【摘要】：典型證據(jù)權(quán)重計算方法存在只有少數(shù)傳感器判斷正確而多數(shù)判斷錯誤的高沖突證據(jù)的加權(quán)D-S決策融合問題,針對此問題,提出一種基于故障敏感度的證據(jù)權(quán)重計算方法。首先,通過核函數(shù)主元分析(kernel principal component analysis,簡稱KPCA)提取非線性的敏感特征;其次,基于故障檢測原理計算該特征的故障敏感度,并將其作為傳感器的故障敏感度;最后,計算得到基于故障敏感度的傳感器決策權(quán)重,并將該權(quán)重及等權(quán)重法和基于決策距離方法的權(quán)重共同應(yīng)用于轉(zhuǎn)子故障模擬實驗臺的融合檢測與診斷中。結(jié)果表明,該方法能對故障敏感、包含故障信息多的傳感器賦予更高的權(quán)重值,提高其決策地位和作用,反之則賦予較小的權(quán)重,"弱化"其決策地位和作用。通過證據(jù)權(quán)重的"調(diào)節(jié)"作用,使得該方法無論是在只有少數(shù)傳感器發(fā)現(xiàn)故障的證據(jù)高沖突情況還是在沖突不大或無沖突時,均取得了更好的決策融合結(jié)果。
[Abstract]:There exists a weighted D-S decision fusion problem in a typical evidence weight calculation method, in which only a few sensors are correct and the majority of the evidence is wrong. In view of this problem, a method for calculating the weight of evidence based on fault sensitivity is proposed. Firstly, the nonlinear sensitive feature is extracted by kernel function principal component analysis (kernel principal component analysis,). Secondly, the fault sensitivity of the feature is calculated based on the principle of fault detection, and it is regarded as the fault sensitivity of sensor. The weight of sensor decision weight based on fault sensitivity is calculated, and the weights based on equal weight method and decision distance method are applied to the fusion detection and diagnosis of rotor fault simulation test bench. The results show that the method can give higher weight value to sensor with more fault information and improve its decision-making position and function. Otherwise, it can give smaller weight and "weaken" its decision-making position and function. By "adjusting" the weight of the evidence, the method can obtain better results of decision fusion, whether in the case of high conflict of evidence found by only a few sensors or when the conflict is small or no conflict.
【作者單位】： 空軍工程大學(xué)航空航天工程學(xué)院;先進(jìn)航空發(fā)動機(jī)協(xié)同創(chuàng)新中心;
【基金】：國家自然科學(xué)基金資助項目(51105374) 航空科學(xué)基金資助項目(20142196019) 陜西省自然科學(xué)基礎(chǔ)研究計劃資助項目(2015JM5207)
【分類號】：TH17

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任立通;謝壽生;胡金海;余堅;王磊;苗卓廣;;基于穩(wěn)定約束的自適應(yīng)隨機(jī)共振轉(zhuǎn)子故障檢測方法[J];推進(jìn)技術(shù);2013年10期

2 胡金海;余治國;翟旭升;彭靖波;任立通;;基于改進(jìn)D-S證據(jù)理論的航空發(fā)動機(jī)轉(zhuǎn)子故障決策融合診斷研究[J];航空學(xué)報;2014年02期

3 曹建福;曹雯;;基于改進(jìn)證據(jù)理論的大型制造裝備故障診斷[J];振動.測試與診斷;2012年04期

4 李軍;鎖斌;李順;;基于證據(jù)理論的多傳感器加權(quán)融合改進(jìn)方法[J];計算機(jī)測量與控制;2011年10期

5 蘇曉燕;鄧勇;吳英;蔣雯;;基于改進(jìn)D-S組合規(guī)則的故障模式分類[J];振動.測試與診斷;2011年02期

6 高峰;唐卓貞;;基于DS證據(jù)理論的船舶電子設(shè)備狀態(tài)預(yù)測方法[J];船電技術(shù);2011年02期

7 譚青;向陽輝;;加權(quán)證據(jù)理論信息融合方法在故障診斷中的應(yīng)用[J];振動與沖擊;2008年04期

8 胡金海;謝壽生;侯勝利;尉詢楷;何衛(wèi)鋒;;核函數(shù)主元分析及其在故障特征提取中的應(yīng)用[J];振動、測試與診斷;2007年01期

9 魏雪云;廖惜春;;一種基于證據(jù)理論的數(shù)據(jù)融合新算法研究[J];傳感技術(shù)學(xué)報;2006年06期

10 鄧勇,施文康,朱振福;一種有效處理沖突證據(jù)的組合方法[J];紅外與毫米波學(xué)報;2004年01期

相關(guān)博士學(xué)位論文 前1條

1 周雁冰;基于高階統(tǒng)計量的齒輪傳動系統(tǒng)故障特征提取方法研究[D];華北電力大學(xué);2013年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張強(qiáng);聞學(xué)震;王海艦;索江偉;袁智;;基于紅外熱像分析的刀具磨損及失效診斷[J];機(jī)械設(shè)計與研究;2017年03期

2 胡金海;高星偉;張馭;任立通;彭靖波;;基于故障敏感度的證據(jù)權(quán)重計算方法及其應(yīng)用[J];振動.測試與診斷;2017年03期

3 王奉濤;陳旭濤;柳晨曦;李宏坤;韓清凱;朱泓;;基于KPCA和WPHM的滾動軸承可靠性評估與壽命預(yù)測[J];振動.測試與診斷;2017年03期

4 牟偉杰;石林鎖;蔡艷平;鄭勇;劉浩;;基于振動時頻圖像和D-S證據(jù)理論的內(nèi)燃機(jī)故障診斷[J];武漢科技大學(xué)學(xué)報;2017年03期

5 張勇亮;李國林;張曉瑜;;基于并聯(lián)自適應(yīng)隨機(jī)共振的微弱信號檢測方法[J];計算機(jī)工程與設(shè)計;2017年05期

6 劉偉;姜逢清;李小蘭;;新疆氣候變化的適應(yīng)能力時空演化特征[J];干旱區(qū)研究;2017年03期

7 Ying-Jin Lu;Jun He;;Dempster-Shafer Evidence Theory and Study of Some Key Problems[J];Journal of Electronic Science and Technology;2017年01期

8 孫瑋琢;;模糊推理和證據(jù)理論融合的航空發(fā)動機(jī)故障診斷研究[J];電子科學(xué)技術(shù);2017年02期

9 盧彥龍;王拓;徐宏;;基于灰關(guān)聯(lián)度系數(shù)的證據(jù)組合方法[J];計算機(jī)與數(shù)字工程;2017年01期

10 劉棋;寧靜;葉運(yùn)廣;陳春駿;;基于D-S證據(jù)理論高速列車橫向失穩(wěn)故障判別研究[J];中國測試;2017年07期

相關(guān)博士學(xué)位論文 前2條

1 梁U，

本文編號：2128567