基于条件证据理论的雷达辐射源识别方法

基于观测证据与先验信息和谐的思想。利用条件证据理论。提出了一种融合先验信息的雷达辐射源识别方法，首先将雷达辐射源观测数据通过灰关联分析表示为D-S数据的随机集形式。然后计算观测证据与先验知识之间的和谐度。最后利用条件证据理论将需要融合的证据进行组合，该方法可在复杂战场环境下充分利用不同来源的信息，提高雷达识别的可靠性。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

基于信息熵与判断矩阵的D-S证据理论改进方法在故障诊断中的应用

针对凭借单一的证据很难进行科学故障诊断的实际情况,提出基于Dempster-Shafer证据理论进行多源信息融合的故障诊断方法.由于D-S证据理论合成公式存在不足,针对各证据的重要性不同,提出了一种将信息熵与判断矩阵一致性相结合对各证据进行加权赋值,并对其进行加权调整的方法,应用D-S证据理论合成公式对加权调整后的证据进行决策级融合.此种方法将主观因素与客观因素相结合.实例分析结果表明:融合结果提高了置信度,降低了不确定性,显著提高了故障诊断的科学性,具有理论与应用价值.     

基于随机集理论的边坡稳定性评价方法

针对一类典型边坡,基于随机集理论提出了一种评价边坡稳定性的新方法,它可以有效解决边坡稳定性判别函数f的输入变量分别具有模糊性和随机性时,边坡稳定性判别的问题。首先,对于用不同模糊隶属度函数描述的输入变量φ,将这些模糊信息转化为由嵌套随机集表示的证据体,并利用Dempster组合规则得到将它们融合后的证据体;对于随机输入变量hw,也给出其随机集形式。然后,利用随机集扩展准则将随机集统一表示的两变量映射到输出,得到f输出的上下累积概率分布,用其判定边坡的稳定性。最后通过仿真验证了所提方法的有效性。     

信息融合技术在烟气轮机故障诊断中的应用

烟气轮机是炼化企业生产中重要的核心设备,保障烟气轮机的安全可靠运行,实现科学维护十分重要。对多传感器信息融合技术作了简要介绍,给出了一种神经网络与D-S证据理论相结合的诊断方法,并提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。通过在转子实验台上的实验表明,采用该方法提高了故障诊断系统的灵活性及故障诊断的效率和准确性。     

故障诊断中关联结果与专家知识的融合技术

故障诊断技术包括基于模型的诊断和基于知识的诊断。基于综合应用两方面技术进行诊断的信息融合的故障诊断技术为解决复杂诊断对象提供了解决思路，但其中涉及到要将数据关联的结果与专家的诊断知识相融合的技术关键。为解决这个关键技术，应用以证据理论为基础的证据推理方法和信息融合中的数据关联方法，将数据关联的结果转化为信任区间，与专家诊断知识进行动态的融合处理，进而提出将数据关联结果与专家知识相融合的方法。航天器故障诊断的实例说明，这种方法可以解决关联结果与诊断知识的融合问题，实际应用效果良好。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

基于多级信息融合的转台故障诊断系统研究

根据转台系统复杂的结构特点,提出了一种多级信息融合的故障诊断方法.首先针对来自各子系统的多传感器信息,应用神经网络进行局部故障模式分类;然后,将多个子系统诊断结果应用D-S证据理论加以综合,给出系统级的故障诊断决策.实验表明,该方法在复杂系统故障模式分类和不确定性推理具有较强的处理能力,能有效地提高故障诊断的可靠性和准确度.     

证据理论用于导弹决策级故障融合诊断问题探讨

基于融合的故障诊断技术是近年来针对复杂系统故障诊断需要发展起来的一种新的技术方法,其中决策级故障诊断主要是针对故障的决策内容研究解决融合诊断的方法,其建模及表征方法与特征级融合有相当不同。以导弹为应用对象,对Dempster-Shafer证据理论应用于导弹决策级故障融合诊断的有效性进行讨论,指出冲突证据融合、冲突衡量及证据聚类是应用中需要解决的3个关键问题;探讨了问题的解决方法,给出了相关建议。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

基于证据理论的并发故障诊断方法

为了解决并发放障诊断问题，提出了一种基于推广的证据理论的新算法：将并发放障状态作为设备的运行状态引入分辨框Θ中，使之成为分辨框Θ中的基本元素，依据诊断并发放障所获得的不同证据体的冲突程度，给出了两种不同组合规则．以200MwW发电机转子故障诊断为例，验证了该算法的有效性．     

基于证据理论的并发故障诊断方法

为了解决并发故障诊断问题,提出了一种基于推广的证据理论的新算法:将并发故障状态作为设备的运行状态引入分辨框(?)中,使之成为分辨框(?)中的基本元素,依据诊断并发故障所获得的不同证据体的冲突程度,给出了两种不同组合规则.以200MW 发电机转子故障诊断为例,验证了该算法的有效性.     

