基于动态贝叶斯网络的交通流状态辨识方法

为准确地对交通流状态进行辨识,进而支持交通流实时诱导系统有效运行,结合速度、流量与车道占有率3种交通流参数,将贝叶斯网络用于交通流状态辨识,提出了基于动态贝叶斯网络的交通流状态辨识方法.利用英国南安普敦市的实际数据对上述方法进行了仿真验证.验证结果表明,利用动态贝叶斯交通流状态辨识方法可以更加准确地判别出交通流所处的运行状态,这为智能交通系统,特别是交通流实时诱导系统,提供了一定的理论支持.

基于离散动态贝叶斯网络的桥梁状态评估方法

针对现有桥梁结构状态评估方法不能通过检测信息进行更新的缺陷,提出基于离散动态贝叶斯网络的桥梁状态评估方法。以混凝土斜拉桥为研究目标,利用层次分析法建立桥梁状态评估体系框架,将评估体系中的各个构件元素设定为离散动态贝叶斯网络中的节点,并根据结构状态的划分等级赋予节点离散值域,按时间序列建立适用于桥梁结构状态评估的动态贝叶斯网络模型。对利用层次分析法产生的离散状态样本进行学习,得到模型参数。采用该方法对某座混凝土斜拉桥进行状态评估,验证了其有效性,并说明动态贝叶斯网络能利用已有的检测信息对桥梁各个构件的状态评估结果进行更新和修正。

基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究

提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。

基于动态贝叶斯网络的多Agent交互的模型表示

动态贝叶斯网络(Dynamic Bayesian Networks，DBNs)是对具有随机过程性质的不确定性问题进行建模和处理的一个有力工具。该文将Agents技术和DBNs相结合来对两个以上的人的行为进行建模。提出一种分解和合并的方法来解决两个以上的Agents构成的DBNs的模型表示在计算上的难以处理性，同时还提高了模型的表示能力，且能表示变量之间互为因果的关系。

基于多流多状态动态贝叶斯网络的音视频连续语音识别

语音和唇部运动的异步性是多模态融合语音识别的关键问题,该文首先引入一个多流异步动态贝叶斯网络(MS-ADBN)模型,在词的级别上描述了音频流和视频流的异步性,音视频流都采用了词-音素的层次结构。而多流多状态异步DBN(MM-ADBN)模型是MS-ADBN模型的扩展,音视频流都采用了词-音素-状态的层次结构。本质上,MS-ADBN是一个整词模型,而MM-ADBN模型是一个音素模型,适用于大词汇量连续语音识别。实验结果表明:基于连续音视频数据库,在纯净语音环境下,MM-ADBN比MS-ADBN模型和多流HMM识别率分别提高35.91%和9.97%。

基于动态贝叶斯网络推理的运动目标状态最优估计

提出基于动态贝叶斯网络推理的火炮攻击敌纵深运动目标状态估计模型。首先结合Kalman滤波理论,提出基于动态贝叶斯网络(Dynamic Bayesian Networks-DBN)的目标状态估计模型。然后应用DBN的图形模式的前向后向光滑计算方法对某一节点概率进行不确定推理,在对某一观测序列光滑的基础上,预测敌目标运行队列未来时刻的最大可能估计值,将预测信息传给火控系统并决定最优打击点。最后,通过仿真验证了整个方案的可行性。

基于Vine-Copula贝叶斯网络模型的风机高温降容状态评估方法

风电机组在齿轮箱油温过高时会导致机组限功率运行,影响机组发电效率。传统应对风机高温降容状态多采用阈值判断,反应迟缓,加剧风机齿轮箱劣化趋势。利用贝叶斯网络对风机高温降容状态进行评估,为提取并准确合理地利用机组数据采集与监视控制系统(supervisory control and data acquisition system,SCADA)各个相关状态参数之间的耦合特性,通过vine-Copula模型对机组各个状态参数进行相关性分析,建立更符合机组实际运行状态的贝叶斯概率图形网络,实现对机组高温降容状态的评估。通过交叉熵算法对模型输出结果进行评价,发现与朴素贝叶斯模型相比,vine-Copula贝叶斯网络评估结果更为精确可靠,所建模型更符合机组实际运行工况,能够为现场的运维人员制定准确合理的运行和维护方案提供参考。

