故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提...故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提出一种基于元部件模型及系统结构模型的规范化描述方法,并以此为基础,通过建立元部件模型库、复杂标识符库,设计出故障树自动建树及分析软件,实现系统结构模型搭建、自动建树、复杂结构识别处理及可靠性分析过程的全自动化。详细阐述了故障树自动建树软件自动建树及分析的基本步骤,并通过一个简化的汽车ABS系统应用实例验证了该软件的有效性和可行性。实例应用结果表明,该故障树自动建树及分析软件不仅能够实现自动构建和分析故障树,提高工作效率,而且能够识别处理具有复杂结构的故障树,对复杂系统的自动建树及可靠性分析的推广具有重要意义。展开更多
文摘由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.
文摘故障树分析(Fault Tree Analysis)在系统可靠性评估中起着至关重要的作用。然而,作为故障树分析的核心故障树(FT)的构建,传统构建故障树的方法存在耗时长且容易出错等缺点。为了解决这些问题并应对复杂系统自动建造故障树的困难,该文提出一种基于元部件模型及系统结构模型的规范化描述方法,并以此为基础,通过建立元部件模型库、复杂标识符库,设计出故障树自动建树及分析软件,实现系统结构模型搭建、自动建树、复杂结构识别处理及可靠性分析过程的全自动化。详细阐述了故障树自动建树软件自动建树及分析的基本步骤,并通过一个简化的汽车ABS系统应用实例验证了该软件的有效性和可行性。实例应用结果表明,该故障树自动建树及分析软件不仅能够实现自动构建和分析故障树,提高工作效率,而且能够识别处理具有复杂结构的故障树,对复杂系统的自动建树及可靠性分析的推广具有重要意义。
