基于模糊证据理论的船舶安全评估

针对船舶安全评估过程中的诸多不确定因素，提出了一种基于模糊证据理论的安全评估方法,将证据体空间中的事件视为模糊子集，并引入模糊概率，更好地描述了专家意见（或知识），给出了质量分配函数的表示．最后，结合某船舶系统，给出了其安全评估的具体实现过程．结果表明，该方法可靠、有效.     

基于证据理论的煤矿工人事故倾向预测研究

构建煤矿工人事故倾向预测的层次结构模型。应用证据理论的建模方法,从生理机能、心理机能、认知机能三个方面,对煤矿工人的事故倾向进行预测,并通过实例进行阐述。该方法可以有效地预测煤矿工人的事故倾向,进而为煤矿企业员工选拔和日常管理提供参考依据。     

基于D-S证据理论和AHP的故障诊断方法研究

提出了一种基于D-S证据理论和AHP的故障诊断方法，给出了基于AHP法的基本概率分配构造方法．最后，结合故障诊断实例，详细阐述了该诊断方法的应用过程，在对多个传感器提供的证据进行合成后，诊断结论的可信度明显提高，不确定性明显降低，证明该诊断方法合理有效．     

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。     

基于证据理论的测量不确定度评定与分析

针对GUM推荐的基于概率统计理论的不确定度表达方法存在的局限性,提出了一种更为通用的基于证据理论的随机模糊变量（RFV）方法,实现对测量结果及其不确定度的评定。根据有效测量信息构建了RFV隶属函数以及相应的数学理论框架,通过简单的例子给出了如何运用RFV进行不确定度评定的流程。实验结果表明,该方法既可以提供测量结果的置信区间也可以给出不确定度分量的贡献程度。通过与GUM方法的比较,当存在不可忽略的非随机分量影响时,该方法比概率统计方法能更客观地描述测量结果离散程度。     

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BP神经网络的D-S证据理论及其应用

命题基本概率分配（BPA）的确定是D-S证据理论得以广泛应用的关键之一。目前，大部分确定方法受专家知识偏好影响较大，难以反映客观情况。将BP网络运用到基本概率分配的确定过程中，使得BP网络和D-S证据理论两者有机地联合应用，这样既可利用D-S证据理论来表达和处理不确定信息，又可以充分发挥BP网络的自学习、自适应和容错能力。文中建立了基于BP网络的D-S证据理论的故障诊断模型，并给出了证据的融合算法。仿真实验表明，该模型可行。     

基于D-S证据理论的测试性分配方法研究

针对现有测试性分配方法的不足,以及人们判断的模糊性和不确定性这两个问题,将模糊层次分析法引入测试性分配中,先求得层次单排序权重向量,进而求得层次总排序权重向量,根据总排序权重向量求得各组成单元的分配指标。针对传统模糊层次分析法在融合多个专家的评价时只是进行简单的数据相加再求平均这一不足之处,将D-S证据理论运用到融合不同专家的评价中,最后结合案例应用验证该方法的可行性。     

基于振动和证据理论的柴油机缸套磨损故障诊断

在简述Dempster-Shafer证据理论的基础上,探讨了内燃机缸套磨损故障诊断中的故障识别框架的形成、mass函数的构造以及相应的组合与推理思路,并以柴油机缸套磨损故障诊断为例,详细说明了该方法的具体实现步骤.测量6-135G型柴油机缸套在正常、中等磨损故障、严重磨损故障和破坏性磨损故障四种状态下的机体表面振动,通过时、频域分析,得到了故障特征信息;利用Dempster-Shafer证据理论方法对故障特征信息进行融合处理,有效地诊断识别了柴油机缸套的多种磨损故障,诊断结论的可信度明显提高,不确定性明显减小.研究表明,可以基于振动和Dempster-Shafer证据理论进行内燃机缸套磨损故障诊断,诊断效果良好,并有效地提高柴油机故障诊断的准确性和可靠性.     

基于证据理论的超声粘接检测的数据融合

目的 研究超声粘接检测的数据融合方法。方法 采用D－S证据理论。结果 提出了利用纵波、横波、板波等不同的超声探头检测金属与非金属粘接状态的融合方法,并进行了验证分析。结论 提出的方法是可行的。     

基于可靠度和一致强度的冲突证据组合算法

考虑到利用无线传感器网络对天然气管道进行泄漏监控时,不同传感器节点的诊断结果之间会发生冲突,致使直接利用Dempster-Shafer (D-S)组合规则或其修正组合规则进行冲突证据组合的方法难以让汇聚节点做出正确决策,为此提出了一种基于可靠度和一致强度的冲突证据组合算法--CECARCI.该算法首先利用各监测节点的可靠度对证据集进行预处理,减小不可靠证据对组合结果的影响,然后通过对所有证据进行整体分析,引入了证据一致强度和基元支持度,调整证据组合时的次序,并以合理的权重来分配证据间的冲突.算例实验结果表明,相比于D-S组合法则、Yager组合法则和Murphy组合法则,CECARCI算法可获得收敛性更好的组合结果.     

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。     

Automatic detection of urban area from the remote sensing imagery based on improved D-S evidence theory

Urban area detection from the remote sensing imagery has important significance in dynamic monitoring on the use types of city land and the city development planning. An approach for full-automatic detection of urban area is proposed, which can fuse any number of features. The combination formula of the traditional D-S evidence theory (TDSET) is improved by adding a processing factor for conflicting evidences based on the original fusion function. For the validity of the proposed method, three positive evidences (gradient mean, Harris feature points and spectral homogeneity) as well as one negative evidence (local gradient orientation density) are selected to test three GeoEye images. Experimental results show that the precision of the proposed method achieves 96.89% and its recall is 86.52%, where the recall increases about 50% comparing with the TDSET.     

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.     

基于集合属性和优先度的D-S证据决策方法

为了降低利用D-S证据组合结果进行决策的风险,提出了一种基于集合属性和优先度的证据决策方法,将决策问题分解成精细信度区间的构造和比较两个层面.在构造层面引入集合的不确定性测度和焦元间属性支持度,获取基元命题的精细信度区间值;在比较层面引入优先度评价各命题的精细信度区间,然后在优先度排序的基础上构建了证据决策模型.该方法的特点在于以区间值作为决策依据,充分利用了信度区间所蕴含的信息.实验分析结果表明,该方法是合理、有效的,克服了其它单点值D-S证据决策方法所存在的误决策或不做决策的问题.     

An improved failure mode and effects analysis method based on uncertainty measure in the evidence theory

mode and effects analysis (FMEA) is an effective tool to assess the risk of a system or process under uncertain environment. However, how to handle the uncertainty in the subjective assessment is an open issue. In this paper, a novel method to deal with the uncertainty coming from subjective assessments of FMEA experts is proposed in the framework of Dempster–Shafer evidence theory. First, the uncertain degree of the assessment is measured by the ambiguity measure. Then, the uncertainty is transformed to the reliability of each FMEA expert and the relative importance of each risk factor. After that, the assessments from FMEA team will be fused with a discounting-based combination rule to address the potential conflict. Moreover, to avoid the situation that different risk priorities of failure modes may have the same ranking based on classical risk priority number method, the gray relational projection method (GRPM) is adopted for ranking risk priorities of failure modes. Finally, an application of the improved FMEA model in sheet steel production process verifies the reliability and validity of the proposed method.