基于广义证据一致量和信息量因子的证据组合规则

在研究传统的D-S证据组合规则的改进方法时,往往忽略焦元为多元素集合时的情况,造成对证据一致性或者可信度的衡量不准确。考虑焦元之间存在相等、包含、相交的关系,提出一种焦元为多元素集合时的广义证据一致量和信息量因子计算方法,并应用到新的证据组合规则之中。数值实验验证了新的证据组合规则的有效性。新的证据组合规则不仅适用于冲突情况,而且也适用于证据间比较一致的情况,有效地解决了原Dempster组合规则的有悖于常理、鲁棒性差和一票否决的问题。     

采用D-S证据推理的电机转子故障诊断

提出了采用D-S(Dempster-Sharer)证据理论对感应电机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电机转子故障的特征矢量(证据体);利用明氏距离测度构造基本可信度分配函数,求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-S证据融合规则进行融合处理,实现了对电机转子故障的准确识别.试验结果表明,该方法可实现转子断条故障的可靠诊断.     

基于证据融合的雷达抗干扰性能多指标综合评估

针对复杂电磁环境中多种不确定性因素条件下雷达抗干扰性能评估问题,构建了基于D-S证据理论的性能评估模型.在综合考虑体系复杂性和指标可测性的基础上,建立了新的雷达抗干扰性能评估指标体系结构.采用一种基于证据理论的多指标融合方法进行雷达抗干扰性能评估.通过各指标实测数据隶属函数转化得到实验中评估指标的基本可信度分配,客观地反映了评估指标可靠程度与其测量参数之间的相互关系,避免了传统方法中评估指标基本可信度函数分配的主观性和局限性.然后利用D-S证据理论对评估指标信息进行评估融合.通过改进证据融合规则,有效降低了证据之间的冲突,提高了雷达抗干扰性能评估的可信度.实验结果证明了该评估方法的有效性和可行性.     

基于D-S证据理论的高炮自动机融合诊断

针对某型高炮自动机系统运动呈阶段性的特点,设计基于D-S证据理论的高炮自动机故障融合诊断方法。利用传感器测试的数据提取描述系统状态的特征参数,提出改进的Minkowski距离方法产生证据,并根据组合规则进行融合。实例分析结果表明:该方法可以有效提取自动机故障信息,确定故障部位,提高了故障诊断的效率。     

基于多域特征与改进D-S证据理论的齿轮故障智能诊断方法

为了能全面准确识别齿轮的故障类别,建立了基于时域、频域以及能量等多域特征参数的特征空间模型。在此基础上,提出了一种基于多域特征与改进D-S证据理论的齿轮故障智能诊断方法。通过实验台实测数据提取相关特征参数作为诊断样本,以粒子群优化支持向量机的初步诊断结果构建多个证据体。实验结果验证了改进D-S证据理论融合证据体诊断结果的有效性。     

基于阵列旋转和改进证据理论的平面 EMT 图像融合算法

为了提高平面电磁层析成像(EMT) 重建图像的质量,本文提出了一种阵列旋转和改进 D-S 证据理论相结合的平面 EMT 图像融合算法。 首次将传感器阵列旋转应用于平面 EMT 领域,提高独立测量值个数,并利用旋转阵列的测量信息实现 EMT 图像融合。 针对 Dempster 规则在处理冲突证据上存在不足的问题进行改进,利用数据聚类获取自适应阈值设置冲突和不 冲突两种证据,分别对应不同的融合规则。 仿真研究了旋转次数和成像效果之间的关系,利用不同旋转角度的信息和改进 D-S 证据理论进行图像融合,有效去除图像伪影,提高图像质量。 设计了 8 线圈平面电磁传感器,并应用于铝板缺陷检测,结果验证 了方法的有效性。 新方法较传统方法的图像相对误差下降 17. 0% ,相关系数提升 22. 7% 。     

多传感器融合在数控机床故障诊断中的应用研究

针对单一传感器无法准确判断数控机床故障类型的问题,提出了一种混合的基于D-S证据理论的处理方法,将多传感器数据融合技术应用到数控机床的故障诊断中。基于以往数控机床故障检测获得的典型样本库,构造各证据在目标故障模式下的信度密度函数,并对其进行归一化处理得到各证据的信度函数分配及不确定度,然后利用改进的D-S组合规则对数据进行融合,进而对机床故障类型做出判断。诊断实例表明,此方法能大大减低诊断的不确定度,提高故障诊断准确率,具有一定的工程应用价值。     

基于改进证据理论及多神经网络融合的故障分类

证据理论在合成高度冲突的证据时,得到的结果往往有悖常理。几种代表性的改进方法虽然能较好地解决此问题,但收敛速度较慢,并且利用这些改进方法组合一致证据时发散,从而限制证据理论在故障诊断领域的应用。鉴于此,提出一种基于证据可信度的证据合成新方法,并结合神经网络,提出基于改进证据理论的多神经网络融合故障分类方法。以齿轮为研究对象,将齿轮原始特征参数空间划分为多个子空间,建立各子空间对应的神经网络诊断模型,将各子神经网络的输出作为证据体,以所提出的改进证据合成方法对各证据体进行组合实现故障模式的分类识别。将所提方法与传统证据理论方法、其他代表性改进方法以及传统神经网络方法的分类结果进行对比,验证改进证据合成方法融合分类的有效性。     

基于改进证据理论的多传感器信息融合故障诊断

针对传感器信号不确定会产生冲突证据的问题,提出了一种基于改进证据理论的多传感器信息融合故障诊断方法。提出了基于遗传神经网络的原始证据生成方法,利用遗传算法优化神经网络参数,提高网络训练速度;定义了向量空间和方向相似度,利用分类准则函数区分冲突证据和相似证据,通过可信度修正冲突证据,降低了因不确定性产生的冲突对合成结果的影响。通过齿轮泵故障实验验证了改进方法的有效性,改进方法的诊断正确率明显高于单一传感器的诊断正确率,并通过设置适当的阈值提高了方法的灵活性和适用性。     

基于证据理论数据融合的故障诊断研究

从D-S证据理论的基本概念和融合推理方法出发,构造了符合故障诊断特点的基本可信度分配,建立了多故障特征信息融合诊断框架,并将其应用于液压泵故障诊断,实例表明该方法能有效提高诊断可信度,充分显示了该诊断方法的有效性.     

