基于D-S证据理论的装备维修性多源数据融合方法

发布时间：2021-05-21 08:10

　　针对装备维修性评估时现场数据样本量不足的问题,建立一种基于D-S证据理论的多源数据融合方法,充分利用装备前期各阶段或其他来源的维修性试验数据。首先对传统的Bayes Bootstrap法进行改进,较为精确地拟合离散化的各源维修性试验数据的分布参数,再从数据源中挖掘样本量和分布特征等信息构建证据,采用D-S理论合成证据作为权重,建立维修性多源数据融合模型,最后采用某坦克的维修性试验数据进行实例分析,验证了该融合方法的有效性。 

【文章来源】：电光与控制. 2020,27(06)北大核心CSCD

【文章页数】：5 页

【文章目录】：
0 引言
1 D-S证据理论及维修性多源数据分类
    1.1 D-S证据理论基本概念
    1.2 装备维修性多源数据分类
2 多源验前数据的分布参数拟合
3 基于D-S证据理论的维修性多源数据融合模型
    1) 验前分布的参数拟合。
    2) 证据的挖掘与组建。
    3) 合成证据建立融合模型。
4 算例验证
5 结束语


【参考文献】：
期刊论文
[1]维修性试验验前信息融合方法[J]. 苗佳雨,闫鹏程,连光耀,张西山.  火力与指挥控制. 2017(08)
[2]一种有效处理冲突证据的DS改进算法[J]. 苏向阳,董增寿,白转伟.  太原科技大学学报. 2017(04)
[3]小样本合格率估计的随机加权贝叶斯方法[J]. 梁瑛,季宪军.  统计与决策. 2016(12)
[4]基于改进证据理论的目标识别融合方法[J]. 王品,尚朝轩,韩壮志.  电光与控制. 2015(09)
[5]基于随机加权法的小子样数据评估研究[J]. 张鑫鹏,黄勇,阎杰.  计算机仿真. 2010(09)
[6]不完全先验信息条件下的可靠性评估[J]. 周涛,胡昌华,蔡光斌.  电光与控制. 2008(03)
[7]基于随机加权法的BAYES精度评定[J]. 张湘平,张金槐,谢红卫,曹国敏,张振泰,钟世勇.  国防科技大学学报. 2001(03)

硕士论文
[1]基于D-S证据理论的数据融合方法设计与实现[D]. 章巍.北京邮电大学 2018
[2]装甲装备维修性试验数据处理和小子样验证方法[D]. 黄秀平.国防科学技术大学 2008
[3]基于Bayes理论的装甲装备系统维修性综合方法研究[D]. 朱志.国防科学技术大学 2008



本文编号：3199369