基于证据理论数据融合的故障诊断研究

从D—S证据理论的基本概念和融合推理方法出发,构造了符合故障诊断特点的基本可信度分配,建立了多故障特征信息融合诊断框架,并将其应用于液压泵故障诊断。实践证明,该方法能有效地提高诊断可信度。     

基于证据理论的信息融合技术变压器故障诊断方法研究

目前对于变压器的故障诊断,还没有利用多种变压器状态信息进行综合判断。从证据理论的基本概念和证据的融合推理方法出发,建立了变压器多故障特征信息融合诊断框架。该方法把从多传感器得到的变压器状态数据看作一个信息系统,运行过程中不断产生各种信息,并将信息加工成故障特征,通过特定的诊断决策规则,得出诊断结论。最后给出了一个变压器故障诊断的实例,结果表明该方法能够有效地提高变压器故障诊断可信度,减小诊断的不确定性。     

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...     

基于证据理论数据融合的故障诊断研究

从D-S证据理论的基本概念和融合推理方法出发,构造了符合故障诊断特点的基本可信度分配,建立了多故障特征信息融合诊断框架,并将其应用于液压泵故障诊断,实例表明该方法能有效提高诊断可信度,充分显示了该诊断方法的有效性.     

基于指标融合的跟踪算法性能评估度量标准

为了全面评估目标跟踪算法的性能,该文提出一种融合性能指标的新度量标准.在分析最优子模式分配度量标准基础上,新度量标准定义目标扩展状态包含跟踪算法的计算量信息,并在扩展状态的基本距离中引入了计算量距离概念,将计算量指标融入新度量标准的最优子模式分配距离中.新度量标准有效融合目标跟踪算法的跟踪精度、集合势误差和计算量指标,反映了跟踪算法的全面性能.单目标和多目标环境下的仿真实验结果验证了该标准的正确性和有效性.     

基于D-S证据理论的基本概率赋值的获取

在基于证据理论的目标识别融合中,基本概率赋值的获取是一个与应用密切相关的课题,也是实际应用中最难的一步。本文讨论了几种用经验获取基本概率赋值的方法。     

基于D-S证据理论的超速离心机健康状态评估方法

超速离心机的运行健康状态评估是确保离心机安全、稳定运行的基础.介绍了超速离心机的主要状态参数及检测技术,分析了常用的健康状态评估方法.利用人工神经网络实现不同信源的超速离心机状态信息评估,再根据D-S证据理论对各子神经网络的输出结果进行融合,建立了超速离心机运行健康状态综合评估方法.实例验证了该方法的有效性和准确性.     

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。     

基于证据理论的多技术油液分析信息融合故障诊断

将证据理论应用于多技术油液分析故障诊断的研究中,针对证据理论的核心——基本概率分配函数的构造问题,提出了新的构造基本概率分配函数的方法,并将该方法应用到某综合传动机构的可靠性试验中,试验结果表明,该方法能很好地识别出故障模式,具有较好的应用价值。     

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.     

基于质量功能展开和证据理论的复杂装备维修可达性综合评价

为克服已有的维修可达性定义不能反映复杂装备的缺点.提出了复杂装备维修可达性的概念,在此基础上构建了可达性的综合评价方法.首先,采用质量功能展丌分析可达性要求,以及可达性具体要求和技术措施之间的关系,建立各组成部分的评价指标体系;然后.依据质量功能展开、证据理论等计算出各组成部分的评价等级;最后,综合考虑各组成部分的重要度及维修频率,获得复杂装备的维修可达性评价等级.通过实际案例研究,验证了该方法的可行性.     

多源不确定性下基于证据理论的可靠性分析方法

针对同时存在随机、模糊和区间三种输入变量时的可靠性分析问题,提出了一种基于证据理论的统一可靠性分析方法。利用信息熵转化法,将模糊变量的隶属度函数转化为等效随机变量的概率密度函数;基于随机变量的区间化方法,将每个变量离散成有限个小区间,根据变量的概率密度函数求解各小区间的基本概率分配;利用证据理论进行可靠性分析,最终获得可靠度R的置信度Bel(R)和似真度Pl(R)。通过两个工程算例证明了该方法的可行性和有效性。     

基于加权D—S证据理论信息融合的故障诊断方法及其应用

针对新产品因故障概率数据掌握不充分使其故障诊断较为困难的问题,提出了一种基于加权D—S证据理论多源信息融合的故障诊断方法。该方法采用D-S证据融合,解决了缺乏故障概率分布模型或准确数学分析无效的问题,引入加权Ds证据理论融合方法进行故障诊断,用历史故障估计的正确率作为确定信息源当前检测估计值的置信程度调整,实现了故障诊断的历史数据对当前诊断结果的修正。对新型船舶气象仪故障诊断结果表明,该方法在故障概率和故障经验知识掌握不充分时,实现故障诊断是非常有效的。     

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。     

基于阵列旋转和改进证据理论的平面 EMT 图像融合算法

为了提高平面电磁层析成像(EMT) 重建图像的质量,本文提出了一种阵列旋转和改进 D-S 证据理论相结合的平面 EMT 图像融合算法。 首次将传感器阵列旋转应用于平面 EMT 领域,提高独立测量值个数,并利用旋转阵列的测量信息实现 EMT 图像融合。 针对 Dempster 规则在处理冲突证据上存在不足的问题进行改进,利用数据聚类获取自适应阈值设置冲突和不 冲突两种证据,分别对应不同的融合规则。 仿真研究了旋转次数和成像效果之间的关系,利用不同旋转角度的信息和改进 D-S 证据理论进行图像融合,有效去除图像伪影,提高图像质量。 设计了 8 线圈平面电磁传感器,并应用于铝板缺陷检测,结果验证 了方法的有效性。 新方法较传统方法的图像相对误差下降 17. 0% ,相关系数提升 22. 7% 。     

神经网络与 D-S 证据理论融合的液压系统故障诊断方法

针对液压驱动火箭炮随动系统故障类型的多样性以及故障信息不确定性等问题,提出了证据理论与神经网络综合集成的故障诊断方法。为克服单一神经网络自身的缺点,在普通节点处建立2个改进神经网络模型来简化网络结构,分别以铁谱数据和压力、流量、温度特征参数作为输入向量进行初始故障诊断,并将诊断结果作为证据理论的基本概率分配,从而实现了赋值的客观化。然后,利用 D-S 证据理论对2个改进神经网络的初始诊断结果进行融合。实验结果表明：该方法避免了神经网络识别时的误诊,提高了液压驱动的火箭炮随动系统故障诊断的准确性。     

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。     

基于D-S理论和BP网络的驾驶行为识别技术研究

提出了BP神经网络与D-S证据理论相结合的驾驶行为识别、预测方法;将汽车行驶过程中人-车-路的信息作为BP神经网络的输入,利用BP神经网络对驾驶行为进行初步识别,并将BP神经网络输出的结果归一化处理后作为D-S证据理论的基本概率分布;利用证据距离理论对证据进行证据冲突处理,通过D-S证据组合理论对输入信息进行综合分析处理,决策识别出当前的驾驶行为;利用MATLAB语言编写了仿真测试程序,仿真结果表明该方法能够准确的识别出当前的驾驶行为。