基于物元贝叶斯网络的舰船战损评估模型研究

分析了舰船战场损伤评估过程,从而得到舰船战场损伤评估的基本流程。分析了过去关于舰船战场损伤评估研究的缺陷和不足。在物元理论和贝叶斯网络理论分析的基础上,建立了节点物元模型和物元贝叶斯网络模型,进而提出了物元贝叶斯网络理论。根据舰船战场损伤评估的特点,分析了建立舰船战场损伤评估模型的步骤及相关工作,并以某舰艇操船系统为例,建立了操船系统损伤评估的物元贝叶斯网络模型。应用示例表明了所提理论的可行性、适用性和可操性。     

基于贝叶斯网络模型的CBTC系统无线数据通信故障排查方法研究

随着城市轨道交通CBTC系统的广泛应用，对车地无线数据通信的稳定性提出了更高要求。一旦车地数据通信发生故障，无论是单点故障，还是全网故障，均会对超大城市网络化运营造成较大影响。为此，对CBTC数据通信故障进行分级、分类统计，并构建故障树。结合现场大量实际数据，提出基于贝叶斯网络的数据通信故障分析模型，利用该模型对故障发生原因进行提前诊断，以快速确定故障分类和准确定位，缩短故障处置时间。同时结合现场实际运营中的典型案例，利用贝叶斯网络模型找到故障点，为运营一线降低故障影响，快速恢复正常运营起到了关键作用。在此基础上，针对网络风暴对信号系统冲击这一常见故障，为新线建设和更新改造工程，提出4条具体防范措施。     

基于概率图模型的机动车逆行行为识别

由于车载定位设备精度的不断提高，利用车辆的轨迹数据可以识别车辆的逆行行为，但设备或环境会产生噪声，本文主要针对轨迹处理过程中的噪声问题，研究概率图模型下的逆行行为概率判断。首先对机动车出行轨迹进行识别，拆分成出行轨迹，解决因为掉头等对概率判断的影响；再利用动态贝叶斯网络建立马尔科夫模型，对识别结果空间推断；进而基于方向角数据结合卡尔曼滤波法进行去噪后与地图匹配，计算定位点在道路上的先验概率和条件概率，再利用相邻轨迹点的条件概率计算该点的逆行概率，最终设定逆行行为判定阈值，并利用已知的轨迹数据验算准确性。结果显示，利用动态贝叶斯网络能够发现机动车的逆行行为，对提高道路安全有重要意义。     

基于GO-贝叶斯方法的自主船舶操纵系统可靠性分析

船舶操纵系统是自主船舶的重要组成部分，其可靠性直接关系到船舶的安全作业。论文以自主船舶操纵系统为研究对象，将GO法与贝叶斯法相结合建立可靠性分析模型。通过定量推理方法确认该系统的薄弱环节是燃料供给系统和冷却系统，并对软、硬件的共因失效进行了分析。还对操纵系统设备和失效数据区间进行了敏感性分析。分析结果可为船舶操纵系统的冗余设计提供依据，以提高自主船舶的可靠度。     

基于监测数据的大位移伸缩缝性能评估

以某斜拉桥大位移伸缩缝的监测数据为对象，从累计位移、温度—位移相关性、异常检测评估等3个方面评估了大位移伸缩缝的服役性能，并提出了定量化评价指标。结论表明，采用1 min平均数据计算的累计位移可反映伸缩缝性能变化，预测剩余寿命；温度与伸缩缝位移线性关系显著，采用有效温度作为代表温度具有清晰物理意义；贝叶斯回归方法可得到各温度下伸缩缝位移概率分布范围，由此可实现异常检测与评估。     

基于专家先验信息的轨道不平顺预测研究

为了研究在缺乏历史数据时如何准确预测轨道不平顺的发展趋势。提出了一种可以考虑专家先验信息的轨道不平顺预测方法。通过问卷调查法获取专家先验信息并构建具有先验信息的贝叶斯线性回归模型，然后使用马尔科夫链蒙特卡洛方法对模型参数进行求解，最后对轨道不平顺的幅值进行预测和误差分析并对比了不同模型在缺乏历史数据时的预测效果。结果表明：该方法可以准确预测短期内有砟轨道不平顺的发展趋势，相关系数均在0.9以上。在缺乏历史数据的情况下，贝叶斯线性回归模型也能保持较高预测精度R2为0.88，比传统线性回归模型高17%。     

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。