《表1 真实的贝叶斯网络参数》

《表1 真实的贝叶斯网络参数》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于遗传算法DDBN参数学习的UUV威胁评估》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

对于海洋环境和自身状态事件来说,当处于不同情况时,事件对UUV的威胁程度也是不一样的。图3中网络模型各节点的状态集合分别定义为:任务决策R(t)={忽略,处理威胁}为UUV做出的决策;威胁程度W(t)={高,低}。假如UUV以4 kn的速度巡航,当前视声呐测得UUV与障碍物之间距离小于50 m时,视为威胁程度高,距离大于50 m时,视为威胁程度低,即定义障碍物Z(t)={高,低}为UUV受到的威胁程度的状态;海流对UUV的影响也非常大,当海流流向与UUV的航向相反或偏差较大时,或海流速度大于5 kn时,航迹会改变,则视为威胁程度高,否则视为威胁程度低,即定义海流L(t)={高,低}为海流对UUV的威胁程度的状态,海底地形D(t)={高,低}为海底地形对UUV的威胁程度,海水密度M(t)={高,低}为海水密度对UUV的威胁程度;传感器包括深度计、GPS、声呐、ADCP、导航仪、CTD,DVL,即可以定义传感器C(t)={正常,故障}为传感器工作的状态,漏水检测J(t)={正常,漏水}为UUV漏水的程度;执行机构包括舵和推进器,即执行机构Q(t)={正常,故障}为UUV执行机构的工作状态,能源状态N(t)={充足,不足}为UUV的能源状态。威胁评估模型中的条件概率是由专家知识给出的,具有一定的主观性,专家根据检测到的实际数据给出一定威胁程度(概率)。DDBN决策推理模型的真实条件概率如表1所示。