基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用

本文在D-S证据理论的基础上,结合模糊集合论,给出了电子电路故障定位的多传感器数据融合方法.通过测试电路中的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,再利用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,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性.     

D-S证据理论近似算法在数据融合中的应用

论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的,其不同证据源的冲突处理成为数据融合的主要问题之一,文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。     

D-S证据理论和粗集理论在数据融合中的应用

提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ,并将其应用于目标识别中。在目标识别的数据融合中 ,利用粗集理论对大量的传感器数据进行处理 ,判断出冗余传感器 ,得到传感器的最简组合 ,从而简化特征数据。然后利用D S理论实现目标的分类 ,改进分类的效果。因此 ,将两种方法结合起来应用于数据融合技术中来进行目标识别 ,为解决传感器数据超载以及不完整传感器信息融合提供了一种方法 ,且提高了识别的速度和效果     

基于D-S证据理论的传感器网络数据融合算法

传感器网络对于多个传感器在不同目标的识别过程中,各种技术冲突便随之接踵而至,并对传感器网络的科学体制产生了能动性的影响,使得系统的实时性和同步性的效能受到很大的负面影响。基于此,文章以D-S证据理论为核心要素,通过矩阵分析在融合算法中的理论地位,辅之以数学归纳法的精要,力求得到与融合结果与D-S证据组合公式相同的结果。     

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。     

基于D-S证据理论的信息融合技术在指控系统中的应用

本文针对靶场测试信息种类多、数据量大和实时性强的特点,提出了将数据融合技术应用于指控及数据处理系统的方案;重点分析了D-S证据理论多传感器识别、应用联合卡尔曼滤波的数据融合等目标识别方法,并通过仿真结果的分析,证明了方案的有效性,可以有效提高系统的综合处理能力。     

基于D-S证据理论的数据链故障诊断方法

针对无人机数据链结构复杂而导致的故障诊断难题,提出了一种基于D-S证据理论的无人机数据链路故障诊断方法。将无人机数据链诊断划分为系统级和电路板级2层,给出了故障诊断的总体框架。运用模版匹配法进行基本概率分配函数获取,基于冲突度和重要度进行冲突证据合成,采用基本概率分配函数进行决策,在此基础上实现了基于D-S证据理论的诊断方法。实验结果表明该方法正确有效,为无人机数据链故障诊断提供了新的途径。     

证据理论在通信对抗数据融合系统中的应用

本文在深入研究语气理论的基础上，给出了在通信对抗数据融合系统中正确应用语气理论的一种途径，提出了建立知识库时应注意的问题，导出了计算结论可信度，拟信度的公式。     

基于BP网络和D-S证据理论的齿轮箱故障诊断

为避免故障诊断中单一信息的固有缺陷,提高诊断精度,将改进的BP神经网络和D-S证据理论相结合,针对齿轮箱的3个测点,采用改进BP神经网络进行独立的局部故障诊断,以及采用D-S证据理论规则,将3个测点的神经网络输出结果进行融合,得到整个齿轮箱的故障诊断结果。通过分析可以看出,融合后的诊断结果更加精确,信任度更高。     

基于时域分析的证据理论故障诊断方法在液压泵中应用

介绍了用于机械故障诊断的信号时域参数,对液压泵进行了试验,选用泵的端盖振动和出口压力信号作为故障的两个数据源,试验结果表明,该方法进行故障诊断,不但可以克服BP网络的缺点,又能解决了D-S证据理论难以获得基本概率赋值的弊端,提高了诊断准确度,降低了诊断的不确定性。     

基于数据融合的开关磁阻发电机故障诊断研究

研究了一种基于D-S证据理论的多证据数据融合决策的开关磁阻发电机(SRG)故障诊断方法。根据SRG电流、电压、转矩三个证据信号进行融合处理,提高了其故障诊断的精确性和可靠性。文章对D-S证据理论在开关磁阻发电机故障诊断中的应用进行了实例分析,结果表明该方法能够有效提高故障诊断精度。     

应用数据融合实现电子电路的故障诊断

在电路故障诊断中,可通过直流分析、交流分析和灵敏度分析等方法,对电路的故障进行诊断.但由于不同的诊断方法对不同的故障敏感度不同,使得每种方法都带有局限性.为此,本文提出了采用数据融合进行电路故障诊断的新方法,介绍了D-S证据理论算法在电路故障诊断中的应用,给出了具体算法和仿真实例.理论分析和仿真结果表明,将数据融合技术用于电路的故障诊断是可行的.不同的诊断方法提供的信息经多次融合、反复抽取有用信息后,大大降低了判断的盲目性,提高了电路故障诊断的准确性.     

