基于D-S证据融合的发射机健康状态评估

针对雷达发射机健康状态评估在多种不确定性因素下的问题,构建了基于D-S证据理论的多指标评估模型。基于综合考虑指标可测性,建立了新型的雷达发射机健康状态评估指标体系结构。通过采用一种改进的D-S证据理论进行多指标数据融合方法进行雷达发射机健康状态综合评估,通过各实测数据隶属函数转化得到基本可信度分配关系,避免了在传统方法中评估指标基本可信度函数分配的主观性和局限性,最后利用改进的D-S证据理论对各指标进行数据融合,实验结果验证了该方法的有效性。     

基于灰色聚类的汽车健康状态评估

文中基于汽车健康管理的概念提出对汽车健康状态进行评估。汽车健康状态评估作为健康管理的重要内容具有重要的现实研究意义。汽车健康状态评估的结果可以为车主提供维修提醒,为汽车维修人员提供初步维修决策,其满足汽车健康管理的需求。汽车系统是一个灰色系统,文中采用灰色理论与聚类分析相结合的灰色聚类方法进行汽车健康状态评估,根据灰色聚类决策方法的原理,分析了汽车健康状态评估指标体系,然后使用模糊层次分析法确定各指标权重,最后利用灰色聚类方法对汽车健康状态等级进行评估。实例表明,基于灰色聚类理论建立的汽车健康状态评估模型科学合理、方便快捷,并具有很好的实用性。     

基于模糊融合证据理论电力变压器状态的评估*

论文通过对目前国内电力变压器状态检修现状的分析以及综合各种文献资料,利用模糊理论的思想,提出一种采用模糊综合评判结合证据理论来评估电力变压器工作状态的方法,验证了融合证据理论的模糊方法的评估结果比单一的采用模糊理论评估的结果更准确。此方法根据影响变压器健康状态的因素与其内部器件的对应关系,通过模糊理论建立隶属度函数,得出相应内部器件的健康状态,然后,用证据理论把每个内部器件的健康状态当做一组证据,通过证据合并,最终得出变压器当前健康状态的评估。     

基于测试数据的装备健康状态评估方法

针对当前装备健康状态评估方法无法反映健康状态变化过程的问题,提出了一种基于测试数据的装备健康状态评估方法。该方法通过对待测部件进行测试,观察测试数据变化规律并对比测试数据的正常范围,分别计算测试部件的基本健康度、健康度变化率和健康度变化幅度,得到了装备动态变化过程中的健康度数学模型,并建立了串联、并联系统的武器装备健康状态评估方法。利用该方法分别对某型潜射导弹发动机、伺服机构液压源的测试数据进行实例分析,结果表明该方法可准确真实反映装备健康状态的变化过程,提供使用者科学有效的故障预测和维修决策依据,更加符合装备基于状态的维修要求,提高了装备完好率和任务完成率,具有较强的可操作性。     

基于改进证据理论的态势评估方法

证据理论是实现基于规则的态势感知主要方法之一。然而,证据理论在多源多证据合成时存在悖论问题。针对此问题,通过相异度计算对证据重要性度量与修正,提出了一种基于改进证据理论的态势评估方法,该方法包括规则度量、证据修正、规则融合和态势决策等四个阶段。实验表明,该方法能够避免利用证据理论进行态势融合中的悖论问题,在态势评估效率和准确性等方面优于Dempster、Yager和Leung等典型方法。     

基于改进证据理论的态势评估方法

证据理论是实现基于规则的态势感知主要方法之一。然而,证据理论在多源多证据合成时存在悖论问题。针对此问题,通过相异度计算对证据重要性度量与修正,提出了一种基于改进证据理论的态势评估方法,该方法包括规则度量、证据修正、规则融合和态势决策等四个阶段。实验表明,该方法能够避免利用证据理论进行态势融合中的悖论问题,在态势评估效率和准确性等方面优于Dempster、Yager和Leung等典型方法。     

民用飞机健康状态评估方法 

飞机健康状态评估技术能够为飞机的健康状态提供量化评价的方法和手段,通过给出量化的飞机健康指数值,可以为后续的飞机维修提决策提供必要的技术基础;在分析了健康状态评估的技术现状的基础上,对飞机整机级的健康状态评估方法进行了研究,提出了健康状态评估技术方案,并对波音AHM系统健康指数模型进行了研究;提出的民用飞机健康状态评估方法,实现了从传统的对故障的状态识别转移至对性能退化程度的检测和量化描述,其应用可以为航空公司安排飞机运营提供参考,并为合理安排计划维修提供决策支持。     

D-S证据理论在导弹健康状态评估中的应用

科学评估导弹健康状态有助于合理安排维修和保养任务,达到事半功倍的效果.基于D-S(Demp-ster-Shafer)证据理论的导弹健康状态评估模型,结合证据自身的有效性和证据之间的联系,首先利用熵权法确定指标的权重并突出状态较差的参数,利用岭形分布隶属度函数求出各个证据的基本概率分配,在此基础上对基于证据距离的证据可信...     

基于证据理论的状态估计方法及其在液位估计中的应用

本文给出了一种基于证据理论的迭代算法估计噪声有界下的动态系统状态,并将其应用于工业液位仪的液位动态估计当中。该算法将系统的状态方程、观测方程及实际观测看作提供证据的3个信息源,利用证据的随机集表示及随机集扩展准则从信息源中构造关于系统状态和观测的证据:通过相关证据融合方法:将所构造的证据进行融合,并利用Pignistic期望从融合结果中计算出状态估计值。与基于置信函数的前反向传播算法相比,所提算法中的融合过程增加了估计的聚焦程度,使得估计结果更加精确。通过在液位估计中的应用说明新算法可以使得估计的相对误差提高约0.3个百分点。     

基于动态权重的设备健康状态评估方法

设备健康度是对设备健康状态的定量评估,可以更准确地反映设备健康状态.现有健康度评估方法并不能很好地反映设备的真实健康状态.针对某型雷达发射机的健康度评价问题,提出了基于动态权重的健康度精确评估方法.本文利用指数函数对各参数的权重动态变化规律进行建模,然后计算采集向量与最佳向量的加权标准欧式距离,可以更加准确地评价设备的健康度.通过对某型雷达发射机的实际测试表明,本方法计算结果准确可靠,能够更好地反映设备的健康程度.     

