基于冲突证据修正的DS改进方法

DS(Dempster-Shafer)证据理论在不确定推理与信息融合领域有着广泛的应用,但是当证据严重冲突时会出现反直观结果的问题。针对这一问题,提出了一种基于冲突证据修正的DS改进方法,首先根据各证据与平均证据的证据距离确立各证据的权重,以平均权重为阈值确立冲突证据,然后根据冲突证据的权重对其进行折扣度修正,修正后的证据再与非冲突的原始证据使用Dempster组合规则得到最终推理结果。仿真实验表明,有效地改善了经典DS证据理论存在的典型问题,在低冲突证据和高冲突证据的融合处理上,本方法相较于其他方法简单有效,收敛快,可靠性高。     

基于模糊软集和DS证据理论的中长期负荷预测

根据预测值与实际值间的误差,以隶属度函数形式建立模糊软集,然后运用DS证据理论将每年的预测情况进行证据融合,得到各个单一预测模型对应的权重,进而建立1个新的混合型组合预测模型.实例表明,本文模型能有效提高中长期负荷预测精度,而且优于基于熵或者单纯模糊软集理论的组合预测模型.     

中压真空断路器的模糊—证据理论在线状态评估模型

中压真空断路器在线状态评估是实施状态维修的基础。笔者提出一种中压真空断路器的模糊-DS证据理论在线状态评估模型,在分析真空断路器构造和常见故障基础上建立评估指标体系;依据模糊隶属度函数原理确定断路器各指标证据的基本信任分配;运用DS证据理论中的规则合成原理融合各指标证据,采用改进的Levre合成规则弥补DS规则合成存在的缺陷;然后基于置信度准则决策规则给出断路器的状态评估结论。实例证明该模型是正确和有效的。     

证据理论与模糊理论集成的XLPE电缆绝缘状态评估研究

为提高XLPE电缆的绝缘诊断精度,提出了多绝缘参数综合评估方法。针对D-S证据理论中各证据体可信度分配难以确定的问题,建立了证据理论与模糊理论集成的XLPE电缆绝缘状态综合评估模型。此模型将模糊理论中的模糊集合与隶属度函数概念引入证据理论,利用隶属度函数构造证据理论的合理信度函数分配。在此基础上,通过证据理论联合每个证据体的可信度从而形成最终的电缆绝缘状态评估结果。实例分析表明该模型可有效评估XLPE电缆的绝缘状态,具有一定的理论和实用价值。     

一种基于DS证据理论的电网故障诊断方法

提出的基于DS证据理论的电网故障诊断方法可解决由不知道所引起的不确定性.确立电网故障诊断的识别框架后,基于贝叶斯方法实现DS证据的表达,应用Dempster法则得到合成的信度函数,以此判断电网故障元件.基于Matlab编程实现了该算法,分析了单重故障且保护与断路器工作正常,单重故障伴有保护误动与断路器拒动,多重故障伴有保护、断路器误动与拒动三种典型故障情况.算例测试结果表明该方法能够有效地识别故障元件.     

一种基于DS证据理论的电网故障诊断方法

提出的基于DS证据理论的电网故障诊断方法可解决由不知道所引起的不确定性。确立电网故障诊断的识别框架后,基于贝叶斯方法实现Ds证据的表达,应用Dempster法则得到合成的信度函数,以此判断电网故障元件。基于Matlab编程实现了该算法,分析了单重故障且保护与断路器工作正常,单重故障伴有保护误动与断路器拒动,多重故障伴有保护、断路器误动与拒动三种典型故障情况。算例测试结果表明该方法能够有效地识别故障元件。     

D-S证据理论在凝汽器故障诊断中的应用

运用D-S证据理论将用不同模糊方法得出的诊断结果进行融合。试验证明，融合以后的结果比模糊方法得出的诊断结果误判率更低。运用D-S证据理论，可以减小因隶属度函数的不同而带来故障误判的可能性，从而更准确地判断故障原因。     

基于QPSO优化模糊—SVM的电站锅炉燃煤结渣特性预测

选取电站锅炉结渣的7个影响因素作为燃煤结渣特性的判断指标。将5种模糊隶属度函数与支持向量机结合,构成模糊—支持向量机(Support Vector Machine,SVM)模型,并采用量子粒子群算法分别优化隶属度函数的参数,以实际电站锅炉结渣数据作为训练样本对优化后的模型进行训练,并对给定的10组测试样本进行预测。实验结果表明,量子粒子群算法优化后的模型预测准确率显著提高。将5个优化后的模糊—SVM模型组成专家诊断系统,采取投票机制确定燃煤结渣程度,此方法的预测准确度更高,可信度更好。     

基于模糊理论与支持向量机的变压器故障诊断方法

针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-a-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法与k-折交叉验证方法结合对参数进行优化分析.故障诊断实例测试结果显示,该方法不仅克服了传统比值法中编码缺失、编码边界过于绝对的问题,诊断结果具有更高的准确率,而且也具有较好的适用性.     

