基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

评估诊断证据可靠性的信息融合故障诊断方法

在基于证据理论的信息融合故障诊断方法中,诊断证据的可靠性高低将会直接影响诊断结果的准确性.而现有的大多数方法并没有全面地评估证据的可靠性,从而常常导致融合诊断结果的不准确.决定证据可靠性的因素主要有传感器的精度与证据获取方法的性能,以及传感器运行环境中的不确定性因素,可将它们分别理解为静态和动态因素.本文利用基于Pignisti。的指标函数优化算法获得静态折扣因子,用其对原证据进行修正;接着提出基于Pignistic向量的证据相似度度量方法获取动态折扣因子,用其对证据进行再次修正,并利用Dempster组合规则融合经两次修正后的证据,得到诊断结果.最后,通过在多功能柔性转子试验台上的实验,验证了所提方法的有效性.     

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.     

融合诊断中信息容错性的证据重构方法

在基于证据理论的故障融合诊断过程中,错误的待融合信息会引起故障的漏诊.针对此类容错性问题,提出了一种证据重构方法,在已有的故障诊断识别框架的基础上,利用多传感器信号的方差计算信号的相对可靠程度,构造新的信度函数,对待融合证据进行了重新分配,以减少出错信息对融合结果的影响,同时对该方法中可调参数的选取原则进行了理论分析.融合诊断实验在隔振器硬件实验平台上进行,诊断对象为振动发散故障,针对的信息容错性问题为基础加速度信号断路情况.对比性实验及结果分析表明,采用该方法能够在单路信号传输出错的情况下及时诊断振动发散故障,增加了融合诊断系统的容错性.     

基于分层式证据推理的信息融合故障诊断方法

针对基于信息融合的故障诊断方法中,诊断证据的精细化获取问题和在线诊断信息量受限问题,提出分层式的证据推理(ER)诊断方法.在诊断证据获取过程中,给出故障特征参考值投点方法,按比例求取特征样本点对相邻参考值的相似度,生成点值型参考证据矩阵(REM)和在线故障特征样本的诊断证据,实现了诊断信息的精细化提取;在证据融合过程中,设计分层式ER融合模型.第1层融合中利用k-NN算法找到在线样本的近邻历史样本,然后利用ER规则实现在线样本与近邻历史样本对应证据的融合.在第2层融合中,将多个特征源提供的第1层融合结果再次融合,并根据两层融合所获证据进行故障决策;此外,在分层融合模型中,根据证据之间的欧氏距离构造目标函数及相应的证据重要性权重优化方法.最后,在多功能电机转子试验台上实施了故障诊断实验,与已有单层ER模型诊断结果进行比较,说明所提方法通过提升诊断证据的精确性、增加历史样本扩充诊断信息量,能够有效提升确诊率.     

改进型证据更新规则的动态故障诊断算法

火炮装填系统故障的成因复杂,单因素、单模型的故障诊断方法已显其不足。提出了改进型证据更新规则的动态故障诊断算法,并将所述的人工智能方法应用到火炮自动装填故障诊断系统中。该方法通过对模糊规则库的描述来确定故障诊断的辨识框架,应用新型的模糊推理方法生成诊断证据,并通过证据更新规则对所获取前后时刻的诊断证据进行动态更新,将更新融合后的证据进行故障决策,从而解决了故障特征的不确定性、故障模式多样性以及动态故障诊断问题。实例分析证明：该方法达到了有效提高故障诊断确诊率的目的。     

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。     

光电雷达电子部件故障的盲诊断方法研究

针对光电雷达电子部件故障定位问题，提出一种故障元件搜寻的盲诊断方法．通过测试电路中被诊断元件的工作温度和工作电压两个物理量，得出D—S证据理论中两传感器对各待诊断元件的信度函数分配，并利用D—S联合规则得到融合后的信度函数分配，从而确定故障元件．通过单传感器诊断结果与融合诊断结果的比较，说明了多传感器融合盲诊断方法的优越性．     

创新性与满意度融合的用户创新方法及其在产品外观优化中的应用

针对产品方案优化中对创新性和满意度这2项感性指标综合评估的需求,基于用户创新思想和交互式遗传算法构建了融合优化机制.通过差异化集结来评估方案的创新性,利用改进的交互评价方法产生满意度指标和用于创新性计算的参数敏感度系数;讨论了基于回避的创新性与满意度指标融合的方式,并给出了优化目标函数.优化流程分为2个独立阶段,分别由用户和设计师主导.第一阶段基于随机种群广泛获取用户的交互评价信息,并利用统计分析方法得到敏感度系数;第二阶段在设计师的主导下实施创新性与满意度融合的进化式寻优.文中基于产品外观形态优化的例进行了应用测试.     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

改进的D-S证据理论在电路故障诊断中的应用研究

针对传统的线路切割法在电路故障诊断表现出的诸多问题,提出了一种基于改进D-S证据理论的电路故障诊断方法.在该方法中,基于多传感器的故障信息源的并集共同构成识别框架,并利用改进的Dempster合成法则对测试数据进行融合.实例研究表明,该方法增加了诊断系统的可分析性,有效地提高了故障模式的识别能力,使故障元器件定位的准确...     