基于证据理论的多传感器加权融合改进方法

针对多传感器系统中高冲突证据合成问题,考虑到传感器同时具有固有可靠性与实时可靠性的特点,基于证据理论提出了一种新的多传感器加权融合方法;该方法通过计算证据间的相似矩阵获取证据的后验权重,并结合根据传感器固有可靠性预先分配的先验权重,得到证据体的复合权重,然后据此对原始证据进行加权平均,最后利用D-S证据组合规则合成加权平均后的证据;实例仿真表明,与D-S、Yager、Murphy等方法相比,该方法能够更好地处理高冲突证据,且收敛速度更快。     

基于改进修正权重的证据组合方法

针对证据组合过程中修正权重的确定问题,提出了一种综合考虑证据间关联关系和自身不确定度的改进修正权重确定方法,实现了对待组合证据的有效修正。基于对证据信息随机性和不具体性的阐述,得到了证据综合不确定度的度量方法。结合基于改进冲突度的相似性权重和基于综合不确定度的可靠性权重,确定了改进的修正权重。应用Dempster组合规则对修正后的加权平均证据进行有效组合。算例分析结果表明,所提方法能够充分利用证据信息,解决证据冲突,组合结果更为客观、准确,可信度更高。     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

基于D-S证据理论的审计证据评价系统设计

在信息技术迅速发展的背景下,利用计算机技术进行审计证据的处理与评价具有重要意义。D-S证据理论能够进行不确定性推理,可以用于处理审计证据判断的不确定性,因此开发基于D-S证据理论的审计证据评价系统是可行的。在阐述D-S证据理论基本原理的基础上,分析审计证据评价系统的功能需求,设计系统的功能结构,阐述审计证据合成模块的程序流程,并基于B/S结构实现该软件系统。该系统能够提高审计证据的证明效力,降低审计风险。     

基于证据支持一致性分类的证据合成方法

利用D-S证据理论评估信息安全产品的安全等级时可能产生全冲突悖论、1冲突悖论、0冲突悖论。为解决该问题,提出一种基于证据支持一致性分类的证据合成方法。基于证据支持一致性对证据进行分类后,根据专家意见的重要程度,对证据进行折扣,并将D-S合成方法和加权平均方法相结合,用于合成分类证据。分析结果证明,该方法有更好的适用性和更低的计算复杂度。     

基于证据理论的软件功能可信度的评估

证据理论是一种经典的处理不确定性信息和解决信息不完整的方法,软件属性和质量因子大都具有模糊性,很多因子不能用确定的数值表示。基于ISO/IEC9126质量模型中给出的27个软件子特性,利用证据理论及其合成规则计算了软件功能可信度,并给出了实例说明该方法的有效性。最后,总结了该方法的不足。     

基于证据异常度的水下多源信息预处理方法

Dempster-Shafer证据理论在水下多源目标识别领域有着广泛而重要的应用, 但经典的证据理论在融合高度冲突的证据时往往会导致一些反常理的结果, 如Zadeh冲突悖论;针对这一问题,综合考虑证据体之间的冲突程度和支持程度,提出一种证据异常度的概念并对原始证据集进行异常检测,基于检测结果对原始证据体进行权重分配,引入全集项,修正证据源;在保持Dempster组合规则不变的前提下,进行有效的证据预处理,实验仿真结果验证了算法的有效性;证明对证据体进行有效的修正,可以改进经典证据理论的缺点,达到更好的融合结果。     

基于证据理论的多分类器融合方法研究

证据理论是建立在独立性假设基础上,理论和实际应用都需要突破这一限制。最近提出的一种相关证据模型认为,两个相关证据由一个相关源证据分别与两个独立源证据通过正交和合成得到,相关证据的合成可以归结为这三源证据的正交和,为此首先要由相关证据和相关源证据辩识独立源证据,这是证据理论中的反问题,其解是否有意义取决于相关源证据是否合适。该文给出一个充分条件,如果相关源证据满足此条件,反问题有唯一有意义的解,在此指导下,研究了字符识别中的多分类器融合问题,实验结果表明,识别性能优于传统证据理论方法。     

基于降噪自编码器与改进卷积神经网络的采煤机健康状态识别

针对采煤机监测参数间关联性强、冗余信息多且受强噪声干扰导致其健康状态识别困难及传统的采煤机状态识别方法在健康状态指标构建中人工参与过多导致识别准确率不高的问题,提出一种基于降噪自编码器（denoising autoencoder,DAE）与改进卷积神经网络（improved convolutional neural network,ICNN）的采煤机健康状态识别方法。首先,对原始监测数据作滑动平均降噪处理并进行归一化;其次,通过无监督训练降噪自编码器实现数据降维、特征提取,进而构建健康状态指标;然后,根据降噪后的监测数据与健康状态指标训练改进卷积神经网络模型,实现采煤机健康状态的自动识别;最后,利用采煤机仿真数据完成模型验证并与其他多种健康状态识别方法进行对比。结果表明：该方法识别准确率达98.38%,明显高于其他方法,可为后期的预知维护提供理论支持。