D-S证据理论在数据融合中失效问题的研究

D S方法作为一种重要的处理不确定性问题的数据融合方法,已经广泛应用于各种数据融合系统中。解决D S融合公式在处理冲突证据时的失效问题一直是研究的热点。国内外的各种改进方法主要分为对融合公式的改进和对融合模型的改进2个方向。对各种方法进行理论上和数据上的比较分析表明:修改模型的方式效果明显优于修改融合公式。     

基于神经网络融合的传感器温度误差补偿

海底油气输送管道漏磁检测装置工作于高温高压环境下,其中的InSb霍尔传感器对温度敏感,需要补偿温度误差。该文构建了多传感器融合模型,将多个霍尔传感器和温度传感器的输出用径向基函数（RBF）神经网络进行融合,用遗传算法对网络进行训练。实验室检测数据和反演出的缺陷形状表明,采用神经网络融合方法进行误差补偿,简单方便,霍尔传感器输出的平均温度敏感系数降低了两个数量级。     

基于超声衍射反射回波渡越时间的缺陷识别技术

针对超声衍射回波渡越时间(TOFD)法对近表面缺陷不敏感、被测表面以下8 mm之内为盲区的现状,提出一种改进的基于衍射和反射回波的渡越时间(TOFDR)的缺陷识别技术.该法不再直接检测缺陷上下端部衍射的信号.通过检测经过底面反射一次的衍射信号,避免了侧向波和衍射波的叠加,将盲区缩减到被测表面以下2 mm,且可以实现在线检测.阐述了该法的原理,给出了缺陷参数的计算方法,分析了探头间距和频率的影响.实验表明,该法可以检测到表面下2～35 mm内94%的垂直裂缝,实际位置和尺寸同计算结果吻合,精度可达±0.3 mm.     

管道缺陷多超声传感器检测数据的神经网络融合

针对管道缺陷检测的现状,设计了超声传感器阵列检测系统,将神经网络技术应用于数据融合领域,采用改进的BP-LM算法对多个超声传感器测得的管道缺陷数据进行了融合处理.实验室检验结果表明,基于神经网络的数据融合大大提高了信号的质量,改进的BP-LM算法比标准BP算法融合效果更好,收敛速度更快.     

基于经验模态分解的管道超声回波信号噪声消除

在管道超声无损检测中,超声回波信号往往受到电子噪声、结构噪声等噪声的影响,所以在分析缺陷回波信号时,必须对回波信号进行去噪处理.本文提出了一种新型的基于经验模态分解的方法对超声回波信号进行了良好的消噪处理.通过计算,超声回波信号的信噪比大约提高了11 dB.     

信息融合多传感器可信度的确定方法及应用

借鉴层次分析法相对比较的思想，提出一种确定多传感器可信度的方法．该方法基于传感器提供的信息的相对可信度，对不同目标分别建立多传感器可信度判断矩阵，求得各传感器对该目标的可信度，进而求得各传感器的综合可信度．给出了一个数值算例．根据传感器的可信度，改变径向基函数神经网络的样本空间的大小，分析了训练时间和网络融合性能，验证了方法的有效性和实用性．