Synchronization of stochastically hybrid coupled neural networks with coupling discrete and distributed time-varying delays

A general model of linearly stochastically coupled identical connected neural networks with hybrid coupling is proposed, which is composed of constant coupling, coupling discrete time-varying delay and coupling distributed timevarying delay. All the coupling terms are subjected to stochastic disturbances described in terms of Brownian motion, which reflects a more realistic dynamical behaviour of coupled systems in practice. Based on a simple adaptive feedback controller and stochastic stability theory, several sufficient criteria are presented to ensure the synchronization of linearly stochastically coupled complex networks with coupling mixed time-varying delays. Finally, numerical simulations illustrated by scale-free complex networks verify the effectiveness of the proposed controllers.

基于T-S动态故障树的桁架机器人系统可靠性分析

为了提高桁架机器人系统的动态可靠性,并且在发生故障时提升排查故障的效率,提出一种对桁架机器人系统动态可靠性分析的方法。首先,对桁架机器人系统建立T-S动态故障树;然后,把T-S动态故障树和T-S动态门规则分别转化为离散时间贝叶斯网络(DTBN)与相应网络节点的条件概率表,根据DTBN正反向推理分别计算得到各时间段以及任务时间内系统失效概率和根节点后验概率,并获得各根节点的T-S概率重要度、T-S关键重要度和灵敏度;最后,应用Monte Carlo仿真法进行验证,结果显示相对误差为0.29%,证明所提方法可行。给出当系统发生故障时应优先排查的零部件,并确定了系统薄弱环节,得出应优先提高可靠度的零部件,为桁架机器人系统的动态可靠性分析提供了理论依据。

基于离散时间贝叶斯网络的CBTC车载设备可靠性分析

基于通信的列车控制系统(CBTC)车载设备用于实现列车安全防护和自动运行,其可靠性直接关系到列车的运行安全和效率。针对设备运营过程中的动态失效问题,基于离散时间贝叶斯网络(DTBN)对CBTC车载设备可靠性进行分析。首先,在分析CBTC车载设备功能结构的基础上构建系统动态故障树模型,基于动态故障树模型与DTBN模型的转换规则以及DTBN逻辑门条件概率表,建立基于DTBN的可靠性分析模型;其次,通过DTBN的正向推理实现CBTC车载设备的可靠度评估;最后,通过DTBN的反向推理及重要度计算,实现CBTC车载设备薄弱环节分析及重要度排序。结果表明:ATP子系统中输出继电器板、输出板等是CBTC车载设备最薄弱的板卡级设备,需重点关注。该方法能为CBTC车载设备的可靠性分析提供依据,有效提升系统智能运维水平。

基于DTBN与T-S故障树的电池热管理系统可靠性分析

提出一种评估电动汽车动力电池热管理系统的可靠性分析算法。构建了电池热管理系统T-S动态故障树,转化为离散时间Bayes网络(DTBN)模型。同时将T-S动态门规则转化为网络节点的条件概率表。依据所建可靠性模型和部件的故障率,计算得到动力电池热管理系统在任务时间内的故障概率值为0.453,并获得各部件的后验概率、概率重要度和关键重要度。结果表明:对比Monte Carlo仿真方法,本方法的故障概率计算值误差小于5%,概率重要度靠前的是单体电池温度传感器、电池冷却液泵、电池冷却液管路等部件。该方法能克服传统故障树分析难以构建Bayes网络条件概率表等问题。

基于健康监测数据和贝叶斯网络的结构失效概率评估

基于健康监测数据和贝叶斯网络(BN),提出结构体系失效概率的实时评估方法,用于结构整体安全状态的动态评价.根据结构响应监测数据建立贝叶斯动态线性模型(BDLM),估计结构荷载效应的概率分布,同时结合结构抗力分布,计算构件的时变可靠指标;根据结构主要失效模式构建贝叶斯网络,以描述构件失效与结构整体失效间的依赖关系;通过贝叶斯网络的概率递推从构件可靠指标求得结构体系失效概率,实现结构整体安全状态的量化评估.利用三杆桁架模型的数值模拟数据和某单层网壳结构静力破坏试验过程的实测数据对该方法进行验证.结果表明,所提出的结构失效概率评估方法较好地量化了结构的安全状态,并成功预警了结构体系的破坏.