基于证据距离和矛盾因子的加权证据合成法

针对Dempster-shafer (DS)理论直接对高冲突证据合成时会有融合结果不合理的问题,本文提出了一种加权证据合成法.在多个证据融合时,该方法综合利用证据距离和矛盾因子表示证据冲突.并根据各证据与其它证据的冲突程度确定其权重系数,基于此又分别采用两种适用于不同情况的方法对证据基本置信指派函数修正,然后用DS规则合成.算例实验表明了本文方法对高冲突证据融合的有效性,并且其融合结果还具有良好的收敛性.     

D-S证据组合规则下的修正系数的研究

针对使用冲突系数辨认证据冲突存在的不足,将Pignistic概率距离转换为证据的可信度,再将证据的可信度和虚假度结合起来,构造一个新的修正系数,然后利用新的修正系数来折扣基本可信度分配函数。最后,利用D-S证据组合规则对修正后的证据进行合成。数值算例分析的结果表明,改进后的证据组合方法得到的结果具有收敛速度快和鲁棒性好的特点,同时保持了D-S组合规则的优良性质。     

证据的分组合成法

为了提高证据融合的精确度并降低融合的运算量,结合批量式融合和序贯式融合的优点,提出证据分组合成法.该方法首先判断证据间是否可用Dempster组合规则进行合成,若可以,则两证据归为同组;否则归为不同组.对于同组证据,利用Dempster组合规则直接合成,即组内证据序贯式融合;对于不同组证据,通过最优化模型修正各组证据源,再利用Dempster组合规则合成,即组间证据批量式融合.算例分析验证了该方法具有运算量小、稳定性好、精确度高的特点.     

基于改进证据理论和神经网络的故障诊断模型*

针对单一故障诊断方法精度低的问题,提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息,用神经网络来处理证据理论中的基本可信度分配问题。由于证据理论合成公式无法处理高冲突的证据,提出了一种改进的基于冲突焦元的证据合成规则。该模型在降低决策不确定性的同时大大提高了诊断的精度。最后通过发动机故障诊断实例验证了该模型的有效性。     

一种新的证据冲突分析方法

当证据高度冲突时,使用DS组合规则经常会得到错误的结果,因此对DS证据理论的合成方法进行改进成为人们研究的重点.但是如何去度量或确定证据之间冲突的程度却常常被人忽视.在以往的研究中均使用冲突系数k作为表征证据之间冲突的量,但是研究结果表明,k不能很好的描述证据之间的冲突.对表征证据冲突的变量进行了研究,提出了一种新的表征证据之间冲突的变量-关联系数,基于偏熵和混合熵,定义了关联系数,该系数可以定量的表示证据之间的冲突.当关联系数接近1时证据之间冲突很小,当关联系数接近0时证据之间高度冲突.算例验证了所提出的基于关联系数的冲突表示方法的有效性.     

A novel approach for multimodal medical image fusion

Fusion of multimodal medical images increases robustness and enhances accuracy in biomedical research and clinical diagnosis. It attracts much attention over the past decade. In this paper, an efficient multimodal medical image fusion approach based on compressive sensing is presented to fuse computed tomography (CT) and magnetic resonance imaging (MRI) images. The significant sparse coefficients of CT and MRI images are acquired via multi-scale discrete wavelet transform. A proposed weighted fusion rule is utilized to fuse the high frequency coefficients of the source medical images; while the pulse coupled neural networks (PCNN) fusion rule is exploited to fuse the low frequency coefficients. Random Gaussian matrix is used to encode and measure. The fused image is reconstructed via Compressive Sampling Matched Pursuit algorithm (CoSaMP). To show the efficiency of the proposed approach, several comparative experiments are conducted. The results reveal that the proposed approach achieves better fused image quality than the existing state-of-the-art methods. Furthermore, the novel fusion approach has the superiority of high stability, good flexibility and low time consumption.     

基于新的证据冲突衡量的加权证据融合方法

对冲突证据使用Dempster-Shafer 证据理论进行融合的前提是对冲突证据作出正确衡量, 确定证据之间冲突的程度. 在分析现有的冲突衡量方法基础上, 提出一种基于新的证据冲突衡量的加权证据融合方法. 该方法通过相似性测度来衡量证据间的冲突程度; 然后确定各证据的可信度, 再加权修正证据; 最后用Dempster 组合规则进行融合. 算例表明, 该方法能正确衡量证据冲突程度, 有效地解决冲突证据的融合问题, 提高收敛速度和精度.

     

故障诊断系统中基于多Agent的并行推理机制研究

基于诊断任务的多层次混合分解策略，提出了一种融合不同知识表达方式和推理机制的多Agent并行诊断结构，分析了管理Agent、诊断Agent和决策Agent的基本职能；并将证据理论应用于多诊断Agent的联合决策过程，指出了Dempster合成规则及Yager改进方法的不足，提出了基于证据支持度的冲突信息加权分配方法，并以一个算例证明了该方法的有效性。