7根斜拉索的环境振动数据，利用所提方法得到了模态阻尼比的MPV值及其变异系数。研究结果表明：所提方法可以得到目标模态参数的最佳估计，并能够有效量化最佳估计的不确定性，由Hessian矩阵解析方法得到的后...     

基于风险元传递理论的高速铁路运行风险研究

高速铁路运行风险研究对于保障高速铁路运行安全具有重要价值。为探究高速铁路运行突发事件的发生原理，识别影响高速铁路运行安全的主要风险，从基本概念、定性描述和定量计算3个层面，应用风险元传递理论、Bow-tie模型和贝叶斯网络研究高速铁路运行风险。研究结果表明：可以使用基于风险元传递理论的Bow-tie模型描述高速铁路运行风险对高速铁路安全的影响，利用Bow-tie模型和贝叶斯网络做定性分析和定量计算可以确定风险元对高速铁路安全影响的相对大小，根据风险元对高速铁路安全的影响可以提出应对策略，当前需要重点关注高速铁路沿线环境治理，以保障高速铁路运行安全。     

基于自由自航数据的无人帆船动力学模型系统辨识

基于一艘无人帆船的自由自航实测数据，采用贝叶斯回归方法辨识得到帆船四自由度动力学模型，并通过静态速度预报算法获得该帆船的速度极曲线图。通过将系统辨识结果与约束模型水池试验结果进行对比，验证该系统辨识方法具有足够的准确性，是构建小型无人帆船动力学模型的一种合理方法。