基于改进证据理论的齿轮泵故障诊断方法研究

针对多源传感器信息的不确定性,提出了一种基于改进证据理论的故障诊断方法.首先定义了证据向量的夹角余弦,提出了冲突证据判定法则,对证据进行冲突性判定;然后建立二级鲁棒融合策略,通过RBF神经网络进行特征层融合,经过训练产生初始证据,应用冲突证据判定法则找出冲突证据并利用相似度对其进行局部修正;最后对证据进行融合和诊断.通过齿轮泵振动试验,将此方法与神经网络、传统证据理论和其他代表性改进方法的诊断结果进行对比,验证了新方法和融合策略的有效性.     

证据熵在旋转机械故障诊断中的应用

针对旋转机械故障诊断中利用证据理论进行多征兆域融合时各证据的重要性不同,提出利用证据熵来评价各证据的重要性,即各证据在融合过程中的权重。对得出的证据进行加权调整,用D-S组合规则对加权调整后的证据进行融合获得最终的诊断结果。实例分析结果表明,这种方法可以用来评价证据的重要性,且由于其在进行融合时减少了证据间的冲突,所以该方法能够在旋转机械故障诊断应用中取得较好的效果。     

基于置信度的Inagaki证据融合方法

针对D-S证据理论在实际应用中出现的融合冲突的问题,提出了一种基于置信度的Inagaki证据融合方法,在合成框架和证据源的修正两个方面提出了新的方法。在改进的Inagaki融合框架基础上,基于Pignistic概率距离进行权重分配及证据修正,有效解决了融合冲突问题。在证据源逐次增加的情况下进行合成实验,数值实验表明了该方法的有效性。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

多源信息的加权证据理论融合识别方法

为了有效融合待识别系统的多源证据信息,提高模式识别的准确性,提出了一种多源证据信息加权融合的模式识别方法。该方法基于不同来源证据对辨识框架中各命题识别具有不同可靠性这一事实,将各证据对各命题识别的正确率转换成加权系数,通过研究证据理论的加权改进,构建加权融合的识别体系,保证各证据在模式识别过程中存在的不确定性经过融合后能够最大限度削弱,从而从理论上降低了模式识别的不确定性。实例分析表明,多源信息加权融合后的识别结果可信度明显增大、识别正确率显著提高,充分验证了该融合识别方法能够有效提高模式识别的准确性。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于遗传算法和加权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,提出了一种基于遗传算法的加权平衡证据调整方法。该方法利用遗传算法来确定最优化的或者近似最优化的权重系数,然后依据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,采用了信息融合方法的结构多损伤定位,可以产生比单一信息源更精确、更完全的估计和判决,而基于遗传算法的加权平衡证据调整方法具有更好的对多损伤定位的识别能力,优于基本D-S证据组合方法以及其他加权证据组合方法。     

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题.最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性.     

基于改进证据理论的齿轮泵故障诊断方法研究

针对齿轮泵早期故障信号的不确定性,提出了一种基于改进证据理论的故障诊断方法。首先改进了证据理论,提出了基于特征参数灰色关联分析的基本概率赋值函数生成方法,解决了证据理论在故障诊断中原始证据生成问题;其次,定义了证据之间的夹角余弦,利用冲突证据判据对原始证据进行冲突性检验,对于冲突证据通过可信度进行局部修正,保留可信证据。最后对修正后的证据进行融合。多传感器振动特征融合实验结果验证了改进方法具有较高的诊断正确性。     

基于SVM和证据理论的多数据融合故障诊断方法

针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。     

信息融合技术在托辊轴承故障诊断中的应用

将信息融合技术引入矿用输送机托辊轴承故障诊断中,通过对托辊轴承故障特征信息的提取,利用神经网络技术和Dempster-Shafer证据理论对其进行数据融合,实现对托辊轴承故障的融合诊断,并结合示例进行了详细论述。     

