奇异点和隐马尔可夫模型融合的指纹分类

为了提高分类精度,提出一种基于奇异点和隐马尔可夫模型(HMM)融合的指纹分类方法.分别对基于奇异点的指纹分类方法和基于HMM的指纹分类方法的信任度函数进行分配,利用证据理论求得两种方法联合作用下的基本可信度分配值.最后,根据纹形模式判定规则.选择具有最大支持度的目标完成指纹纹型分类.利用提出的方法在国际指纹竞赛数据库上做了测试,总的纹型辨识平均正确率可达94.5%,识别结果优于奇异点分类方法和HMM分类方法,具有一定的实用价值.     

基于D-S证据理论的多指纹数据融合

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题.提出将数据融合技术应用于指纹识别中.采用验证性的识别方法及离散性的特征提取手段,运用D-S证据理论,给出一个多指纹图像融合的辨识框架,计算幂集元素的逻辑,得到多指纹融合的可信度,由此来辨别身份的真伪.通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性.可广泛应用于刑侦、金融等对安全有严格要求的领域.     

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。     

基于数据融合技术的发动机磨损模式识别方法

针对单一的智能模型在发动机磨损模式识别中的局限性,提出了一种基于数据融合技术的多模型磨损模式识别方法。它利用模糊优选模型、神经网络模型和灰色关联度模型等3种单一智能模型的识别结果作为信息源,经D-S证据理论对其进行融合得到最终识别结果。实际计算表明,该模型具有良好的通用性、适应性和容错性,比单一的智能模型具有更好的识别效果。     

基于D_S证据理论和模糊数学的多传感器数据融合算法

本文提出了一种基于模糊数学和 D- S证据理论的多传感器数据融合技术的故障诊断系统 ,该系统选用以决策层为主、特征层为辅的方法。通过比较基于多传感器数据融合进行故障诊断的结果与单传感器进行故障诊断的结果 ,说明了此种算法的优越性 ,它避免了单一传感器的局限性 ,减少了各传感器不确定的影响。     

基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

基于Radon方向场检测指纹奇异点

为了快速、准确地检测与定位指纹奇异点(核心点、三角点)以实现指纹分类与匹配,本文引入了Radon算子来提取指纹的纹理方向特征以实现指纹方向场的分割。提出了方向熵的概念来描述方向场的分布特征,给出了基于方向熵的奇异点区域搜索方法。定义了方向密度函数以衡量奇异点搜索的优劣,指导奇异点侦测的方向熵阈值调整。最终实现了对奇异点的准确定位,准确率达到83%。跟同类算法分析比较,提出的方法在准确性与检测效率方面均更具优势。抗噪实验还表明该方法具有良好的抗干扰能力与实用性,能满足实际应用要求。     

基于时空预处理DS证据的同质传感器数据融合

针对多个传感器数据融合时,融合结果受异常和噪声影响,并且容易丢失局部环境特征的问题,提出一种基于时空预处理的DS证据方法.首先,通过设计的空间和时间一致性指标剔除可疑异常数据,并采用区域熵捕获特征数据;然后,根据特征位置和传感器空间关系定义约束条件,计算数据可信度;最后,以可信度为权值组合所有数据.以综合管廊内的甲烷浓...     

基于信息融合的滚动轴承故障诊断

滚动轴承故障诊断中同一征兆域很难区分多种故障,单一传感器对故障分类识别有不确定性。提出了利用加速度传感器和声音传感器,基于BP神经网络及D-S证据理论,对所采集的振动信号和声音信号的多种特征信号进行信息融合,实现故障诊断。并对该方法进行仿真试验验证。     

基于神经网络和D-S证据理论的信息融合故障诊断方法

为了解决齿轮传动系统检测难度大、准确性不高和多点测试时信息处理复杂的问题,提取振动信号统计量特征参数、利用神经网络技术与D-S(Dempster-Shafert)证据理论相结合的信息融合故障诊断方法,实现了数据级、特征级与决策级的多级融合诊断。实验结果表明,将信息融合方法用于齿轮传动系统故障诊断,有助于综合利用故障信息,提高了故障诊断的准确性和可信度。     

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D-S组合规则的故障模式分类

提出了一种改进的D-S证据组合规则,引入了基于证据之间距离测度的证据一致性指标动态描述证据的可信度.结合证据有效性和证据重要性,得到了一个综合的动态可信度和静态可信度的系数.基于该系数,提出了一种改进的D-S组合规则,该规则能够有效处理冲突较大的证据融合问题.最后用一个故障诊断的例子说明了该规则的有效性,并与其他方法作了比较.     

