基于最大信息传递熵的ICS因果关系建模

针对传统因果关系算法难以准确分析含大量噪声的非线性数据的问题进行了研究,提出基于最大信息传递熵的因果关系建模算法。首先,利用最大信息系数对非线性数据的时序趋势间的关联度进行检测,弱化噪声对变量间相关性的影响;然后根据筛选因子剔除弱相关变量,并通过随机经验估值计算强关联变量间的传递熵,以减少传递熵的计算量;最后,传递熵确定因果关系方向,形成支持链路溯源的单向因果网络。利用经典化工过程数据集对该算法进行测试分析,实验结果表明,相比于现有的因果关系建模算法,该算法可定位异常变量,对12维以上的高维数据建模的稳定性高于85%,因果关系的准确率可达83.33%,实际建模效果优于对比算法,可用于工业控制系统异常检测定位。

智能手机组装线质量-可靠性耦合建模与评估方法

为研究多装配阶段因素因果关联致使产线良率传导与形成的机理,以实验室手机组装数字孪生产线为原型测试平台,围绕该平台锁螺丝、点胶两大工艺段良率问题,从因果关联关系出发,提出智能手机组装工艺过程产品质量-设备可靠性耦合建模方法,构建考虑多阶段因果要素关联的动态贝叶斯网络(dynamic Bayesian network,DBN)模型,并进行影响最终良率形成的溯因分析与重要度评价。所提方法的可用性和有效性在手机组装数字孪生产线上获得了测试和验证,所提方法可为产线良率损失阻隔机制、产线预防性维护决策提供性能评估支撑。

随机时间影响网络建模方法--扩展时间影响网络的确定性时间延迟

基于时间影响网络的作战效能评估方法得到了广泛应用.但是传统方法无法有效刻画和处理作战效果产生和传播的时间延迟不确定性,从而难以全面支持作战方案对作战意图达成效果的评估.针对时间影响网络中时间延迟确定性假设的局限,引入随机时间延迟和随机信度序列两个模型参数,形成了一种新的时间影响网络——随机时间影响网络,给出了随机时间影响网络的数学描述和信度传播算法.通过算例演示了随机时间影响网络建模的一般过程,验证了信度传播算法的有效性.