基于区间-概率混合模型的在役桥梁可靠性评估

针对桥梁参数同时以随机变量和区间变量两种方式存在的问题,提出一种基于区间-概率混合模型的桥梁可靠性评估方法,采用蒙特卡洛仿真分析法求解桥梁结构在区间变量影响下的最大失效概率,以此失效概率作为评估的结果,并给出了基于区间-概率混合模型的在役桥梁评估流程。以武汉市武梁路巡司河大桥为例,对该桥上部结构进行可靠性评估,采用蒙特卡洛仿真分析方法得到的最大失效概率为0.597%,与桥梁的实际运营状况相符合,同时分析了影响结构最大失效概率的因素。结果表明,将区间-随机混合模型应用到现役桥梁评估工作中是可行的,评估结果可以为现役桥梁加固改造、相关措施的制定提供理论参考。

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.

基于概率-非概率混合模型和贝叶斯网络的汽车起重机起重臂屈曲可靠性分析

汽车起重机使用中因起重臂结构失效而导致事故频发,这造成严重经济损失和人员伤亡。因此,提出利用概率-非概率理论和贝叶斯网络对起重臂结构进行可靠性分析,针对起重臂屈曲计算中的区间变量和随机变量,建立概率-非概率混合模型,计算不同条件下臂架发生屈曲失效的概率,利用贝叶斯网络模型计算各失效原因的重要度,最后通过实例分析验证了方法的有效性,为起重臂基于可靠性的设计提供依据。

基于概率-非概率混合可靠性模型的结构优化设计

影响结构优化设计的不确定变量可分为概率变量和非概率变量两种。针对既存在随机变量又存在区间变量的概率-非概率混合结构优化问题,本文提出了一种基于概率-非概率混合可靠性模型的结构优化设计方法。该方法以概率-非概率混合可靠性模型为基础,同时考虑结构的概率和非概率两种不确定因素的影响,通过概率和区间运算给出满足一定约束条件下的最优解。最后通过两个典型算例与基于随机可靠性模型的结构优化设计进行对比。结果显示:在相同不确定信息下,两种可靠性优化设计结果完全相同,表明该方法是有效和实用的。

基于概率-非概率混合可靠性模型的结构地震易损性分析

在易损性分析中,存在对结构阈值的不确定性研究较少,对阈值的选择通常为规范中的数值,得到的破坏概率仅为固定数值等问题,文中同时考虑结构响应和阈值不确定性,建立一种基于概率-非概率混合模型的结构地震易损性分析方法。基于Opensees建立桥梁有限元模型,选择最大支座纵向位移、最大桥墩柱弯曲延性作为衡量结构性能的工程需求参数,并被视为符合二元对数正态分布的概率随机变量;以混凝土应变作为反映结构极限状态的指标,利用增量动力分析法,获得工程需求参数阈值的样本数据,利用灰度理论得到阈值的取值区间,并将阈值视为非概率凸集变量;建立基于概率-非概率混合模型的二维性能极限状态方程,利用混合模型的可靠性分析法求解破坏概率,建立易损性曲线。为对比计算结果,将阈值分别拟定为服从对数正态分布的随机变量和固定数值,并通过蒙特卡洛法求解破坏概率,研究表明:通过概率-非概率混合模型可有效得到破坏概率的区间估计,从而弥补了传统研究中只能得到固定数值破坏概率的问题;不考虑阈值的随机性会对分析结果产生较大影响。

利用概率混合模型的理想比率掩蔽多声源分离方法

针对基于时频掩蔽的分离方法在多声源场景下的分离效果不佳的问题,论文提出一种利用概率混合模型的理想比率掩蔽多声源分离方法。首先,利用冯·米塞斯分布对时频点处方位角估计进行拟合以及拉普拉斯分布对归一化声压梯度信号向量进行拟合,由此建立概率混合模型。其次,利用期望最大化算法对模型参数进行求解,估计各声源对应的理想比率掩蔽。最后,利用估计出的理想比率掩蔽,从麦克风采集信号中分离得到各声源信号。实验结果表明,与现有基于时频掩蔽的多声源分离方法相比,论文所提方法在欠定场景下具有更好的分离效果。

