基于证据理论的电子装备故障诊断

基于证据理论的电子装备故障诊断,采用信任函数作为不确定性度量工具.首先建立基本概率赋值,然后计算信任函数,最后按照一定的组合规则作出决策.其运用信度函数表达概率大小,通过多诊断设备测试被诊断对象,得出属于各类故障的信度函数.再利用组合规则进行信息融合,得到融合后症状分别属于各类故障的信度函数.最后确定故障类型.     

证据理论的研究

当前证据理论的算法实现途径包括G-S算法、近似计算及修改D-S方法.G-S算法在层次假设空间中使用一种贝叶斯形式进行推理,以达到简化计算量的目的.近似计算,即通过减少置信函数的焦元的个数简化计算.修正的D-S方法则结合了前两类算法的优点,利用包含在先验概率分布中的信息,通过定义模糊集合的"包含度"和"相关度"实现,并将置信函数重新定义.     

冲突证据融合算法性能分析

针对D-S证据理论在处理冲突证据时存在的不足,对不同冲突证据融合算法的性能进行分析。仿真结果表明,Yager算法无法有效处理冲突问题。孙全和Murphy理论主要利用加心策略的可靠性解决冲突证据的融合问题,收敛性差。而邓勇算法采用的加性策略在加性合成同时,引入证据距离函数以得到各证据的可信度作为权值对证据进行加性合成,因此收敛性优于孙全和Murphy算法。关欣算法先对冲突证据进行合理修正,消除证据间冲突,再采用D-S算法进行合成,但该算法证据的冲突由敌方干扰引起,具有一定局限性。     

一种新的处理冲突证据的方法

D-S证据理论可以有效的处理不确定信息,是有效的信息融合方法之一.但在证据高度冲突时,因其归一化过程会产生有悖常理的结果.基于此,提出了一种新的证据合成方法.首先采用加性策略对命题进行排序,找出证据支持最大的几个命题,然后对其进行冲突检验及修正,再利用PCR5规则实现信息融合.与其它方法相比,新方法在系统提供的证据高度冲突时仍然能够有效快速的识别出目标.     

基于改进 D-S 证据理论的海上信息融合方法

针对经典D-S证据理论在实际海上态势分析中对高冲突的证据融合结果准确性较低的问题,提出一种改进D-S证据理论的数据融合方法.通过基于万有引力定律的证据距离公式来衡量证据之间的冲突程度,将冲突较大的融合结果赋予较小的权重,并通过海上武器识别案例进行融合.结果表明,该方法证据冲突越明显,优势越大;证据之间冲突较小时,其融合结果和经典D-S证据理论一致,并具有更高的准确度和稳定性.     

P 距离确定信息量的证据合成方法

针对D-S证据理论在对高度冲突的证据进行融合时可能出现与直觉相悖的情况,在对一些经典改进方法分析的基础上,提出一种基于P距离确定信息量的证据合成方法。在保证各证据之间冲突整体最小的情况下,建立证据权重分配模型,利用遗传算法求出权值,根据权值确定各证据的可取信息量,对基本概率分配函数进行转化。实例分析表明,改进的D-S算法具有抗干扰能力强和决策风险低等特点,能提高证据组合结果的可信性。     

基于D-S证据理论的预警卫星探测效能评估方法

为减少预警探测卫星探测效能评估中的不确定性,弥补模糊层次分析法等传统评估方法在处理不确定问题上的不足,提出了一种基于D-S证据理论(Dempster-Shafer证据理论)的效能评估方法.该方法将评估指标和评估信息看作是D-S证据理论中的焦元和证据源,再利用Dempster聚合规则进行聚合.结果表明:此方法比传统的模糊AHP法具有更强的处理不确定性信息的能力,可以提高评估的精度.     

一种新的度量证据相似性测度方法

当证据强冲突时,D-S证据理论会因其归一化过程产生与常理相悖的结果.针对该问题,通过引入相似性测度,对证据源进行特征提取,提出了基于证据相似性测度的目标识别方法.仿真实验表明在传感器受干扰时新方法比别的方法能更快的识别出目标,并且提高了合成证据的可靠性和合理性.     

基于改进D S 理论在无人化武器系统信息融合中的应用

针对无人化武器系统多传感器数据之间存在的信息融合问题,提出一种将AHP法和D-S证据理论相结合的无人化武器系统信息融合算法。根据多个传感器信息融合时所在环境条件对各传感器精确程度的影响,通过AHP法确定在多个传感器基本概率赋值中各传感器的权值,并利用D-S证据理论进行改进,实现了目标识别。实例分析结果证明:改进后的识别结果明显优于传统D-S证据理论的识别结果,在一定程度上改善了目标识别系统的性能。     

干扰情况下单传感器的数据融合算法

针对D-S证据理论在处理冲突证据时存在的不足,提出了一种改进的单传感器被干扰情况下的数据融合算法。该算法首先采用加性策略对原证据集进行处理,消除冲突,然后利用D-S证据理论的合成公式进行融合,得到最终合成结果。最后进行仿真试验,仿真试验结果说明该算法能有效地排除干扰,得出符合实际的合成结果。     

基于D-S证据理论信息融合的故障诊断方法

对证据推理理论用于故障诊断识别进行了论述和仿真。介绍了证据理论的相关重要概念,给出了一种常用构造基本概率赋值函数的方法以及分类规则的选取。应用D-S证据理论方法对系统进行故障分析,首先要解决的问题是要分析系统识别框架和故障特征向量的构造。以航空电源某故障为例,进行了诊断识别仿真和对比实验,验证了证据推理用于故障诊断的可行性。仿真结果表明,将证据推理方法应用于航空电源状态监测和故障诊断中,可大幅度提高故障诊断的准确性和置信度。     

D-S证据理论信息融合方法在目标识别中的应用

研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中．其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法，并将它应用于辐射源型号识别，仿真实验结果验证了这一方法的正确性和有效性。     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

基于证据网络的舰艇编队超视距反导态势评估

根据舰艇编队超视距反导作战的具体技、战术特点以及影响态势评估的相关因素,构建了超视距反导作战态势评估模型。利用基于VBS及D-S证据理论的证据网络模型对所构建的态势评估模型进行推理,并利用Pignistic变换将信度测度转换为概率测度,且引入了一种对证据网络中事件节点进行基本信度分配的方法。仿真结果表明,该方法能够准确地对超视距反导态势进行评估,具备较强的实战应用价值。     

基于目标识别的D-S数据融合

目标识别是雷达信号处理的重要组成部分．详细地阐明了D—S证据理论的决策方法，重点研究了D—S证据理论应用于目标识别的方法．通过实例分析，指出了将D—S证据理论应用于目标识别具有实际应用前景。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法,从故障征兆空间提取信号,再将信息向子模糊神经网络分配;诊断模块中的子模糊神经网络为并联结构,分别从故障发生的不同侧面进行诊断;输出结果经归一化处理,满足基本可信度分配函数的条件。最后进行信息融合,即得到最终故障诊断结果。经算例证明,该方法可靠、有效。