共查询到18条相似文献,搜索用时 125 毫秒
1.
基于多传感器信息融合的智能机器人的研究 总被引:1,自引:0,他引:1
讨论粗糙集理论和D-S证据理论相结合的多传感器信息融合方法,并提出将该方法应用于智能机器人,用粗糙集对传感器数据进行简约处理和D-S证据理论实现证据的合成及智能决策,以增强系统的分辨能力,同时有效提高了系统的信息融合速度和决策的可靠性. 相似文献
2.
3.
4.
5.
针对磨粒的识别问题,利用数字磨粒图像分析方法,结合D-S证据理论和BP神经网络,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法。首先对磨粒图像进行处理,并利用统计分析方法和傅立叶分析方法对处理好的磨粒图片进行分析得到磨粒特征;然后基于统计分析方法和傅立叶分析方法建立对应的两个BP分类子神经网络,利用典型的磨粒样本对BP子神经网络进行训练,得到初步的诊断结果;最后用D-S法对子神经网络诊断结果进行融合,得到最终的诊断结果。算例分析结果表明,基于D-S证据法和集成神经网络的磨粒融合诊断方法比单个诊断方法具有更高的准确性。 相似文献
6.
7.
对粗糙集理论和计算机辅助公差设计的一般流程进行了简单描述,粗糙集理论在基于制造成本的计算机辅助公差设计中的应用。利用粗糙集理论在同时满足支持度和可信度的基础上对规则进行筛选约简,从而提高了计算机辅助公差设计决策的准确性和合理性。 相似文献
8.
基于粗糙集的多源信息融合处理技术 总被引:4,自引:0,他引:4
基于粗糙集理论与融合分析评价提出了多源遥感信息粗糙决策级融合算法,有效地提高融合的速度和精度.基于粗糙集的决策级融合算法是一种最小算法,即基于不可分辨的思想和知识简化的方法,提出了融合处理中决策规则的最小化方法和基于粗糙集理论的规则生成技术,用来精化知识,删除冗余信息,克服信息的过分膨胀和低效现象.利用粗糙集进行信息融合能够方便地对不完整数据进行分析、推理,提取有用特征和简化信息处理,生成的融合决策规则简单易行,能够显著地提高融合速度,增强系统的决策能力. 相似文献
9.
10.
11.
基于信息熵贴近度和证据理论的旋转机械故障诊断方法 总被引:9,自引:3,他引:9
从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。 相似文献
12.
13.
针对振动系统中振动迅速发散的故障,设计了基于证据理论的融合监测方法.对用于测量振动信号的多源传感器分别采用传感器数据方差、方差前向差分作商和方差前向作商作为描述状态的特征参数,计算基本概率分配函数,并根据Dempster组合规则进行融合.在隔振系统物理实验平台上实现了融合诊断监测过程,对采用3种特征参数的故障监测效果加以验证、比较和分析.实验结果表明,振动系统中传感器数据方差前向作商适合作为特征参数,由此构建的融合方法能够对振动发散故障实施有效诊断,并可以实现实时监测. 相似文献
14.
15.
16.
17.
18.
Prediction of pulsed GTAW penetration status based on BP neural network and D-S evidence theory information fusion 总被引:4,自引:4,他引:0
Bo Chen Jifeng Wang Shanben Chen 《The International Journal of Advanced Manufacturing Technology》2010,48(1-4):83-94
This paper used multi-sensor information fusion technology in pulsed gas tungsten arc welding. Arc sensor, visual sensor, and sound sensor were used simultaneously to obtain weld current, voltage, weld pool image, and weld sound information about the pulsed gas tungsten arc welding process, and special algorithms were designed to extract the respective signal features of different sensors’ information. Then D-S evidence theory was used to fuse the different signal features to predict the penetration status about the welding process. Aimed at the difficulty of obtaining basic probability assignment in D-S evidence theory, back-propagation (BP) neural network was used to obtain the basic probability assignment. Experiments were done to obtain data for training the BP neural network and test the prediction reliability of D-S evidence theory information fusion, and comparison results showed that D-S evidence theory could effectively use the information obtained by different sensors and obtain better prediction result than single sensor. 相似文献