概率计算及混合概率计算

非位置概率数的计算机制已经成为边缘计算片上系统的新范式.本文介绍了概率计算(stochastic computing)的起源、发展和目前国内外的研究现状.针对传统概率计算存在诸如计算时延长、脉冲串信息携带效率低等问题,本文提出了二进制数-概率脉冲串混合编码的混合概率数概念,并从数的表示机理上阐释了二进制数、概率数和混合概率数的数理关系,进而揭示了混合概率计算所具备的低时延、高算力和高能效比的计算特点.本文基于40 nm CMOS工艺设计混合概率深度神经网络,该神经网络芯片在内核面积仅0.73 mm×0.73 mm的条件下,设计4544个乘累加(MAC)单元.在时钟频率400 MHz条件下,总功率为102.3 mW,其中动态功耗仅97μW.通过ASIC芯片的实验测试表明,混合概率计算作为一种全新的颠覆性计算范式,与其他确定性、可扩展和全并行等概率计算方案相比,其能效比分别提高了50倍、2.5倍和3.26倍.

混合概率信道下的全双工无人机中继轨迹优化

研究了固定翼无人机作为全双工移动中继,通过混合概率信道为源节点向目标节点转发数据的飞行轨迹优化设计,在满足源与目标通信任务量要求的情况下,最小化无人机飞行能耗。建立了跑道形和混合轨迹的两种最优化问题,该问题是非凸问题,难以求得闭式解,先将混合信道增益用平均信道增益代替,并利用泰勒展开求出中继和目标节点接收数据量的下界,以此化简约束,从而得到原问题的近似问题。利用遗传算法和内点法求解近似问题,给出跑道形和混合轨迹两种无人机轨迹设计。实验结果表明:跑道形轨迹在任何场景下均有较好的节能效果;在大任务量和源与目标距离较远时,混合轨迹节能效果好于直线和圆形轨迹。时间复杂度分析发现,遗传算法的复杂度小于内点法,更加适用于实时性要求高的场景。

基于高斯混合概率假设滤波的水下目标跟踪算法

为了解决传统水下目标跟踪中目标数目估计不准确、状态估计误差增长过快的问题,提出了一种基于高斯混合概率假设滤波的水下目标跟踪算法。该算法基于双基地观测模型,采用高斯混合概率假设滤波算法处理方位和时延信息,利用粒子群算法处理多普勒频率获得矢量速度,进一步提升算法的跟踪精度。结果表明,该算法能完成在杂波环境下对目标的跟踪,相比传统的关联算法,能够有效地实现目标个数估计和抑制状态误差增长的目的。

一种基于凸集-概率混合模型的结构可靠性分析法

论文建立一种凸集-概率混合模型下的结构可靠性分析方法.考虑椭球模型和区间模型两种不同类型的凸集模型,在标准空间内通过拉丁超立方抽样生成样本点,通过矩阵变换将其转换到凸集空间内,得到凸集变量的样本点;将凸集变量样本点代入极限状态方程,从而混合可靠性模型转变为纯概率可靠性模型;利用Laplace渐进积分法对每个极限状态方程进行失效概率求解,统计结果的最大值和最小值,得到失效概率的上、下界,研究了凸集变量的个数对结果的影响,通过失效概率的变异系数描述计算结果的稳定性;通过三个算例验证了计算结果的精度,并采用混合模型的蒙特卡洛法进行对比计算.研究表明:论文所提方法计算精度和效率均较高;凸集模型的类型会对结果产生较大影响;为使结果趋于稳定,椭球模型所需的凸集样本点个数多于区间模型;若凸集样本点数目相同,椭球模型的失效概率计算结果变异系数较小,稳定性高于区间模型.

多扩展目标的高斯混合概率假设密度滤波器

针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。

含概率与区间混合不确定性的系统可靠性分析方法

系统可靠性问题中通常存在大量的不确定参数,传统方法一般是基于概率模型对系统进行可靠性分析,但是实际工程中由于数据缺乏或试验条件的限制往往难以得到参数的精确概率分布.本文将结构体系一部分样本信息充足的不确定变量用随机变量进行描述,而另一部分样本缺乏的用区间表示,并提出了一种新的含概率与区间混合不确定性的系统可靠性分析方法.首先,基于一个高效求解方法获得单失效模式下结构的最小可靠度指标;再针对多失效模式下含概率与区间混合不确定性问题建立了系统可靠性分析模型;考虑各失效模式之间的相关性,通过线性相关度计算方法求得相关系数矩阵;最后提出了串联体系和并联体系可靠度求解方法.3个数值算例表明,该方法可以实现含概率与区间混合的多个非线性失效模式下系统可靠度的计算.通过对比传统的概率可靠性分析方法,本文方法只需要少量的不确定信息便可确保系统更加安全,更适合复杂结构系统可靠性的分析和设计.

