基于证据推理与更新规则的动态融合方法及其应用研究

发布时间：2017-05-24 10:26

  本文关键词：基于证据推理与更新规则的动态融合方法及其应用研究，，由笔耕文化传播整理发布。

【摘要】：经典的证据组合规则只能融合“静态”或“对称”的证据,并没有考虑证据及其融合结果前后时刻之间的动态变化规律。因而它们不适用于解决多源信息的动态融合问题,如故障诊断、状态估计等。此外,大多已有研究都集中在给出功能各异的融合规则,鲜有考虑如何给出适当的评价指标以衡量静态或动态融合算法的性能。如何有效解决以上这些问题,是利用证据理论实现多源信息动态融合的关键所在。为解决以上问题,本文开展基于证据推理与更新规则的动态融合方法研究,并将其应用于系统在线故障诊断和状态估计中,主要工作如下：(1)将诊断证据静态融合与动态更新相结合的故障诊断方法。在静态融合阶段,利用Dempster组合规则获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标；在动态更新阶段,基于条件化的线性组合更新规则获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标。在两个阶段中,基于相应的收敛性指标函数,分别给出其优化学习方法,获取相应参数的最优值。最终可利用更新后获取的诊断证据做出诊断决策。通过在电机转子实验台上的诊断实验,将所提方法与典型的融合诊断方法进行比对,说明所提方法的有效性。(2)基于区间值信度结构的动态故障诊断方法。从故障信息中提取出区间值信度结构(IBS)作为区间型诊断证据,它比单值诊断证据(BBA)对不确定信息度量更为合理有效；提出适用于区间型证据的更新策略,利用新到来的诊断证据更新旧的诊断证据以得到全局诊断证据(更新后的IBS)；最后在电机转子试验台上的诊断实例中说明所提方法的有效性。(3)基于证据推理(ER)规则的融合估计方法。该方法把动态系统的状态和实际观测作为两个信息源,通过随机集和随机集扩展准则从两个信息源中递归生成状态证据和观测证据,并在系统方程中进行传播。每个估计时刻,在观测域中利用ER规则将两条证据进行融合,并利用随机集拓展准则将融合结果逆映射到状态域中。最后,通过Pignistic期望计算状态估计值。工业液位仪液位估计中的应用表明所提方法比Nassreddine方法有更好的估计性能。
【关键词】：信息融合 证据理论 证据更新 故障诊断 状态估计
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP202
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 研究背景及意义11
• 1.2 信息融合概述11-15
• 1.2.1 信息融合的定义11-12
• 1.2.2 信息融合的级别12-14
• 1.2.3 基于证据理论的决策级信息融合方法14-15
• 1.3 基于证据理论的动态融合方法研究现状15-17
• 1.4 本文的项目支撑、研究工作以及章节安排17-19
• 第2章 证据理论基础19-30
• 2.1 引言19
• 2.2 证据理论基础19-24
• 2.2.1 证据理论的基本概念19-21
• 2.2.2 证据折扣因子21
• 2.2.3 可传递信度模型21
• 2.2.4 证据的随机集表示及随机集扩展准则21-23
• 2.2.5 证据理论中的融合决策准则23-24
• 2.3 区间证据理论24-25
• 2.3.1 区间值信度结构24
• 2.3.2 归一化准则24-25
• 2.3.3 区间证据融合规则25
• 2.4 证据更新理论25-28
• 2.4.1 Jeffery规则26
• 2.4.2 类Jeffery更新规则26-27
• 2.4.3 条件化线性证据更新规则27-28
• 2.5 证据推理理论28-29
• 2.6 本章小结29-30
• 第3章 基于条件化线性证据更新的动态融合方法及其在故障诊断中的应用30-49
• 3.1 引言30-32
• 3.2 证据的精细化折扣32-34
• 3.3 基于静态融合与动态更新的故障诊断过程34-41
• 3.3.1 局部诊断证据的静态融合及折扣因子的优化过程35-36
• 3.3.2 基于条件化证据线性更新的更新后诊断证据获取过程36-39
• 3.3.3 基于故障信度动态收敛指标的更新权重系数优化过程39-41
• 3.4 基于全局诊断证据的故障决策41-42
• 3.5 故障诊断实例42-47
• 3.5.1 静态融合中局部诊断证据折扣因子的优化43-44
• 3.5.2 动态更新中相似性参数α及更新权重系数的优化44-45
• 3.5.3 针对测试样本的诊断实验以及其对比分析45-47
• 3.6 本章小结47-49
• 第4章 基于区间值信度结构的动态融合方法及其在故障诊断中的应用49-66
• 4.1 引言49
• 4.2 基于IBSs的相似性度量49-51
• 4.3 基于区间诊断证据更新的故障诊断51-55
• 4.3.1 区间值信度结构下的线性更新策略51-52
• 4.3.2 基于区间值信度结构的故障诊断过程52
• 4.3.3 动态调整线性组合权重的新策略52-55
• 4.4 区间证据的静态可靠性与动态敏感性指标55-56
• 4.5 故障诊断实例56-64
• 4.6 本章小结64-66
• 第5章 基于证据推理规则的动态系统状态估计方法及其在液位检测中的应用66-81
• 5.1 引言66-67
• 5.2 噪声有界下的动态系统模型67-68
• 5.3 基于ER融合的状态估计过程68-72
• 5.4 液位状态估计中的应用72-80
• 5.4.1 液位仪结构及液位仪测量原理73-74
• 5.4.2 动态系统的建模74
• 5.4.3 液位状态估计实验74-80
• 5.5 本章小结80-81
• 第6章 总结与展望81-83
• 6.1 总结81-82
• 6.2 展望82-83
• 致谢83-84
• 参考文献84-89
• 附录89-90

【参考文献】

中国期刊全文数据库 前1条

1 徐晓滨;吉吟东;文成林;;基于不完备模糊规则库的信息融合故障诊断方法[J];南京航空航天大学学报;2011年S1期

中国博士学位论文全文数据库 前4条

1 唐东明;聚类分析及其应用研究[D];电子科技大学;2010年

2 周福娜;基于统计特征提取的多故障诊断方法及应用研究[D];上海海事大学;2009年

3 马儒宁;神经网络与支持向量机相关问题研究[D];复旦大学;2005年

4 李玉榕;信息融合与智能处理的研究[D];浙江大学;2001年

中国硕士学位论文全文数据库 前2条

1 陈树峰;高频电源电子线路故障诊断及辅助软件设计[D];南京航空航天大学;2013年

2 谢颖;信息融合算法研究及其应用[D];重庆大学;2008年

  本文关键词：基于证据推理与更新规则的动态融合方法及其应用研究，由笔耕文化传播整理发布。

本文编号：390528