证据理论结合灰色神经网络混合识别方法在苏通长江大桥状态预测中的应用

为解决千米级斜拉桥在施工过程中由于观测噪声及初始构件误差等因素影响下的结构响应预测问题,提出了D-S证据理论与灰色神经网络结合的混合识别方法。融合后的混合识别方法,在数据不完备的情况下,具有良好的预测功能。根据实际结构识别结果验证了方法的有效性和准确性,分析并比较了本文方法与传统识别方法的结果。实践研究表明,参数预测的D-S证据理论与灰色神经网络混合识别方法能够显著改善传统方法的识别准确性问题。     

基于改进证据理论的故障诊断方法研究及应用

针对传感器证据信息全局修正针对性不强及冲突证据无法判别等问题,提出基于改进证据理论的故障诊断方法。利用冲突证据判据判断可信证据与冲突证据,保留可信证据,通过可信度对冲突证据进行针对性修正。该判断及局部修正可降低传感器证据信息的不确定性,并减弱冲突信息对合成结果影响。结合神经网络建立特征空间到证据空间的映射,有效利用网络输出结果,通过信息熵构建原始证据。将所有证据用改进D-S公式合成。通过齿轮泵早期故障试验,与神经网络及其它证据合成方法对比表明,该方法诊断精度较高,从而验证了融合方法的有效性。     

基于粗糙集的证据合成方法

提出一种基于粗糙集的证据合成方法,有效的解决证据理论在信息融合中组合证据无权重的问题,并对此方法在人脸识别中的应用做分析。     

基于改进加权D-S信息融合的结构多损伤位置识别

将信息融合技术中的D-S证据融合理论应用于结构的多损伤定位问题,为了解决证据融合理论中的不同证据应具有不同的重要性的问题,提出了一种新的加权证据调整的方法。这种方法利用加权平均值和优先权的证据分布形态对证据进行了加权调整,调整后的证据保证了加权平均值不变以及优先权证据分布形态的稳定。仿真结果表明,采用了证据融合方法的多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,而基于改进加权证据融合技术具有更好的对多损伤定位的识别,优于基本D-S证据组合方法以及其它加权证据组合方法。     

基于动态贝叶斯网络与DS证据理论的轧机颤振监测方法

提出了基于动态贝叶斯网络和DS(Dempster/Shafer)证据理论的轧机颤振实时监测方法,该方法预选多个时域和频域的特征参数表征轧机不同工况下振动信号的不同特征,利用稳定判别率方法筛选敏感度高的特征参数;使用动态贝叶斯网络与DS证据理论实时监测模型建立轧机颤振状态实时监测系统,构建连续的速度载荷时间片,将3个连续的速度载荷时间片作为DS证据理论的证据体,给出了优化基本概率分配的信任度方法,解决了DS证据理论的证据体间冲突问题;最后在轧机实验平台进行实验,诊断结果表明：该方法对轧机颤振不同状态的识别率达到99.05%。     

基于D-S证据理论的结构多精度损伤识别结果融合方法

在结构的损伤检测中，由于传感器数目、测试噪声等因素，限制了结构损伤检测与识别的能力。不同的损伤识别方法在检测过程中识别的精度不同，使用单一的损伤检测识别方法所获得的信息是不全面的。将Dempster-Sharer证据理论应用于结构的损伤识别中，将各种识别不同精度的检测方法融合，使最终识别的结果更为可靠、精确。通过对钢梁结构损伤识别的模拟计算，验证了D—S证据理论在融合多种不同精度损伤识别方法中的有效性。     

红外小目标的证据理论识别方法

提出了一种红外序列图像中小目标的Dempster-Shafer(DS)证据理论识别方法。DS证据理论在图像融合中存在两个实际问题:一是经典的DS证据理论组合算子在处理高冲突信息时会产生违反常理的结果,二是如何将图像特征转化为证据理论中各个命题的基本概率指派。针对这两个问题,引入证据距离,改进证据组合公式,解决了高冲突证据下的信息融合问题,保证了融合算法的可靠性;运用模糊逻辑,求出了图像中各像素隶属于目标的基本概率指派。对实际的红外序列图像运用改进的公式进行像素级融合,并根据最大概率准则确定出图像中的小目标。实验结果表明,新方法更为有效、可靠,识别错误率可降低到6.14%。     