高斯混合概率假设密度滤波器在多目标跟踪中的应用

实现了基于随机集和点过程理论在目标数未知或随时间变化的多目标跟踪滤波算法.研究成果包括:(1)分析了基于随机有限集的多目标跟踪模型;(2)分析推导了基于随机集和点过程理论的概率假设密度滤波递推表达式;(3)实现了在线性高斯条件下的概率假设密度滤波的一种解析滤波算法;(4)仿真实验验证了算法的性能,比较了在杂波强度和检测概率变化的情况下和联合概率数据互联算法相关性能;(5)指出了算法的一些不足以及改进的研究方向.

混合概率典型相关性分析

典型相关性分析(canonical correlation analysis,CCA)是一种用来分析2组随机变量之间相关性的统计分析工具,但作为一种线性数学模型,CCA不足以揭示真实世界中大量存在的非线性相关现象.采用局部化的方法,在概率典型相关性分析(probabilistic CCA,PCCA)的基础上,使用概率混合模型框架,提出了混合概率典型相关性分析模型(mixture of probabilistic CCA,MixPCCA)以及估计模型参数的2阶段期望最大化(expectation maximization,EM)算法,并给出了使用聚类融合确定局部线性模型数量的方法和MixPCCA模型应用于模式识别的理论框架.在手写体数据集USPS和MNIST上的实验证明,MixPCCA模型通过混合多个局部线性PCCA模型不仅提供了一种捕捉复杂的全局非线性相关性的解决方案,而且还具备检测只在局部区域才存在的相关性的能力.

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.

一种基于混合概率PCA模型的高光谱图像非监督分类方法

提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;同时该方法具有概率模型的优点,更适合高维数据处理。采用仿真数据和真实数据进行的比较实验表明,该算法较一般不加区分地对所有原始数据进行PCA降维再分类的方法能得到更好的分类结果。

基于改进混合概率主元分析模型的过程监控

基于混合概率主元分析(M PPCA)的监控方法,存在要求各子模型中主元个数相同、监控指标不一致、监控表格过多等缺陷.为此对M PPCA算法进行改进,分两步建立模型:首先求出混合高斯模型(GMM),然后利用概率主元分析(PPCA)建立每个子模型的主元模型.改进方法中各子模型主元的选取兼顾了主元的解释率及其变化趋势,并引进基于PPCA的监控方法,保证了监控指标的一致性,减少了过程监控图.

基于混合概率主成分分析的HRRP特征提取

针对主成分分析(principal component analysis,PCA)等数据压缩方法用于雷达高分辨距离像(high resolution range profile,HRRP)的特征提取,只能反映固定方位帧内HRRP线性结构,而无法准确描述目标,导致识别性能下降的问题,提出了一种基于混合概率PCA的HRRP特征提取方法。该方法利用期望最大值(Expectation maximization,EM)算法求解HRRP的一、二阶统计参数,能够真实反映数据分布,以分布趋同的原则实现不同方位帧的聚类,减少模板数量。最后通过自适应高斯分类器和Kullback-Leibler距离分类器识别获取的统计特征,可进一步改善识别性能。仿真实验验证了该方法能够在降低数据维数的同时,实现HRRP统计特征的提取,能一定程度上削弱方位敏感性的影响。

城市燃气管道泄漏致灾混合概率风险评估研究

为研究城市燃气管道泄漏致灾风险,建立城市燃气管道泄漏致灾混合概率风险评估模型,通过FTA/ETA领结模型识别风险因素,利用模糊理论评估燃气管道泄漏风险概率值,并基于贝叶斯网络理论预测泄漏致灾风险概率值并对各根节点进行敏感性分析。结果表明,城市燃气管道有泄漏致灾风险,该风险主要由管道腐蚀、管道缺陷等管道泄漏风险因素及火源、受限空间等致灾风险因素造成;为预防燃气管道泄漏引发城市性灾害事故,应加强对混合爆炸、受限爆炸及射流火等风险节点的控制与管理。

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法.针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型:将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点"方向一致"的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述.而后采用改进的ProbShrink算法进行去噪.实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.