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法.首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法,在得到动态故障树对应的离散时间贝叶斯网络之后,再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果.对数字飞控计算机系统进行的分析表明,该方法能够保证较高的求解精度,其相对误差均保持在0.4%以内,而且易于扩展到多态和非确定性逻辑关系的情形.

复杂环境下的无人机任务决策模型

为实现不确定环境下无人机(unmanned aerial vehicle,UAV)自主动态任务决策,提出一种基于变结构离散动态贝叶斯网络(structure-varied discrete dynamic Bayesian network,SVDDBN)的任务决策模型。该模型由威胁等级评估、目标价值评估和态势优势评估三部分组成,在此基础上可完成突变过程建模。根据以上三部分的评估结果,运用变结构离散动态贝叶斯网络推理算法得到当前时刻的任务决策。仿真结果表明,给出的决策模型满足突发威胁下的任务决策需求。

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。

采用动态故障树分析诊断系统故障的信息融合法

为提高系统故障诊断效率,提出了一种利用动态故障树分析诊断系统故障的信息融合方法,该方法充分发挥动态故障树建模和贝叶斯网络推理各自优势,通过集成系统结构信息和传感器信息来诊断系统故障.采用高效的零压缩二元决策图生成系统所有最小割集,并采用贝叶斯网络方法计算部件和最小割集的诊断重要度;根据传感器证据信息对系统特征函数化简,同时对部件和证据条件下割集的诊断重要度进行更新;综合考虑部件和割集诊断重要度设计了系统诊断决策算法,生成诊断决策树以指导维修人员恢复系统故障;最后通过实例验证了该故障诊断方法的有效性.

基于时变DBN的UAV航路威胁评估模型

无人机在复杂的战场环境执行突防任务时,需要对地面火力单元的威胁状态进行评估,以达到航路动态规划,避免击落的目的。而常用的基于离散贝叶斯网络的航路威胁评模型,需要对连续观测数据离散模糊化,导致评估结果不准确,且评估模型结构和参数固定,无法适用于存在突发威胁的战场环境。为解决上述问题,提出了一种基于时变混合动态贝叶斯网络的威胁评估模型,设计了雷达连续跟踪概率评估算法和防空武器杀伤概率评估算法,保证了模型对地面火力单元威胁态势评估的可靠性;在此基础上采用航路规划预测控制方法,实现突防航路动态规划。仿真结果验证了模型的有效性。

DTBN在复杂系统动态概率安全评价中的应用

基于事件树-动态故障树(ET-DFT)模型的动态概率安全评价(IDPSA)方法将ET和DFT结合,能充分描述系统动态行为对其可靠性与风险性的影响,但将DFT转化为马尔科夫链时,存在状态空间爆炸和易出错等问题。为此,建立基于离散时间贝叶斯网络(DTBN)的复杂系统DPSA方法,将ET-DFT模型转化为DTBN,给出各静态和动态逻辑门向DTBN转化的方法以及各逻辑门条件概率表(CPT)的计算方法。数控机床液压系统应用实例的分析验证结果表明,基于DTBN的DPSA方法既能得到系统故障时各个底事件发生故障的后验概率,又能得到系统薄弱环节在各时间区间内发生故障的概率,从而实现对系统较为精确的DPSA。

基于DTBN的液压调高系统动态故障树分析

针对液压调高系统存在动态失效特性问题,采用基于离散时间贝叶斯网络(DTBN)的动态故障树分析方法进行分析。研究一种基于DTBN的动态故障树分析方法,给出动态故障树向DTBN转化以及用DTBN求解各时间段和任务时间内顶事件的发生概率、基本事件的后验概率和概率重要度的方法。利用基于DTBN的动态故障树分析方法构建液压调高系统动态故障树,并将其转化为DTBN。利用贝叶斯网络双向推理计算各时间段和任务时间内液压调高系统的失效概率和各元件的后验概率与概率重要度,为发现液压调高系统薄弱环节、提高系统可靠性提供依据。