基于D-S证据理论的航空发动机磨损故障智能融合诊断方法

油样分析方法目前已成为航空发动机磨损故障诊断的重要手段,但单一油样分析技术的诊断准确率均有限,为了提高故障诊断的精度,本文提出了基于D-S证据理论的发动机磨损故障智能融合诊断方法。首先用BP神经网络实现发动机磨损故障的单项智能诊断,然后,充分利用神经网络诊断结果,用D-S证据理论实现了磨损故障的融合诊断。最后,算例验证了本文方法的有效性。     

基于D-S证据理论的产品多信息融合标识失效补救方法

针对离散制造企业生产环境和工艺的复杂性容易引起Data Matrix二维符号标记的磨损、污染和腐蚀而发生标识失效的问题,提出一种基于D-S证据理论的产品多信息融合标识失效补救方法。分析了产品物理与制造过程中多源信息之间的关联和数据结构,建立了离散制造产品零散与不完整多源信息的数学模型;设计了改进的变异系数加权法,并采用基于类中心的变权欧式距离法对失效标识产品特征和历史数据库进行相似性测度计算;通过D-S证据理论对失效标识的产品特征层进行融合辨识。实验结果表明,该方法能够较好地恢复补救产品失效的标识。     

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。     

基于铁谱图像异类特征融合的磨损类型识别方法

针对铁谱磨粒图像识别中存在特征单一、异类特征的综合利用率低等问题,提出一种磨粒图像多特征的异类信息融合识别方法。首先,对在线铁谱图像预处理基础上提取磨粒纹理(ASM、熵、相关、对比度)、颜色(均值、方差、斜度)、几何(7个不变矩)3种统计特征;其次,对提取特征数据进行[0,1]归一化处理,采用超球心间距法确定核参数,运用超球多类SVM实现基于单种特征的多类磨损识别;最后,在单种特征识别基础上通过后验概率构造3种特征所需的软判决基本概率赋值(BPA)函数,运用超球多类SVM与D-S证据理论结合法实现异类特征融合的铁谱图像识别。特征融合方法识别最高识别率达到了96.1%,与单一特征识别结果相比,识别准确度更高,且实现了不同特征的互补。     

基于D-S证据理论的压射工艺模式辨识技术

为了制定良好的压射过程工艺,提高压铸生产效率和资源利用率,提出一种面向压铸产品制造的工艺模式辨识方法。对压射过程及其机理进行分析,确定了影响压铸工艺的关键因素;以历史积累的大量压射工艺数据为依据,利用D-S证据理论对多种因素进行融合分析,实现了新产品所需压射工艺模式的辨识。以一个典型压射工艺实例对所提方法的有效性进行了验证和说明,实例表明该方法可以有效利用已有工艺数据实现新产品工艺设计。     

Improved information fusion approach based on D-S evidence theory

Conventional D-S evidence theory has an unavoidable disadvantage in that it will give counter-intuitive result when fusing high conflict information. This paper proposes an improved method to solve this problem. By reassigning weight factors before fusing, the method can give reasonable results especially when the initial weight factors of conflict evidences are almost equal. It gives an adjustable factor to adjust the reassigning force. An example is given to illustrate these advantages. This paper was recommended for publication in revised form by Associate Editor Eung-Soo Shin Rui Sun, PhD candidate. He received M.E. in mechatronics engineering from University of Electronic Science and Technology of China. He is currently a Ph.D. candidate in School of Mechatronics Engineering, University of Electronic Science and Technology of China. His research interests include system reliability analysis and mechanical fault diagnosis. Hong-Zhong Huang is a full professor and the Dean of the School of Mechanical, Electronic, and Industrial Engineering at the University of Electronic Science and Technology of China, Chengdu, Sichuan, China. He has held visiting appointments at several universities in Canada, USA, and elsewhere in Asia. He received a Ph. D. degree in Reliability Engineering from Shanghai Jiaotong University, China. His current research interests include system reliability analysis, warranty, maintenance planning and optimization, and computational intelligence in product design. Dr. Qiang Miao obtained B.E. and M.S. degrees from Beijing University of Aeronautics and Astronautics and Ph.D. degree from University of Toronto. He is currently an associate professor of the School of Mechanical, Electronic, and Industrial Engineering, University of Electronic Science and Technology of China, Chengdu, Sichuan, China. His current research interests include machinery condition monitoring, reliability engineering, and maintenance decision-making.     

信息融合技术在刀具磨损监测中的应用

随着信息融合技术的不断发展,信息融合越来越多的被用于监测领域。本文把信息融合技术应用于刀具监测过程中,建立了多传感器信息融合刀具监测系统模型,并详细论述了基于神经网络、贝叶斯理论和D-S理论的信息融合方法。