基于模糊故障树的潜标系统布放回收风险评估

来源 :水下无人系统学报 | 被引量 : 0次 | 上传用户:yangzhibo0508
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对海洋环境监测潜标系统布放回收成功率不高的问题,结合相关文献及专家意见,分析潜标系统布放回收过程潜在风险源,基于模糊故障树分析法获得风险基本事件与潜标系统布放回收事故间的关联关系,并对潜标系统在布放回收过程中发生事故的可能性进行定量分析,获得各基本事件的发生概率和关键重要度,进而诊断潜标布放回收过程中的关键风险源,从而提出相应的预防措施以提高潜标系统布放回收成功率.仿真结果表明,基于模糊故障树分析法能够获得潜标系统布放回收事故发生的概率和关键风险源;发生概率较高的基本事件均与潜标系统布放阶段有关联;关键重要度较高的基本事件发生概率也较高.该项研究对海洋环境监测潜标系统的设计及其布放回收风险防控具有一定的参考价值.
其他文献
[本刊讯]近年来,伴随着国人口腔健康护理意识的不断提升,口腔健康对应的消费市场有着巨大发展潜力,其中,尤以电动牙刷品类发展最为迅速.但在行业快速发展的同时,也逐渐衍生出诸如产品质量参差不齐、行业测评标准不统一等问题,进而对消费者在电动牙刷领域的消费造成信息阻碍和选择困难.
期刊
在复杂海洋环境下,利用超短基线对自主水下航行器(AUV)进行跟踪定位可能会受到各类误差的影响,通常采用以最小均方误差为准则的卡尔曼滤波对动态定位数据进行处理.构建起与目标实际运动相匹配的运动模型,是保证卡尔曼滤波精度和可靠性的重要基础,而AUV具有机动性较强的特点,往往难以先验性地确定单一的运动模型实现对所有运动状态的匹配.针对基于单模型卡尔曼滤波无法全程适应水下目标的所有运动状态的问题,采用交互式多模型卡尔曼滤波方法处理AUV的超短基线跟踪数据,运动模型之间通过概率矩阵转移来增强运动状态的适应性,实验结
针对欠驱动自主水下航行器(AUV)在外界干扰和输入受限下水平面轨迹跟踪问题,提出了基于非线性干扰观测器和径向基函数(RBF)神经网络的滑模控制器.首先,将欠驱动AUV运动学模型通过坐标变换转换为误差运动学模型镇定位置误差;其次,利用反步法设计艏摇角虚速度控制律,镇定姿态误差;然后采用非线性干扰观测器对时变海流扰动进行估计,并通过滤波器估计虚拟控制律的导数,避免了虚拟控制律求导引起的“微分爆炸”;最后,设计自适应RBF神经网络对欠驱动AUV实际输入进行补偿,通过李雅普诺夫稳定性证明闭环跟踪误差所用信号一致有