合理的集料级配能有效提升道路性能并延长道路使用寿命,针对拌合站现场需要快速进行集料级配检测的诉求,设计基于双参量MCMC算法的集料级配检测系统。针对单视角集料图像无法准确反映集料实际粒径的问题,该系统设置双相机进行图像采集;...合理的集料级配能有效提升道路性能并延长道路使用寿命,针对拌合站现场需要快速进行集料级配检测的诉求,设计基于双参量MCMC算法的集料级配检测系统。针对单视角集料图像无法准确反映集料实际粒径的问题,该系统设置双相机进行图像采集;并引入基于凹点匹配的图像分割算法,解决副相机采集过程中出现的颗粒堆叠问题;为尽可能准确地表征集料颗粒等效粒径,经实验验证选择等效椭圆短径均值和等效Feret短径均值分别表征不同粒径区间内集料颗粒;将双相机采集图像中提取到的集料颗粒信息作为双参量输入,利用双参量贝叶斯统计思想对集料实际粒径分布进行推断;在工程上引入马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法计算双参量贝叶斯后验分布,并将其作为集料级配结果输出,突破双参量贝叶斯统计推断无法处理高维数据的局限性。经过实验验证,该系统能够有效提高集料级配检测效率及精度,针对合格集料的检测误差在±2.5%以内。展开更多
基于弹着点空间分布对目标毁伤效能的差异化影响,构建导弹命中目标不同重要区域的概率分布模型,实现对传统命中精度概念的扩展。针对导弹实打试验过程复杂、费用高、次数少的实际,采用贝叶斯方法融合多源信息,基于区域划分-分布确定-先...基于弹着点空间分布对目标毁伤效能的差异化影响,构建导弹命中目标不同重要区域的概率分布模型,实现对传统命中精度概念的扩展。针对导弹实打试验过程复杂、费用高、次数少的实际,采用贝叶斯方法融合多源信息,基于区域划分-分布确定-先验融合-后验求解的思路进行导弹命中精度估计。选取Dirichlet分布作为命中精度参数的先验分布,运用D-S(Dempster-Shafer)证据理论对先验信息进行融合处理,基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法对精度参数的后验分布进行求解。示例表明,该方法能够细致描述导弹命中目标不同重要区域的概率,并科学融合多源命中精度先验信息,为导弹命中精度估计方法及测试方案优化提供理论借鉴。展开更多
针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随...针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随机游走算法实现MCMC模拟的传统方法基础上,引入差分进化算法,利用种群中Markov链之间不同携带信息的相互作用关系,得到优化建议以快速逼近目标函数,解决了高维参数模型修正过程中采样滞留的缺点;引进竞争算法,通过不断的竞争刺激和内置失败者向胜利者学习的机制,采用较少的Markov链获得较高的精度,提高了模型修正效率与精度;最后,通过一个桁架结构的有限元模型修正数值算例验证了所提算法,并与标准MH算法的结果对比,得出该算法可以快速修正高维参数模型,具有较高的精度,且对随机噪声有良好的鲁棒性,为考虑不确定性的大型结构有限元模型修正提供了一种稳定有效的手段。展开更多
文摘合理的集料级配能有效提升道路性能并延长道路使用寿命,针对拌合站现场需要快速进行集料级配检测的诉求,设计基于双参量MCMC算法的集料级配检测系统。针对单视角集料图像无法准确反映集料实际粒径的问题,该系统设置双相机进行图像采集;并引入基于凹点匹配的图像分割算法,解决副相机采集过程中出现的颗粒堆叠问题;为尽可能准确地表征集料颗粒等效粒径,经实验验证选择等效椭圆短径均值和等效Feret短径均值分别表征不同粒径区间内集料颗粒;将双相机采集图像中提取到的集料颗粒信息作为双参量输入,利用双参量贝叶斯统计思想对集料实际粒径分布进行推断;在工程上引入马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法计算双参量贝叶斯后验分布,并将其作为集料级配结果输出,突破双参量贝叶斯统计推断无法处理高维数据的局限性。经过实验验证,该系统能够有效提高集料级配检测效率及精度,针对合格集料的检测误差在±2.5%以内。
文摘基于弹着点空间分布对目标毁伤效能的差异化影响,构建导弹命中目标不同重要区域的概率分布模型,实现对传统命中精度概念的扩展。针对导弹实打试验过程复杂、费用高、次数少的实际,采用贝叶斯方法融合多源信息,基于区域划分-分布确定-先验融合-后验求解的思路进行导弹命中精度估计。选取Dirichlet分布作为命中精度参数的先验分布,运用D-S(Dempster-Shafer)证据理论对先验信息进行融合处理,基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法对精度参数的后验分布进行求解。示例表明,该方法能够细致描述导弹命中目标不同重要区域的概率,并科学融合多源命中精度先验信息,为导弹命中精度估计方法及测试方案优化提供理论借鉴。
文摘针对传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)模拟方法在高维问题或后验概率密度复杂时采样效率低且难收敛的缺陷,建立了基于马尔科夫(Markov)链种群竞争的贝叶斯有限元模型修正算法。在基于Metropolis-Hastings(MH)随机游走算法实现MCMC模拟的传统方法基础上,引入差分进化算法,利用种群中Markov链之间不同携带信息的相互作用关系,得到优化建议以快速逼近目标函数,解决了高维参数模型修正过程中采样滞留的缺点;引进竞争算法,通过不断的竞争刺激和内置失败者向胜利者学习的机制,采用较少的Markov链获得较高的精度,提高了模型修正效率与精度;最后,通过一个桁架结构的有限元模型修正数值算例验证了所提算法,并与标准MH算法的结果对比,得出该算法可以快速修正高维参数模型,具有较高的精度,且对随机噪声有良好的鲁棒性,为考虑不确定性的大型结构有限元模型修正提供了一种稳定有效的手段。
