基于多传感器信息的状态推理辨识方法

为准确辨识原油管道调合过程的压力、液位等关键运行状态,文中提出了一种基于多传感器信息的状态推理辨识新方法.首先,根据传感器事先获得的物理量值与对应的实际运行状态,建立相应的隶属度曲线;在此基础上,利用传感器实时采集当前物理量,获取各传感器对状态子集的基本概率分配;然后,根据各传感器信息的相关性对其进行修正、排序及推理辨识;推理辨识过程中,对于焦元中的一致性部分采用乘性算子,对冲突部分在引起冲突的焦元间进行加性局部分配.实验结果表明,新的状态推理辨识方法可以充分利用原油管道调合过程多传感器的一致性或冲突性信息,提高状态辨识的收敛速度,减小误判率,降低决策风险,增强系统可靠性.

舰用柴油机冷却水系统贝叶斯状态推理方法

针对不确定动态环境下舰用柴油机冷却水系统的状态预测及故障推理问题,研究基于贝叶斯网络模型的冷却水系统状态推理方法。根据某型冷却水系统的逻辑功能关系,分析系统的工作状态及典型故障模式,分别建立静态和动态贝叶斯网络推理模型。采用联结树精确推理算法对冷却水系统的运行状态进行正向和反向推理。结果表明,贝叶斯状态推理方法在不确定环境下传感器数据缺失时相对常规的故障树推理方法更具优势,动态贝叶斯网络比静态贝叶斯网络具有更好的推理精度。

基于动态贝叶斯的船舶中央冷却水系统状态推理

针对船舶中央冷却水系统日益复杂、处理这类信息时存在很大不确定性的问题,将动态贝叶斯网络运用于复杂管路系统的检测与控制中。通过全面分析某型船舶中央冷却水系统各个部件之间的相互关系以及评估参数,建立系统的动态贝叶斯网络模型,运用BK算法对系统的运行状态进行推理。使目标节点的各个特征因素以及不同时间片同一特征因素相互修正,克服系统检测时不确定性、数据不完整和主观性。通过仿真表明,动态贝叶斯网络在不确定环境和数据缺失的情况下可以考虑时间的因素进行有效的状态推理并实现有效的控制。

空间站机械臂任务规划方法

任务规划技术是航天任务执行过程中的核心关键技术,针对空间站机械臂的外自主行为受限、行为多样、分支众多,存在多类型约束以及多资源条件限制等特点,对空间站机械臂任务规划方法进行研究。对任务需求进行分析形成月事件,地面工程师给出将任务分解为子任务的建议,将月事件分解为具有逻辑关系的飞控事件,飞控事件集合描述了航天器不同的行为及不同模式下的行为,每一个模式下的飞控事件由控制动作或控制动作序列构成,建立了分层规划对象模型。同时,构建状态空间集合描述时变的器上状态和状态值,在飞控事件层和控制动作序列层建立状态推理模型。采用多约束逻辑表达式对联合约束进行描述,将运动飞控事件进行归一化设计。在时间的调度和资源条件限制下在规划器中进行迭代求解,生成地面控制动作序列,实现任务目标并用于任务实施。在空间站机械臂在轨任务中验证了该方法的正确性和高效性。

二叉树型知识获取与推理技术研究

通过应用计算机可视化技术、二叉树表达技术、XML数据库技术和推理技术,开发了基于可视化技术的专家知识采集与知识推理系统。其推理机利用了无状态连续推理技术,提高了有害生物知识采集和系统推理的效率。系统具有简单易用的特点,植保专家可以方便地利用该系统构建有害生物调控知识库。

城市交通路网动态短时推理与精准预测研究

城市路网结构对于交通拥堵的形成及其在时空上的传播过程具有重要的影响。然而,在基于传统交通模型或深度学习模型的研究中,交通模式的生成与传播往往并未考虑路网特征,且只能通过交通特征指标进行间接刻画,使得难以动态描述其在时间及空间维度上的特征,导致交通模式传播预测精准度不高且缺乏针对性。为了解决上述问题,提出了一种新型的基于交通模式推理的交通预测框架TP2。该框架将拥堵传播模式建模为一个随时间变化的时序知识图谱,并使用一种包含了全新聚合函数RGraAN的推理框架进行时序推理,以捕捉交通拥堵的动态时变传播模式,将路段和与其存在交通模式关联的路段进行组合,并构建时空关联路网子区域,然后基于图神经网络的交通短时预测模块充分挖掘子区内的交通流时空相关性,并预测子区内各个路段的未来速度变化情况。与现有方法相比,TP2预测精度相比A3T-GCN模型有1%~2%的提升。

基于特征检测的分布式网络报警系统

分析当前网络入侵检测系统NIDS的主要思想和实现方法，针对传统NIDS的不足，提出了一种基于特征检测的分布式网络报警系统模型，并且详细地描述了该模型的结构和实现。该模型将规则匹配与案例分析以及集中控制与分布检测相结合，在保证网络安全的基础上，有效地提高了NIDS的动态性和自适应性。

伴随维修组维修模型聚合方法

面向装备维修保障系统的多分辨率建模问题,提出了一种装备维修模型的聚合方法,为装备维修保障系统模型的聚合研究提供了一种新的思路。该方法通过聚合故障输入和推理维修状态实现维修模型的聚合。最后通过基于MATLAB的仿真实验验证了该方法的可行性。通过实例验证可以看出,该方法缩短了仿真时间,减少了复杂系统底层建模的工作量。