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的。有效的交通状态预测能从很大程度上优化交通状态,减少交通阻塞。贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一。文中提出了一种基于贝叶斯网络模型理论的交通状态预测方法,在综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的。

基于神经网络的围护结构动态热特性——状态空间模型辨识方法的研究(英文)

本文首次提出了基于神经网络的围护结构动态热特性——状态空间模型的辨识方法.由实验测得的围护结构热力系统的输入输出数据组成学习样本训练多层神经网络,产生系统 Markov 参数.用本征系统实现算法得到系统的最小阶状态空间表示.用自适应学习算法大大缩短了网络的训练时间.结果表明:该方法编程简单,有很好的辨识精度和抗干扰性能.

一种变结构动态贝叶斯网络的反导态势评估模型

为了实现在反导预警监视系统基础上的反导态势评估,通过对反导作战过程的分析,根据反导作战指挥的需要,提取了反导作战中的五个关键事件,以动态贝叶斯网络为基础,构建了以关键事件为驱动的变结构态势评估模型.利用Matlab软件对态势评估模型进行仿真验证.仿真结果表明,该模型能够随着反导战场的变化反映出战场态势的变化,其推理时间也能够满足评估实时性要求,可为指挥员提供指挥决策依据.

基于动态贝叶斯网络的多状态系统可靠性分析

为避免离散T-S模糊故障树计算误差,清晰表达系统可靠度随时间变化趋势,将基于冲激函数约束的连续时间T-S动态故障树与动态贝叶斯网络相结合,既可体现连续时间T-S模糊动态故障树的动静态描述能力,又能发挥贝叶斯网络双向推理建模与可描述动态的优势;然后在GeNIe2.0软件中搭建贝叶斯网络模型,导出后验概率,再计算合成动静态模块的重要度;最后以动车组空气供给系统为例,进行了可靠性分析,并于软件中仿真系统可靠度随时间的变化曲线,验证了模糊动态贝叶斯网络方法的正确性与合理性。研究结果表明:安全阀与单向阀为系统的薄弱环节,应加大检查检修频次,其余部件可参考图示结果合理安排设备维护频次。

一类动态模型状态参数的稳健贝叶斯估计

卡尔曼滤波理论是适应实时控制的需要,对于系统的状态参数进行线性估计的一种递推算法。在卡尔曼滤波理论中,需要假设系统的状态噪声{w_k}和量测噪声{v_k}及系统的初始状态x_0均服从于高斯分布且相互独立;然而,在工程应用中上述假设条件并非都能满足,观测数据中常常含有异常值(outliers),而且量测噪声也往往是含有异常值的“长尾分布”,而从本质上讲是递推最小二乘估计的卡尔曼滤波对异常值的“长尾分布”非常敏感,甚至一个异常值会严重破坏对状态参数的估计。针对上述问题,本文应用贝叶斯定理,给出了状态噪声和量测噪声均为含有异常值的“长尾分布”的条件下一类动态模型状态的稳健贝叶斯估计;给出状态噪声为含有异常值的“长尾分布”条件下的状态参数的稳健贝叶斯估计。

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的。有效的交通状态预测能从很大程度上优化交通状态,减少交通阻塞。贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一。提出了一种基于贝叶斯网络模型理论的交通状态预测方法。综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的。

基于动态贝叶斯网络的连续语音识别框架及其Token传递模型

近年来,由于动态贝叶斯网络(DBN)相对于传统的隐马尔可夫模型(HMM)更具可解释性、可分解性以及可扩展性,基于DBN的语音识别引起学者们越来越多的关注.但是,目前关于基于DBN的语音识别的研究主要集中在孤立语音识别上,连续语音识别的框架和识别算法还远没有HMM成熟和灵活.为了解决基于DBN的连续语音识别的灵活性和可扩展性,将在基于HMM的连续语音识别中很好地解决了上述问题的Token传递模型加以修改,使之适用于DBN.在该模型基础上,为基于DBN的连续语音识别提出了一个基本框架,并在此框架下提出了一个新的独立于上层语言模型的识别算法.还介绍了作者开发的一套基于该框架的可用于连续语音识别及其他时序系统的工具包DTK.

