本文關鍵詞：基于證據(jù)推理與更新規(guī)則的動態(tài)融合方法及其應用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：經(jīng)典的證據(jù)組合規(guī)則只能融合“靜態(tài)”或“對稱”的證據(jù),并沒有考慮證據(jù)及其融合結果前后時刻之間的動態(tài)變化規(guī)律。因而它們不適用于解決多源信息的動態(tài)融合問題,如故障診斷、狀態(tài)估計等。此外,大多已有研究都集中在給出功能各異的融合規(guī)則,鮮有考慮如何給出適當?shù)脑u價指標以衡量靜態(tài)或動態(tài)融合算法的性能。如何有效解決以上這些問題,是利用證據(jù)理論實現(xiàn)多源信息動態(tài)融合的關鍵所在。為解決以上問題,本文開展基于證據(jù)推理與更新規(guī)則的動態(tài)融合方法研究,并將其應用于系統(tǒng)在線故障診斷和狀態(tài)估計中,主要工作如下：(1)將診斷證據(jù)靜態(tài)融合與動態(tài)更新相結合的故障診斷方法。在靜態(tài)融合階段,利用Dempster組合規(guī)則獲取靜態(tài)融合證據(jù),并給出基于證據(jù)距離的故障信度靜態(tài)收斂指標；在動態(tài)更新階段,基于條件化的線性組合更新規(guī)則獲取更新后的全局性診斷證據(jù),并給出基于S函數(shù)的故障信度動態(tài)收斂指標。在兩個階段中,基于相應的收斂性指標函數(shù),分別給出其優(yōu)化學習方法,獲取相應參數(shù)的最優(yōu)值。最終可利用更新后獲取的診斷證據(jù)做出診斷決策。通過在電機轉(zhuǎn)子實驗臺上的診斷實驗,將所提方法與典型的融合診斷方法進行比對,說明所提方法的有效性。(2)基于區(qū)間值信度結構的動態(tài)故障診斷方法。從故障信息中提取出區(qū)間值信度結構(IBS)作為區(qū)間型診斷證據(jù),它比單值診斷證據(jù)(BBA)對不確定信息度量更為合理有效；提出適用于區(qū)間型證據(jù)的更新策略,利用新到來的診斷證據(jù)更新舊的診斷證據(jù)以得到全局診斷證據(jù)(更新后的IBS)；最后在電機轉(zhuǎn)子試驗臺上的診斷實例中說明所提方法的有效性。(3)基于證據(jù)推理(ER)規(guī)則的融合估計方法。該方法把動態(tài)系統(tǒng)的狀態(tài)和實際觀測作為兩個信息源,通過隨機集和隨機集擴展準則從兩個信息源中遞歸生成狀態(tài)證據(jù)和觀測證據(jù),并在系統(tǒng)方程中進行傳播。每個估計時刻,在觀測域中利用ER規(guī)則將兩條證據(jù)進行融合,并利用隨機集拓展準則將融合結果逆映射到狀態(tài)域中。最后,通過Pignistic期望計算狀態(tài)估計值。工業(yè)液位儀液位估計中的應用表明所提方法比Nassreddine方法有更好的估計性能。
【關鍵詞】：信息融合 證據(jù)理論 證據(jù)更新 故障診斷 狀態(tài)估計
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP202
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-19
• 1.1 研究背景及意義11
• 1.2 信息融合概述11-15
• 1.2.1 信息融合的定義11-12
• 1.2.2 信息融合的級別12-14
• 1.2.3 基于證據(jù)理論的決策級信息融合方法14-15
• 1.3 基于證據(jù)理論的動態(tài)融合方法研究現(xiàn)狀15-17
• 1.4 本文的項目支撐、研究工作以及章節(jié)安排17-19
• 第2章 證據(jù)理論基礎19-30
• 2.1 引言19
• 2.2 證據(jù)理論基礎19-24
• 2.2.1 證據(jù)理論的基本概念19-21
• 2.2.2 證據(jù)折扣因子21
• 2.2.3 可傳遞信度模型21
• 2.2.4 證據(jù)的隨機集表示及隨機集擴展準則21-23
• 2.2.5 證據(jù)理論中的融合決策準則23-24
• 2.3 區(qū)間證據(jù)理論24-25
• 2.3.1 區(qū)間值信度結構24
