基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于多目标蜂群算法的数据分类方法

为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。     

基于置信规则库推理的电路参数成品率估计与中心值设计方法

将电路仿真与主观设计经验相结合,建立成品率估计的置信规则库(BRB)推理模型,该模型不仅可建模输入电路参数变量与输出参数成品率之间复杂的非线性关系,且能通过证据推理(ER)过程,给出不同输入下输出成品率的估计值.利用BRB推理模型可代替电路仿真,利用较少的计算量快速地估计出满足约束条件的中心值设计区域.所提方法与传统基于蒙特·卡罗的统计性方法和基于可接受域几何逼近的确定性方法相比,其不再只给出单个满足要求的中心值,而能够给出整个中心值设计区域,且不受特定电路性能函数形式的约束,具有计算速度快、模型参数物理意义明确便于理解等优点.以高速铁路轨道电路成品率估计与中心值设计为例,验证了所提方法的有效性.     

Modeling Multisource-heterogeneous Information Based on Random Set and Fuzzy Set Theory

This paper presents a new idea, named as modeling multisensor-heterogeneous information, to incorporate the fuzzy logic methodologies with mulitsensor-multitarget system under the framework of random set theory. Firstly, based on strong random set and weak random set, the unified form to describe both data （unambiguous information） and fuzzy evidence （uncertain information） is introduced. Secondly, according to signatures of fuzzy evidence, two Bayesian-markov nonlinear measurement models are proposed to fuse effectively data and fuzzy evidence. Thirdly, by use of ＂the models-based signature-matching scheme＂, the operation of the statistics of fuzzy evidence defined as random set can be translated into that of the membership functions of relative point state variables. These works are the basis to construct qualitative measurement models and to fuse data and fuzzy evidence.     

一种基于多源异类信息统一表示的多传感器数据融合算法

针对异类多传感器所获信息在形式上的多样性和复杂性，分析了由多源异类信息所构成的目标特征空间的结构，运用集合空间理论构造出多源异类信息统一的表示形式，并基于Kalman滤波给出了一种适用于多种异类信息的数据融合算法。     

基于主导从属框架的变结构置信规则库多目标优化方法

置信规则库(belief rule base,BRB)是一种十分有效的非线性建模工具,当前BRB优化相关研究仅局限于单目标优化.为了解决BRB的多目标优化问题,尤其需要解决在优化BRB参数的同时对BRB的结构也进行优化的问题,即BRB在优化过程中将变结构,本文提出基于主导从属框架结构(dominant-subordinate framework)的置信规则库多目标(multi-objective)优化方法(DSM-BRB).在主导优化过程中,将采用多种群策略和冗余基因策略对不同规模的BRB进行协同优化,其中多种群策略确保每个种群中的个体长度相等,不同种群中的个体长度不等,冗余基因策略将冗余基因添加到基因数量较少的个体中以确保每个个体具有相同的长度,因此不同种群中的个体可以协同优化,并在进入适应度计算之前删除添加的冗余基因.在主导优化过程完成之后,采用多线程并行优化机制将不同种群分配至多个从属优化线程中,即在一个线程中仅对一个种群中的个体进行优化,多个线程同时进行并行优化以提高优化效率.最后本文以某石油管道泄漏检测问题作为示例验证本文提出方法的有效性.