基于频谱图的故障诊断系统

采用频谱法对TRT中回转机械故障信号进行能量分析,提取出反映TRT运行状态的功率谱的特征向量和主要故障特征表,设计了监测和诊断软件的故障诊断模块。结果表明:利用故障信号的特征向量与故障特征表,通过相似性原理进行故障诊断是有效的。     

某型号航天产品漏电故障诊断方法

针对某型号航天产品发射系统漏电故障诊断的特殊性,利用专家知识建立案例知识库,应用图论知识建立某型号航天产品漏电故障诊断图论模型,在此基础上生成树,并根据信息熵理论,提出"二分法"诊断思想,进行故障部件的定位,最后把成功诊断实例添加到案例知识库中;同时设计案例推理模块,通过人机交互模块达到案例推理和图论模型诊断方法的融合,使故障的定位更快速、精确.     

基于信息融合方法的电机故障诊断研究

研究鼠龙异步电机转子故障诊断技术,先运用小波包分析技术对电机电流信号进行了特征值的提取,将信号进行3层分解,然后将噪声信号分离并对噪声信号进行FFT能量分析,根据噪声能量含量的大小来判断断条故障的严重程度。然后利用BP神经网络对电机的电流信号能量特征值分别进行训练和检验,并初步得出诊断结果。再运用D-S证据理论对BP神经网络的输出结果进行了决策层的信息融合故障诊断,并得出了最终的诊断结果。实验表明,在一定程度上采用多证据的融合能进一步提高诊断的准确度。     

偏最小二乘法在系统故障诊断中的应用

为研究结合关键性能指标（KPI）的偏最小二乘法（PLS）在系统故障诊断中的作用和应用,通过活性污泥数学模型（BSM1）,结合偏最小二乘算法,建立了可以模拟污水处理的仿真模型. 通过收集系统在正常情况下的输入和输出并建立关系矩阵,做到在实际应用时仅通过输入就可以判断是否出现故障. 利用仿真模型,通过改变天气、输入、先验知识的条件,并通过在仿真系统中加入可手动触发的乘法系数来模拟故障,可以验证偏最小二乘法在系统故障诊断中的表现. 研究结果表明:偏最小二乘法具有判断故障发生位置的功能. 这种功能的灵敏度和准确性可以通过结合关键性能指标而获得提升,故障诊断的灵敏度与准确性受到模型中模拟的天气因素以及算法中的先验知识的影响.     

Gear Fault Diagnosis Based on Rough Set and Support Vector Machine

By introducing Rough Set Theory and the principle of Support vector machine,a gear fault diagnosis method based on them is proposed.Firstly,diagnostic decision-making is reduced based on rough set theory,and the noise and redundancy in the sample are removed,then,according to the chosen reduction,a support vector machine multi-classifier is designed for gear fault diagnosis.Therefore,SVM'training data can be reduced and running speed can quicken.Test shows its accuracy and effi- ciency of gear fault diagnosis.     

Gear Fault Diagnosis Based on Rough Set and Support Vector Machine

By introducing Rough Set Theory and the principle of Support vector machine, a gear fault diagnosis method based on them is proposed. Firstly, diagnostic decision-making is reduced based on rough set theory, and the noise and redundancy in the sample are removed, then, according to the chosen reduction, a support vector machine multi-classifier is designed for gear fault diagnosis. Therefore, SVM' training data can be reduced and running speed can quicken. Test shows its accuracy and efficiency of gear fault diagnosis.     

贝叶斯网络在车辆状态远程故障诊断系统中的应用

为了解决车辆状态远程故障诊断系统中的不确定性问题,提出了一种基于贝叶斯网络模型的故障诊断方法．这种故障诊断方法可在输入数据不完备,甚至含噪的情况下,充分利用贝叶斯网络的先验知识以及建模学习能力和概率推理算法来应对不确定性问题的表示和推理,完成系统的故障诊断．实验结果表明,贝叶斯网络方法在车辆故障诊断速度、准确性方面优于传统的基于BP算法或RBF算法的诊断方法,并且提高了故障诊断系统的鲁棒性．