D-S证据理论在火灾探测中的应用

将多传感器信息融合技术引用到火灾探测领域，介绍了基于D-S证据理论的多传感器多个测量周期的信息融合（时空信息融合）的方法，并将该方法应用于多个火灾探测器的信息融合。模拟实验结果表明，与单个传感器相比，基于D-S证据理论的多传感器时空信息融合的结果具有较高的准确度和可信度。     

基于改进证据理论的大型制造装备故障诊断

针对大型制造装备故障诊断中存在的高冲突证据问题,提出了一种改进的信息融合故障诊断方法。该算法通过各条证据可信度获得平均信任度,利用各证据的相对距离构造一个反映冲突强度的动态权重参数。为了使各条证据更能客观地反映装备的故障特性,利用模式之间的相似度获取证据的mass函数。仿真实验结果表明,该算法可以有效减少证据间的冲突,对大型制造设备故障诊断较高的识别率显示了该方法较好的实用价值。     

用证据理论实现机器人多感觉信息的融合

阐述了基于Ｄ－ Ｓ证据理论的多传感器信息融合算法,提出一种基于Ｄ－ Ｓ理论的推广方法以解决融合信息的相关性问题。用机器人的力觉和热觉传感器作实验,对目标物体进行了分类识别     

改进的D—S数据融合方法在车辆目标识别中的应用研究

为了解决车辆目标识别的数据融合问题,本文引入了Dempsgter-Shafer证据理论方法作为数据融合方法,并提出了时空数据融合的思想,把D－S方法与时空数据融合的思想相结合,得到了时间域、空间域和时空域D－S数据融合的方法,并用于目标识别中,通过实验得以经过融合后的识别结果比单传感器的识别结果要好,证明了上述方法的有效性。     

数据融合技术在声全息测量中的应用

提出了基于神经网络和证据理论的数据融合技术。首先,根据声全息的测量原理,建立了由传感器子网和融合子网组成的数据融合模型。接着,给出了基于神经网络的传感器子网结构,实现了从目标特征参数到目标类型的映射,得到初步的输出结果。然后,采用证据理论将目标信息融合起来,达到对目标的有效识别得到最后的识别结果。最后,给出了数据融合技术应用于声全息法识别声源的实例计算。实验结果表明:数据融合后的声源识别率为94.2%,比融合前提高了11.7%。该技术减小了由于信息量不足或存在较大偶然误差而带来的不利影响,使声源的识别结果更可靠。     

基于信息融合技术的旋转机械故障诊断

简要介绍了多传感器信息融合技术，并结合旋转机械振动故障诊断系统的要求与特点，探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功能相对应，提出了旋转机械振动故障诊断的信息融合模型。神经网络和证据理论相结合应用于故障诊断的新方法，提高了故障诊断系统的灵活性、效率和准确性。     

A study on the neutron monitoring system of LHD based on Monte Carlo simulations

Neutron monitoring is quite important because fusion neutrons are a direct evidence of fusion reactions. In calibration experiments of a neutron monitoring system, Monte Carlo calculations play an important role to correct various effects. To perform Monte Carlo calculations for a helical type fusion device, we make a program that can automatically generate an input file of a helical coil geometry for the MCNP code. The neutron spatial distributions and spectra for the helical devices are calculated in the geometries automatically generated by this program. We also discuss in calibration experiments.     

基于信息熵与信息融合的供输弹系统故障诊断研究

针对供输弹系统早期故障微弱特征难以提取等问题,提出了信息熵与信息融合的故障诊断方法。将经过降噪预处理后的信号提取样本熵作为特征参量,经Elman神经网络初步诊断,将其输出值归一化后作为证据体的基本概率分配,采用一种基于证据关联系数加权平均融合模型,最终得到决策级融合的诊断结果。结果表明:该方法能有效对供输弹系统故障进行诊断,诊断正确率高达93.71%。     

移动机器人多传感器信息融合技术综述

阐述了当前在移动机器人领域常用的几种多传感器融合方法,介绍了移动机器人常用的传感器配置及所用的融合算法。对D-S证据理论、卡尔曼滤波、神经网络与模糊推理信息融合方法优缺点进行了对比分析。