D-S故障诊断中证据冲突衡量研究

在基于D-S证据理论的故障诊断中,由于干扰或可靠性等原因,各传感器用来判断故障原因可能性的基本置信分配会出现相互冲突的现象.在冲突证据下,进行D-S诊断的前提条件是解决各传感器基本置信分配间矛盾性的衡量问题.虽然人们已对此做了一些探讨,但都没有反映D-S故障诊断的需要,研究成果无法得到应用.文中首先介绍了D-S故障诊断;然后分析了已有证据矛盾性衡量方法的不足;最后提出了一种新的衡量各传感器基本置信分配间矛盾性的方法,并进行了详细证明,实验结果表明了所提方法的正确性.     

基于证据理论的事故树分析在木业防火中的应用

针对木材加工行业火灾现场的事故特点,建立了基于事故树的安全评价模型;结合工程技术人员和专家的实际经验对事故树底事件进行基于现场的概率评估,应用了D-S证据理论和贝叶斯近似计算法解决了专家评判过程中对火灾起因的不确定性问题,并融合了不同领域专家的诊断意见;对各基本事件的结构重要度以及量化结构重要度进行分析,提出了具体的安全隐患,指导设备安全管理和检修维修工作。     

D-S证据理论在认知无线电中的应用

针对认知无线电（CR）中协作频谱感知时信息不确定性带来严重的性能影响,在协作开销允许的情况下,人们渴望得到感知增益很高的协作感知方案。由于D-S证据理论在决策系统中处理不确定性信息时能获得令人满意的性能,使得其在认知无线电中的应用会起很重要作用。一种基于D-S证据理论的协作频谱感知新方案被提出和发展。该方案能有效地提高...     

多传感器模糊D-S理论辐射源识别

研究了将D-S证据理论与模糊推理组合应用辐射源识别的方法,提出了基于模糊综合评估获取基本概率分配函数的方法;在此基础上研究了应用D-S证据理论进行多传感器信息融合,从而识别雷达辐射源的原理;仿真实验和对比实验表明本算法的有效性。     

SVM与证据理论集成的信息融合故障诊断技术研究

提出了支持向量机和证据理论结合的思想;建立了支持向量机初步诊断与证据理论融合决策诊断相结合的信息融合故障诊断模型;给出了基于SVM的基本概率分配构造方法和诊断决策规则.以200 MW汽轮发电机组故障诊断为例,充分地验证了该方法的诊断性能.     

采用D-S证据理论的双色红外小目标融合检测

针对远距离低信噪比条件下目标检测难的实际问题,提出采用D-S证据理论的双色红外小目标融合检测方法。该方法首先采用统计检测方法对各传感器图像进行目标检测处理;接着采用“或”逻辑对各传感器的目标检测结果进行融合,以降低目标漏检的可能性;然后在各传感器图像中提取融合检测结果中各候选目标区域的多个图像特征作为进一步消除虚警的证据;最后采用D-S证据理论对各候选目标区进行基于多特征的目标融合识别处理,并将识别结果作为整个系统最终的目标检测输出。实验结果证明了该算法的有效性。     

电子装备单点多征兆故障D-S理论诊断方法研究

为了提高新型电子装备单点多征兆故障定位的准确性,构建了一种基于D-S证据理论的故障诊断模型和信息融合算法,提出了把故障诊断过程分为3步、构成3个识别框架、3次使用D-S证据推理、选取不同的决策规则实现故障定位的方法。实例证明,该方法较好地解决了电子装备单点多征兆故障诊断中的不确定性问题。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域,证据理论是有效的数据融合方法之一,但基本概率分配一般不易确定,从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法,具有普适性和全局优化等特点,但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法,通过建立基于分类超平面距离的模糊隶属度,训练模糊支持向量机提高传统支持向量机的基本概率分配,并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验,经精度、平均绝对百分误差、均方根误差等指标验证,精度提高10. 5%,表明所提方法是一种可靠的多传感器的水质融合方法,较其他方法具有更高的融合精度。