基于证据可信度的证据合成新方法

Dempster-Shafer理论合成高冲突证据时结果不合常理, 许多改进方法能较好地解决这一问题, 但证据比较一致时, 这些方法性能相对于Dempster-Shafer合成规则较差. 鉴于此, 提出了一种基于证据可信度的证据合成方法.首先建立一个证据距离矩阵, 之后求出系统中各证据到证据集的均方欧式距离, 通过引入可信度函数来获得证据源的可信度因子"并对证据源进行修正, 最后使用Dempster-Shafer合成公式对修正后的证据加以合成. 数值实验结果 表明, 改进后的方法不仅适用于证据高冲突情况, 而且也适用于证据比较一致的情况.     

线阵CCD在布匹幅面热定型控制中的应用

介绍了线阵CCD在布匹幅面热定型控制中的应用,以Microchip公司生产的PIC16C57单片机为控制核心,加上精心设计的CCD驱动控制电路,实现布匹幅面热定型中的精确测量及调理,该系统具有速度快,精度高的特点,提高了产品质量及生产效率。     

氮气在太平煤矿防治煤层自然发火中的设计应用

氮气预防煤层自然发火,注氮方式、方法,注氮流量的计算及其管理措施.     

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。