Multisensor information fusion of pulsed GTAW based on improved D-S evidence theory

The D-S evidence theory is a method widely used in information fusion technology, but it cannot solve the conflict evidence problem. This paper proposed a new method to dispose the conflict evidence problem in D-S evidence theory. The method first used evidence distance to obtain the weights of different evidences, then fuzzy inference theory was used to adjust the basic probability assignments (BPA) of every evidence according to the obtained weights, and the adjusted BPAs were fused by the D-S combine rules to obtain the fusion results in the end. The method was used in pulsed gas tungsten arc welding (GTAW) and fused the information obtained by arc, sound, and visual sensors in pulsed GTAW process. Experiment results showed that the method could effectively solve the conflict evidence problem, sufficiently fuse different sensors' information, and obtain more precise results than using a single sensor alone.     

证据熵在旋转机械故障诊断中的应用

针对旋转机械故障诊断中利用证据理论进行多征兆域融合时各证据的重要性不同,提出利用证据熵来评价各证据的重要性,即各证据在融合过程中的权重。对得出的证据进行加权调整,用D-S组合规则对加权调整后的证据进行融合获得最终的诊断结果。实例分析结果表明,这种方法可以用来评价证据的重要性,且由于其在进行融合时减少了证据间的冲突,所以该方法能够在旋转机械故障诊断应用中取得较好的效果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于改进证据理论的大型制造装备故障诊断

针对大型制造装备故障诊断中存在的高冲突证据问题,提出了一种改进的信息融合故障诊断方法。该算法通过各条证据可信度获得平均信任度,利用各证据的相对距离构造一个反映冲突强度的动态权重参数。为了使各条证据更能客观地反映装备的故障特性,利用模式之间的相似度获取证据的mass函数。仿真实验结果表明,该算法可以有效减少证据间的冲突,对大型制造设备故障诊断较高的识别率显示了该方法较好的实用价值。     

基于数据融合技术的发动机磨损模式识别方法

针对单一的智能模型在发动机磨损模式识别中的局限性,提出了一种基于数据融合技术的多模型磨损模式识别方法。它利用模糊优选模型、神经网络模型和灰色关联度模型等3种单一智能模型的识别结果作为信息源,经D-S证据理论对其进行融合得到最终识别结果。实际计算表明,该模型具有良好的通用性、适应性和容错性,比单一的智能模型具有更好的识别效果。     

基于BP神经网络和D-S证据理论的火灾报警系统

将BP神经网络与数据融合理论中的D-S证据有机融合,提出一种决策级火灾报警识别方法.通过模拟实际输入信号的仿真结果发现,将BP神经网络和D-S证据理论相结合的多传感器数据融合技术,可以显著提高火灾的识别能力,有效降低火灾误报率,而且该系统具有良好的适应性,达到了预期效果.     

基于加权D—S证据理论信息融合的故障诊断方法及其应用

针对新产品因故障概率数据掌握不充分使其故障诊断较为困难的问题,提出了一种基于加权D—S证据理论多源信息融合的故障诊断方法。该方法采用D-S证据融合,解决了缺乏故障概率分布模型或准确数学分析无效的问题,引入加权Ds证据理论融合方法进行故障诊断,用历史故障估计的正确率作为确定信息源当前检测估计值的置信程度调整,实现了故障诊断的历史数据对当前诊断结果的修正。对新型船舶气象仪故障诊断结果表明,该方法在故障概率和故障经验知识掌握不充分时,实现故障诊断是非常有效的。     

基于信息融合实现的激光陀螺调腔检测

考虑激光陀螺调腔人工检测耗时较长、易受干扰,本文建立了激光陀螺自动调腔系统.在分析激光陀螺调腔工艺的基础上,构建了一种由CCD相机和光电倍增管组成的多传感器信息融合体系结构,提出了基于D-S证据理论的激光陀螺调腔检测方法.通过分析计算CCD相机和光电倍增管检测到的信号得出光斑、光阑中心点坐标差值及陀螺损耗值,并由这些信息获得调腔质量的评价函数.然后,根据D-S证据理论对评价函数进行融合处理,分别获得陀螺调腔质量合格与不合格的信度函数,应用最大支持度规则对调腔质量进行综合判断.实验结果显示,基于DS证据理论的激光陀螺调腔方法检测准确率为91.14％,有效提高了调腔质量,验证了该方法的可行性.     

基于D-S理论和BP网络的驾驶行为识别技术研究

提出了BP神经网络与D-S证据理论相结合的驾驶行为识别、预测方法;将汽车行驶过程中人-车-路的信息作为BP神经网络的输入,利用BP神经网络对驾驶行为进行初步识别,并将BP神经网络输出的结果归一化处理后作为D-S证据理论的基本概率分布;利用证据距离理论对证据进行证据冲突处理,通过D-S证据组合理论对输入信息进行综合分析处理,决策识别出当前的驾驶行为;利用MATLAB语言编写了仿真测试程序,仿真结果表明该方法能够准确的识别出当前的驾驶行为。