• 2.3.2 歸一化準則24-25
• 2.3.3 區(qū)間證據(jù)融合規(guī)則25
• 2.4 證據(jù)更新理論25-28
• 2.4.1 Jeffery規(guī)則26
• 2.4.2 類Jeffery更新規(guī)則26-27
• 2.4.3 條件化線性證據(jù)更新規(guī)則27-28
• 2.5 證據(jù)推理理論28-29
• 2.6 本章小結29-30
• 第3章 基于條件化線性證據(jù)更新的動態(tài)融合方法及其在故障診斷中的應用30-49
• 3.1 引言30-32
• 3.2 證據(jù)的精細化折扣32-34
• 3.3 基于靜態(tài)融合與動態(tài)更新的故障診斷過程34-41
• 3.3.1 局部診斷證據(jù)的靜態(tài)融合及折扣因子的優(yōu)化過程35-36
• 3.3.2 基于條件化證據(jù)線性更新的更新后診斷證據(jù)獲取過程36-39
• 3.3.3 基于故障信度動態(tài)收斂指標的更新權重系數(shù)優(yōu)化過程39-41
• 3.4 基于全局診斷證據(jù)的故障決策41-42
• 3.5 故障診斷實例42-47
• 3.5.1 靜態(tài)融合中局部診斷證據(jù)折扣因子的優(yōu)化43-44
• 3.5.2 動態(tài)更新中相似性參數(shù)α及更新權重系數(shù)的優(yōu)化44-45
• 3.5.3 針對測試樣本的診斷實驗以及其對比分析45-47
• 3.6 本章小結47-49
• 第4章 基于區(qū)間值信度結構的動態(tài)融合方法及其在故障診斷中的應用49-66
• 4.1 引言49
• 4.2 基于IBSs的相似性度量49-51
• 4.3 基于區(qū)間診斷證據(jù)更新的故障診斷51-55
• 4.3.1 區(qū)間值信度結構下的線性更新策略51-52
• 4.3.2 基于區(qū)間值信度結構的故障診斷過程52
• 4.3.3 動態(tài)調(diào)整線性組合權重的新策略52-55
• 4.4 區(qū)間證據(jù)的靜態(tài)可靠性與動態(tài)敏感性指標55-56
• 4.5 故障診斷實例56-64
• 4.6 本章小結64-66
• 第5章 基于證據(jù)推理規(guī)則的動態(tài)系統(tǒng)狀態(tài)估計方法及其在液位檢測中的應用66-81
• 5.1 引言66-67
• 5.2 噪聲有界下的動態(tài)系統(tǒng)模型67-68
• 5.3 基于ER融合的狀態(tài)估計過程68-72
• 5.4 液位狀態(tài)估計中的應用72-80
• 5.4.1 液位儀結構及液位儀測量原理73-74
• 5.4.2 動態(tài)系統(tǒng)的建模74
• 5.4.3 液位狀態(tài)估計實驗74-80
• 5.5 本章小結80-81
• 第6章 總結與展望81-83
• 6.1 總結81-82
• 6.2 展望82-83
• 致謝83-84
• 參考文獻84-89
• 附錄89-90

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 徐曉濱;吉吟東;文成林;;基于不完備模糊規(guī)則庫的信息融合故障診斷方法[J];南京航空航天大學學報;2011年S1期

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 唐東明;聚類分析及其應用研究[D];電子科技大學;2010年

2 周福娜;基于統(tǒng)計特征提取的多故障診斷方法及應用研究[D];上海海事大學;2009年

3 馬儒寧;神經(jīng)網(wǎng)絡與支持向量機相關問題研究[D];復旦大學;2005年

4 李玉榕;信息融合與智能處理的研究[D];浙江大學;2001年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 陳樹峰;高頻電源電子線路故障診斷及輔助軟件設計[D];南京航空航天大學;2013年

2 謝穎;信息融合算法研究及其應用[D];重慶大學;2008年

  本文關鍵詞：基于證據(jù)推理與更新規(guī)則的動態(tài)融合方法及其應用研究，由筆耕文化傳播整理發(fā)布。

本文編號：390528