未确知性信息的证据理论合成及其应用

针对在装备管理中所采用的专家评估法存在着未确知性现象，提出了一种基于D-S证据合成理论来融合未确知性信息的方法。从而，将每名专家的意见综合为专家组的一致意见，使评估结果更合理。最后，通过实例说明该方法的有效性。     

基于多源信息的高速列车走行部故障识别方法

针对高速列车安全性能跟踪监测点多、监测数据量大而导致的走行部故障识别难的问题,提出了一种基于模糊证据理论的多特征、多源信息融合的走行部故障识别方法。首先根据不同传感器信息的某类特征属于不同故障模式下的隶属度间的差异来计算传感器间的信息融合度,利用融合度来确定不同传感器在融合中的权重,从而得到同类特征不同传感器间信息融合后的隶属度;然后由融合后的隶属度转化为基本概率分配函数;最后用证据理论对不同特征间信息进行融合。实验结果表明,该方法能有效地识别列车正常、空气弹簧失气、抗蛇形减震器全拆、横向减震器全拆四种情况,同时在不同速度下均取得了满意的识别率,验证了该方法的有效性。     

基于DSmT与小波网络的齿轮箱早期故障融合诊断

针对齿轮箱早期故障特征十分微弱难以有效辨识问题,提出基于DSmT理论与小波神经网络的齿轮箱早期故障融合诊断模型。利用多个振动传感器合理布置在齿轮箱的多个关键部位采集多源振动信息并进行特征提取;利用多个并联小波神经网络实现齿轮箱早期故障的初级诊断获得彼此独立的多个证据;利用DSmT理论对多个独立证据进行融合决策得出齿轮箱的最终诊断结论。DSmT理论克服了传统DST证据理论的局限性,小波神经网络实现多源证据信度分配的客观化。诊断实验结果表明,该方法能有效提高齿轮箱早期故障特征的辨识精度、降低诊断的不确定性。     

基于改进的D-S证据理论在设备故障诊断中的应用

多传感器、多手段检测的信息融合技术在设备检测中的应用日益广泛,而常用的基于D-S证据理论的融合技术除了没有给出可信度的分配方法外,融合结果上还有很多不足之处。探讨了可信度的分配问题,提出了几种改进的融合方法,较好地解决了证据冲突时的否定性、积化性和敏感性问题。     

基于损伤敏感指标的斜拉桥结构损伤定位研究

研究斜拉桥结构的损伤位置识别问题。首先根据斜拉桥结构的受力特点,将其视为由斜拉索、主梁以及索塔组成的组合结构,对于斜拉索和主梁分别提出了广义模态应变能指标、位移灰关联指标以及索力变异指标等多种损伤敏感指标,并就观测噪声水平和损伤程度耦合影响下各损伤敏感指标的定位效果进行了系统研究。为提高存在观测噪声条件下损伤识别的可靠性和准确性,将证据理论引入损伤位置判别的决策过程,提出了基于多源损伤证据的损伤定位方法,实现了基于多源损伤信息的损伤定位。通过算例验证了所提出方法的有效性和优越性。     

基于证据理论的结构损伤识别研究

基于多源损伤信息可以有效解决由多种不确定性所导致的损伤误判问题。将证据理论作为理论基础，研究基于多源信息的损伤识别方法。为了充分体现不同证据在重要性、可靠性方面的差异，在考虑实际损伤识别过程的基础上，提出了基于先验和后验可靠性联合校正的证据合成方法。损伤识别试验研究表明，所提出的证据合成方法优于经典的D—S合成法则；相对于传统的基于单一损伤信息的损伤识别而言，基于多源损伤信息能够有效降低损伤误判的可能性，获得准确性、鲁棒性更好的损伤识别结果。     

基于数据融合的结构损伤识别方法研究

为提高结构损伤识别的准确率,在大型复杂土木工程结构的健康监测中引入多传感器数据融合技术,提出了基于数据融合技术的结构损伤识别方法的实用模型,建立了结构损伤识别方法的评价指标,并通过钢筋混凝土板试验分析了常用的数据融合方法——Bayes方法和D-S证据理论的有效性。分析结果表明:采用数据融合技术,结构损伤识别方法的评价指数更高,即结构损伤识别的效果更好。     

改进证据理论及其在电力系统故障诊断中的应用

 针对D-S证据理论中高度冲突的证据难以融合的问题,提出一种基于海明距离的证据合成规则.首先根据冲突系数的大小判断证据冲突程度,利用海明距离确定的相似度区分每条证据,并赋予权重,然后对原始基本信度分配函数进行重新分配,最终得到更加合理的合成结果.将该数据融合方法用于电力系统的故障诊断实例中,表明该方法合理有效,计算结果更符合实际.     

