基于马尔科夫蒙特卡罗的管制员警觉概率预测

为分析管制员在工作期间的警觉性变化规律,构建了一种基于马尔科夫蒙特卡罗(MCMC)的警觉性概率预测方法。首先,通过模拟管制员工作环境,利用PVT(Psychomotor Vigilance Test,PVT)获取管制员不同时间段的警觉性值;其次,根据试验数据的结构特点,采用Logistic函数构建警觉性概率预测模型;然后,基于MCMC方法的理论基础,对比M-H抽样与NUTS抽样的结果,选取更适合该模型的抽样方法进行参数估计以获取模型中参数的最优值;最后,通过模型估算特定时刻管制员处于警觉状态的概率,以反映其警觉性状态。结果表明,采用NUTS抽样算法的模型效果更好,管制员警觉与非警觉状态转变的最可能出现时间分别在03:45、06:40、09:05、13:50和15:50。

基于贝叶斯推断的威布尔型产品可靠性评估

随着制造工艺与管理水平的提高,产品可靠性水平同样得到很大提升,随之带来故障数据短缺的问题又限制了对高可靠性产品的评估,可靠性评估面临小子样问题。针对上述问题应用贝叶斯推断建立威布尔型产品可靠性模型,充分利用各种先验信息与专家经验生成先验概率密度,结合样本数据所建立的似然函数生成后验概率密度,用马尔可夫链蒙特卡洛法求解待估参数,既扩大了贝叶斯推断的应用范围,也保证了求解精度。最后以某风电机组齿轮箱故障数据为算例,说明了本文提出模型的有效性与准确性。