基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

一种融合专家知识和监测数据的水质预测模型

为了解决目前水质预测中未考虑局部无知性这一问题,提出一种基于幂集置信规则库(Belief rule base with power set,PBRB)的水质预测模型。该模型能够有效融合专家知识与定量数据,并能在描述多种不确定性的同时,将传统的辨识框架扩展到幂集,使其能够很好地表达无知性从而提高水质预测精度。此外,利用协方差矩阵自适应进化策略(Covariance matrix adaptive evolution strategy,CMA-ES)算法对PBRB模型进行优化。仿真结果表明:PBRB模型能准确预测一段时间内水质变化趋势,预测精度高于其他传统方法。     

证据推理理论及其应用

证据理论既能够灵活处理不确定信息, 包括随机性、模糊性、不准确性和不一致性, 又能够有效融合定量信息和定性知识. 目前, 证据理论已广泛应用于评估与决策等多个领域中, 包括多属性决策分析、信息融合、模式识别和专家系统等. 本文从D-S证据理论出发, 针对Dempster组合规则存在的“反直觉”问题和组合爆炸, 主要围绕置信分布理论系统地梳理了证据理论的发展过程, 总结分析了国内外典型文献, 最后从实际应用对证据理论进行了简要的评述和展望.     

基于规则的建模方法的可解释性及其发展

建模方法的可解释性指其以可理解的方式表达实际系统行为的能力. 随着实践中对可靠性需求的不断提高, 建立出可靠且可解释的模型以增强人对实际系统的认知成为了建模的重要目标. 基于规则的建模方法可更直观地描述系统机理, 并能有效融合定量信息和定性知识实现不确定信息的灵活处理, 具有较强的建模性能. 本文从基于规则的建模方法出发, 围绕知识库、推理机和模型优化梳理了其在可解释性方面的研究, 最后进行了简要的评述和展望.