多准则模糊关联的机械产品关键元动作识别

关键零件作为复杂机械产品的核心，对实现产品功能具有重要作用。然而，产品中零件数目庞大且具有耦合关系，导致识别关键零件十分困难。为实现产品关键单元的识别，从元动作出发，提出了一种面向复杂机械产品的多准则模糊关联综合评价的关键元动作识别方法。首先，利用“功能—运动—动作（fuction?montion?action， FMA）”的分解方法将复杂机械产品分解至最小运动单元——元动作；其次，基于不同元动作之间的运动和结构关系建立三角模糊评价矩阵，将证据理论与模糊关系结合，提出了模糊证据理论算法，实现了元动作之间不同关联信息的融合，解决了元动作之间信息模糊或缺失的问题，并在此基础上利用三角模糊数可能度关系的指标权重确定方法实现对元动作重要度的排序；最后，以国产某型号数控加工中心的转台为例，验证了该方法的合理性与有效性。研究表明：FMA分解方法从运动角度出发，可以简化整机的分解过程，有效表征产品零件的运动关系；从元动作的结构和运动关系分析元动作之间的相关性可以更好地研究元动作之间的耦合性；将证据理论带入模糊关系中进行不同元动作之间的关联信息融合，可以解决信息模糊问题。通过对元动作重要度的排序识别关键元动作，为后续对元动作单元的研究奠定了基础。     

基于油气管道可靠性分析的冲突证据处理研究

该文阐述了故障树模糊分析法,即在引入了相关证据冲突情况下的证据合成法则,建立证据冲突情况下基于故障树的油气管道失效概率计算模型。研究结果表明,D-S证据理论奠定了多专家信息融合的基础,可以令专家组的综合判断结果更接近真实情况。运用D-S证据理论可以解决专家组对同一事件出现判断冲突的问题,从而避免了专家评判结果的片面性,达到统一评判结果的目的。运用基于故障树的油气管道失效概率计算模型整合多位专家的评判信息,可以避免权重分配,实现结果的同等性。     

惯性导航系统故障诊断的不确定性问题研究

针对构造惯性导航系统故障诊断所面临的确定性和不确定性问题，提出了基于模糊集理论的诊断方法，并给出诊断系统自动获得不确定性语气和确定性证据隶属度的方法及函数，认为对于确定性语气和不确定性证据可以用统一的方法和原则来处理，并建立了两类语气的实用数学模型。     

结构固有频率不确定分析的证据理论方法

结构参数的不确定性导致结构固有频率的不确定性。针对结构动力特性分析中存在的认知不确定,提出一种基于证据理论的不确定量化及灵敏度分析方法。利用证据理论刻画结构参数(如材料属性、几何特征、荷载分布)的不确定性。将基于优化算法的区间分析策略应用于不确定结构的模态分析,研究了结构参数中认知不确定对结构固有频率的影响。提出基于焦元区间变化比的敏感性分析框架判别不确定结构参数对结构固有频率的重要程度。最后,通过一个平面桁架的动力特性分析,验证了所提方法的适用性和有效性。     

An information fusion and decision method based on belief-discount and probability ranking of focal elements

针对基于贝叶斯推理的定位方法难于获取节点位置先验信息的问题,提出了一种应用于室内定位的Dempster-Shafer信息融合与决策方法.采用Pignistic概率反映接入点证据在焦元信度分配上的冲突并根据冲突程度对信度打折,从而实现对冲突证据的预处理.通过合成预处理后的证据可消除定位过程中出现的一票否决和Zadeh悖论现象.根据焦元各自信任区间确定的分布函数,分别计算两焦元信度在整个信任区间上降序排列的概率,并将其作为在信任区间发生重叠的焦元间进行决策的依据.算例结果表明,上述方法对冲突证据的合成更加符合证据理论的本质,且收敛速度快,决策风险低.