电子部件故障诊断的Dempster-Shafer信息融合算法

针对电路故障元件诊断的不确定性问题,给出了光电雷达电子部件故障定位的多传感器Dempster-Shafer(DS)信息融合方法.通过测试电路中的被诊断元件的工作温度和工作电压,得出了DS证据理论中两传感器对各待诊断元件的信度函数分配,再分别利用利用模糊规则和DS联合规则得到融合后的信度函数分配,从而确定故障元件.单传感器诊断与融合诊断的结果比较说明多传感器融合算法具有较高的准确性,而模糊融合算法与DS算法的结果比较则说明DS算法在故障诊断方面更具有优越性.     

基于D-S融合的电子电路故障诊断研究

根据电子电路故障元件诊断的不确定性问题,给出了多传感器D-S信息融合实现电路故障诊断的方法。通过检测电路工作时电子元件的温度和关键点电压两方面数据信息,得出两传感器对各待诊断元件的信度函数分配。再利用D-S联合规则结合模糊逻辑理论,得到融合后的信度函数分配,从而确定故障元件。实验结果说明:多传感器融合算法具有较高的准确率。     

应用决策层信息融合的模拟电路故障诊断实现

研究了基于多类电量测试信息及其多诊断方法融合的模拟电路故障诊断。获取可及节点电压,运用K故障诊断法进行故障在线检测与初步定位,再离线测量电路在不同的测试频率下输出对输入的增益,运用最小标准差法进行诊断。由所提故障隶属函数得到基于各类测试信息的元件故障隶属度,以此计算D-S证据理论中各传感器的信度函数分配,再运用D—S合成法则实现融合诊断。模拟实验结果表明：所提融合诊断方法大大提高了故障定位的准确率。     

基于D—S证据理论的空分设备故障诊断研究

根据空分设备故障诊断的复杂性,采用D—S证据理论实现空分设备的故障诊断。文中以空分设备中的主换热器为例,通过采集主换热器发生故障时的相关传感器的数据信息,得出各传感器对主换热器各故障模式的信度函数分配,通过D—S证据理论的合成公式进行数据融合,从而确定主换热器的故障模式。实验结果表明：基于多传感器的数据融合算法在故障诊断方面具有较高的准确率。     

运用信息融合的电路故障诊断方法研究

针对采用传统故障诊断方法进行电子电路故障元件诊断存在不确定性问题,从DS证据理论的基本概念和证据的融合推理方法出发,提出了采用多信息融合进行电路故障诊断的新方法.该方法通过测量待诊断电路中元件的工作温度、电压这两个参数,获取传感器对待诊断元件的信度函数,然后利用DS联合规则得出融合信度函数,进而确定故障元件.故障诊断实例的结果表明,诊断结论的可信度明显提高,不确定性明显减小,该诊断方法较传统方法更准确有效.     

木材干燥窑内判断传感器有效状态方法的研究

为了判断传感器的有效工作状态,提出了基于D-S证据理论和CMAC神经网络的信息融合方法。利用传感器在空间和时间上的冗余或互补信息,依据D—S证据理论,消除故障检测、诊断中的不确定性。采用模块化的小脑模型识别网络建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D—S证据理论确定基本信任分配函数的困难和因输入参数改变影响信任分配函数构建的问题。仿真结果表明：该方法可以对木材干燥过程中传感器工作状态进行有效诊断。     

数据融合方法在火灾监测系统中的应用

设计了基于1-WIRE总线的火灾监测系统,采用温度、烟雾、红外传感器进行火灾检测。在数据处理方法上,首先应用模糊数学中隶属函数的概念产生各个传感器的信度函数分配,再利用D S证据理论方法对多个传感器进行数据融合,利用目标模式的判定规则对火灾的有无进行判断,较单个传感器相比,多传感器数据融合的结果具有较高的准确度和可信度。     

基于隶属度和D-S理论的雷达目标识别方法

研究了D—S证据理论在雷达目标识别中的应用。D—S推理的关键问题是基本概率赋值函数的构造。针对目标识别中的不确定信息，本文引入了观测样本的模糊隶属度函数，求得单个传感器对目标的相关系数，进而给出该传感器对于识别框架的基本概率赋值．再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果证明了该方法的正确性和有效性。     

基于信息融合的柴油机故障诊断技术

针对传统柴油机故障诊断方法诊断准确率不高的问题，提出了一种多传感器信息融合的方法，将模糊神经网络与D—S证据理论结合起来，使两者优势互补；通过简化网络结构提高局部诊断网络的诊断能力，并使证据理论的基本可信度分配不再完全依赖专家进行的主观化赋值，实现赋值的客观化；通过建立的多传感器信息融合系统对柴油机的故障进行识别，使不同的信息源相互补充，很好地建立故障与征兆之间的定量映射关系，获得对故障状态的最优估计和判决。     

应用模糊数据融合实现电子电路的故障诊断

本针模糊数据融合技术引入电子电路故障诊断之中，通过测试电子电路中的被诊断元件的工作温度和工作电压两个物理量，得出两传感器对各待诊断元件的故障隶属度，在对隶属度值进行数据融合的基础上，确定故障元件，并通过单传感器诊断结果与融合诊断结果比较，说明多传器融合的优越性。     

两级数据融合算法在木材干燥过程中的应用

本文提出了一种基于RBF神经网络和证据理论的两级数据融合方法。利用RBF神经网络实现特征层数据融合,建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D-S证据理论确定基本信任分配函数困难的问题。基于D-S证据理论的传感器故障诊断方法的研究,可有效地判断工业现场传感器的工作状态。实验结果表明该方法可正确定位并准确分离出木材含水率检测系统中失效传感器。     

基于异类信息融合的模拟电路故障诊断方法

针对模拟电路故障诊断中存在的可测节点电压信息不足、单一信息不能表征所有故障状态等问题,提出了一种基于神经网络和D-S证据理论的模拟电路异类信息融合故障诊断方法.该方法首先提取两类故障信息并分别将其输入不同的神经网络对其进行初步诊断,并得到各自的诊断结果,然后根据初步诊断结果,运用D-S证据理论对其进行融合,做出最终决策.     

基于可传递置信模型的模拟电路融合诊断方法研究

本文提出了一种有效的基于可转移置信模型的模拟电路故障融合诊断方法,解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容等问题。该法首先采用所提出的电路温度故障信息的提取规则,将获得的温度故障信息输入隶属度函数进行故障预识别,再结合基于可测点电压神经网络故障预识别结果,利用可传递置信模型进行电路融合诊断。通过具体电路实验仿真,表明了该方法的有效性,提高了模拟电路融合诊断准确率。     

基于D-S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。     

基于多传感器数据融合技术的电子设备故障诊断

针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。