基于支持向量机和DS证据理论的双馈风机定子匝间短路故障诊断

结合支持向量机(SVM)和D-S证据理论,搭建了扩展Park变换模型以及失电残压模型,从多元信息融合的角度进行定子匝间短路故障诊断。仿真证明,该方法可以有效提高故障诊断的精确度,从而减少误诊。     

克隆选择优化的SVM模拟电路故障诊断方法

对基于克隆选择算法的支持向量机(SVM)参数优化、及其在模拟电路故障诊断中的应用进行了深入研究,故障诊断实现步骤为:首先对电路的各种故障模式进行蒙特卡洛仿真分析,利用小波分解提取输出信号的各频段能量,进行归一化处理后得到故障特征样本;然后应用克隆选择算法进行SVM参数优化,并将选定的参数用于SVM的训练;最后采用训练好的SVM对故障样本进行分类,从而实现故障判定。论文以CTSV滤波电路和螺距反馈电路为诊断实例进行了实验验证,结果表明对容差模拟电路的故障定位具有较高的准确率。     

特征优化和模糊理论在变压器故障诊断中的应用

针对变压器故障特征与故障类型关系模糊造成的三比值法编码缺失、临界值判据缺损以及同时发生的多种故障难以区分问题,提出了基于特征优化和模糊理论的变压器故障诊断方法。将测量空间中的每种故障数据分别通过高斯核函数映射至希尔伯特空间,利用主成分分析法提取主元,以主元张成的特征子空间作为最优故障特征,据此构造该种故障下的故障测度隶属度函数,根据最大隶属度原则判断故障类型。特征子空间既保留了测量空间的故障特征,同时根据核理论维度拓展特点,又能生成更有效度量故障的新特征,从而建立最优故障特征与故障类型的一一对应关系。实例分析表明,该方法的准确率高,能够弥补三比值法的不足。通过比较故障数据对于每种故障的隶属度,能够获知诊断结果的可靠性,当多种故障同时发生时,诊断结果能够为维修人员提供有益参考。     

基于D-S证据理论的配电终端状态诊断

为满足配电系统精益化运维对二次设备状态检修的要求,提出了一种多源信息融合的配电终端状态诊断方法。通过分析配电终端的运行监测信息,提炼出三种方便采集的状态特征量,从而建立了配电终端状态诊断的证据体系。提出了基于相关系数的基本概率分配函数构造方法,为避免故障终端样本数量不足导致的训练偏差,利用基于专家经验的加权平均模糊隶属度代替相关系数完成实际计算。利用D-S证据理论合成规则实现多元信息融合,并根据基本概率分配决策准则来判断配电终端的状态。最后,对配电终端的状态诊断进行了实例分析,相关结果验证了所提方案的有效性。     

基于模糊FMEA分析的系统自动故障诊断方法

在缺乏历史数据统计的情况下,传统系统故障诊断方法无法进行自动诊断。对此提出了一套基于模糊FMEA分析的系统故障自动诊断的方法。该方法结合故障模式、影响及危害分析诊断模型,实现了基于不同观测数据的故障诊断,并在计算风险优先数(RPN)时引入模糊理论建模,通过灰色关联理论解模糊集得出故障危害程度的模糊风险优先数(FRPN),达到了在缺乏统计数据的情况下将专家经验融入评价模型的目的。以计量自动化系统故障(异常)智能化自诊断系统作为分析案例,通过对比仿真计算与实际运行一年的风险优先数验证了方法的可行性。     

基于D-S证据理论的短期风速预测模型

提出一种基于D-S证据理论的短期风速组合预测模型.分别采用时间序列、BP神经网络和支持向量机预测模型对风速进行预测,通过对预测误差的分析,借助D-S证据理论对3种模型进行融合.选取待测日前凡日的风速数据作为融合样本,计算出相应的基本信任分配函数,同时将函数进行融合,并将融合结果作为风速预测模型的权重,得到待预测日的风速预测结果.仿真结果表明,所提组合预测模型的预测误差更小,效果更好.     

基于改进SVM的纳税评估和预测

目前进行纳税评估和预测工作主要依赖于纳税评估人员的人工判别和分析,这样导致税务评估人员工作量较大,而且所得的评估结果也不准确。为了解决这一问题,提出了基于 Adaboost-PSO-SVM的纳税评估模型。利用PSO优化 SVM弱分类器,再用 Adaboost将多个PSO-SVM组合成为强分类器进行纳税评估。实验结果表明在纳税评估方面,相比于单个 SVM弱分类器,Adaboost-PSO-SVM强分类器的准确率由94%提高到了99%。在纳税评估的基础上,利用 SVM回归机实现对纳税数据变化趋势和变化空间的预测,结果表明包含纳税评估结果的预测模型的预测效果更好。