基于贝叶斯网络模型的交通状态预测

城市的交通状态是可以预测的。有效的交通状态预测能优化交通状态,减少交通阻塞。贝叶斯网络(Bayesian Networks,BN)是目前不确定知识和推理领域最有效的理论模型之一。文章在综合考虑交通阻塞成因的基础上构建网络模型,在已有的交通状态数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算交通阻塞发生的可能性,达到预测的目的。

关于动态模型状态参数的稳健贝叶斯估计的研究

在卡尔曼滤波理论中,假设状态噪声和量测噪声以及系统的初始状态 x_o 均服从于高斯分布且相互独立.然而,在工程应用中上述假设条件并非都能满足,观测数据中常常含有异常值(outliers),而且量测噪声也往往是含有异常值的“长尾分布”,而从本质上讲是递推最小二乘估计的卡尔曼滤波对异常值的“长尾分布”非常敏感,甚至一个异常值都会严重破坏对状态参数的估计,并且将这种误差由递推形式传播下去,从而破坏了实时控制机制.

基于动态贝叶斯网络的无人机航迹模型研究

为了实现无人机自主冲突探测与解脱,解决航迹预测问题,采用动态贝叶斯网络,构建城市物流无人机航迹模型。通过借鉴经验模型搭建航迹数据变量间因果关系,形成初始贝叶斯网络和动态贝叶斯网络;然后对各变量进行初始化、离散化处理,应用历史数据进行模型训练,生成各子节点变量条件概率矩阵,依照条件概率矩阵动态预测离散值,并对其逆向连续化,并应用运动学方程,将预测航迹数据可视化。研究结果表明:基于无人机航迹模型,结合历史数据进行训练,可以实现无人机航迹生成和预测。研究结果可为无人机冲突探测与解脱算法研究提供参考。

基于时效因子和动态贝叶斯网络的配电室电力应急演练研究

针对由于灾害性事故频发,配电室应急工作面临严峻挑战的现状,文中对配电室电力灾害事故情景推演技术进行研究。在分析配电室电力灾害的突发性、多变性和演变路径的不明确性、复杂性基础上采用“情景-应对”分析法分析配电室电力事故的构成要素以及其作用关系,将处置措施约束时间引入情景构成要素,基于动态贝叶斯网络构建配电室电力灾害情景推演模型。基于时效性原则进行演练效果评价,通过某矿业公司一起6 kV配电室火灾事故进行实例分析,分析结果表明,推演结果与实际灾害发展情形相吻合,表明了配电室电力灾害事故情景推演模型的可行性。

基于动态贝叶斯网络的可修GO法模型算法

GO法是评价复杂系统可靠性和安全性的有效方法,除了能描述多状态时序特性外,还能表达系统的复杂动态维修行为.针对这种带有动态可修特性的系统GO法模型,提出一种基于动态贝叶斯网络的新算法.首先将GO法模型中的可修操作符和不可修操作符转换成动态贝叶斯网络,然后将整体模型通过贝叶斯软件进行模型求解.新方法结合贝叶斯网络理论的成熟算法和软件,可得到系统可用度随时间变化的曲线和给定时间点的瞬时可靠性指标,并且无需考虑共有信号问题.基于动态贝叶斯网络理论的新算法规则简单统一,便于工程应用.

基于模块化的动态贝叶斯网络的安全态势评估模型

针对由网络信息系统结构变动引起的安全态势评估时效性差的问题,结合层次网络和模块网络的优点,建立了基于模块化动态贝叶斯网络的态势评估模型。首先,通过判断节点间是否存在有向连接,建立子系统的动态贝叶斯网络模块单元;然后,由若干模块单元和独立节点构建整体的动态贝叶斯网络,并利用约束递归算法学习网络概率参数;最后,通过仿真测试验证该模型的正确性。