一类离散型网络全局指数同步研究

探讨了具有离散时滞的离散型神经网络系统,并给出了这类神经网络的全局指数同步的一个有效结论。

时变动态贝叶斯网络模型及其在皮层脑电网络连接中的应用

大脑执行语言的发音需要顶叶、颞叶、额叶等多个脑区协同完成.皮层脑电具有高时间分辨率、较高空间分辨率和高信噪比等优势,为研究大脑的电生理特性提供了重要的技术手段.为了探索大脑对语言的动态处理过程,利用多尺度皮层脑电(标准电极与微电极)分析了被试在执行音节朗读任务时的皮层脑电信号的高频gamma段特征,提出采用时变动态贝叶斯网络构建单次实验任务的有向网络.结果显示该方法能够快速有效地构建语言任务过程中标准电极、微电极以及二者之间的有向网络连接,且反映了大规模网络(标准电极之间的连接)、局部网络(微电极之间的连接)以及大规模网络与局部网络之间的连接(标准电极与微电极之间的连接)随语言任务发生的动态改变.研究还发现,发音时刻之前与之后的网络连接存在显著性差异,且发音方式不同的音节网络间也存在明显差异.该研究将有助于癫痫等神经疾病的术前临床评估以及理解大脑对语言加工的实时处理过程.

威胁联网环境下的无人机突防路径决策

为了实现威胁联网环境下的无人机(UAV)突防路径决策,提出一种基于变结构离散动态贝叶斯网络(SVDDBN)的突防路径决策模型。根据无人机穿越探测威胁的方式和火力威胁的响应方式建立决策模型,运用基于自适应参数的变结构离散动态贝叶斯网络推理算法得到路径决策结果。仿真结果表明,该方法可以满足在威胁联网条件下的路径决策需求,为无人机突防提供了一种新思路。

网络化控制系统离散二次型最优控制综合设计

基于网络QoS如延迟、丢包建立网络化控制系统状态方程,提出一种根据网络QoS离散化连续系统二次型代价函数及设计相应最优LQR(Linear Quadratic Regulator)控制器的方法。针对系统控制性能对网络QoS的约束,提出一种能够兼顾系统性能与网络QoS的控制与调度综合协调设计方法。仿真实验证明了提出的网络化控制离散二次型最优综合设计方法的必要性和与已有的二次型最优控制方法相比的优势。

一类离散神经网络的全局指数同步探析

定义了离散型神经网络全局指数同步的概念,研究了一类离散型时滞神经网络的全局指数同步问题,给出了这类神经网络全局指数同步的充分性判据,判据的有效性可通过LMI工具箱得到检验.

具时滞离散型神经网络指数同步问题

给出了具有时变时滞的离散型神经网络全局指数同步的定义,并对一类具有时变时滞的离散型时滞神经网络的全局指数同步问题作了详细的研究,得出了一类离散型神经网络全局指数同步的充分性判据,可通过LMI工具箱检验判据有效性。

基于时变离散DBN的无人机任务决策模型

针对动态战场环境下无人机自主任务决策问题,提出一种基于时变离散动态贝叶斯网络的决策模型学习算法。在获得的前一时刻模型结构和参数基础上,通过粒子滤波算法动态更新模型结构和参数状态,利用实时获得的非平稳观测信息,完成当前时刻的任务决策推理。仿真结果表明,该模型学习算法能够在威胁联网的战场环境中保证无人机任务决策的有效性。

基于动态故障树的辅助给水系统可靠性分析

华龙一号辅助给水系统属于专设安全设施,在丧失主给水系统的事故工况下向蒸汽发生器二次侧供水,以导出堆芯余热。其可靠性是核电厂安全水平的重要影响因素之一。针对丧失主给水并使用辅助给水系统进行热停堆的Ⅱ类工况对系统进行可靠性分析。构建系统的动态故障树模型,并将其转换为离散时间贝叶斯网络(DTBN),然后采用概率编程语言Figaro实现定量分析,得到了系统的可靠度曲线,初步验证了所开发程序的工程适用性。