基于威胁博弈理论的决策级融合模型

针对多传感器信息融合系统中普遍存在的冲突信息环境下的融合系统决策问题,提出了一种新的基于威胁博弈的决策级信息融合模型·该模型将冲突环境下的融合过程视为局部决策空间、策略空间和全局决策空间上的变换过程,并以此构建融合中心的一种结构模型·在融合算法的研究中,以威胁博弈的算法实现融合中心的多传感器交互决策·在应用中将该模型用于丰满水电仿真系统调速器PID模型的参数在线调整·经现场应用表明,该模型可以有效地解决原PID模型参数整定困难而导致的系统转速和频率振荡等问题·     

基于融合理论的网络在线智能故障诊断模型

针对复杂设备的在线故障诊断问题,依据认知科学和信息融合理论,基于网络环境,提出了一种新的网络在线智能故障诊断模型·它采用定性与定量、局部与综合诊断相结合的诊断策略,即首先进行快速定性诊断,一旦系统异常,立即启动集成神经网络组对来自设备多侧面的故障特征信息进行定量分析和分类,并由专家系统模块对神经网络组的推理过程进行定性解释,最后以D S证据推理模块在全局融合中心实现对各子网络的会诊,提高了诊断的精度和可靠性·作者所开发的丰满水电数字仿真系统的成功应用,验证了模型的有效性和实际应用价值·     

复杂系统态势评估模型及其本体论实现方法

针对复杂系统的在线态势评估问题，依据信息融合理论，提出了一种新的网络在线态势评估模型。它采用定性与定量、局部与综合相结合的评估策略，即首先进行快速定性评估，一旦系统异常，立即启动集成神经网络组对来自系统多侧面的故障特征信息进行定量分析和分类，最后两级D-S证据推理模型在各自的融合中心实现对各子网络的融合，提高了评估的精度和可靠性。基于本体论成功地实现了该模型，在丰满水电数字仿真系统的成功应用验证了模型的有效性和实际应用价值。     

分布式主客观证据融合模型及其应用

为了有效地提高油田剩余油分布预测的准确率和可靠性,通过BP神经网络联合模型与两级D-S证据推理模型的优势互补进行主客观证据融合,实现了剩余油分布多属性特征的准确分类．提出了将BP神经网络分类结果的可信度及专家系统推理结论的可信度作为D-S证据推理模型输入证据基本概率赋值的有效方法．实际应用与结果分析表明了上述方法的有效性,为各类多源信息融合系统的研究和工程实现提供了示例、途径和有益的经验．     

基于搜索策略的通用态势评估方法的研究

在态势状态转换图表示的基础上，提出了一种通用的态势评估搜索策略。该策略将态势评估的整个过程看作为对当前态势路径的识别和搜索过程。在算法中以Bayes分类器识别当前态势发展可能的目标状态，以parzen窗算法对态势各类别的类条件概率密度进行修正，以改进的深度优先算法实现态势图的搜索。在实验中，将其应用于丰满水电仿真系统水轮发电机组的状态评估系统中，经数据对比分析，该算法优于传统的发电机诊断分析方法。     

油藏预测问题中主/客观证据融合方法研究

针对单一模型解决油藏预测问题存在的算法复杂度高，分类准确率低等问题，提出了BP神经网络联合与DS证据推理相融合的模型，不仅实现了多个领域不同层次的全部主席：观证据的特征级融合，还实现了多个模型的优势互补。通过实验对方法和传统的单一神经网络方法比较得出，主／客观证据融合方法不仅提高了6．9％的分类精度，还降低了算法的时间复杂度。     

不确定信息的模糊决策融合算法

针对不确定性问题,提出了一种新的基于知识发现的信息融合的方法·利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理,建立准确的评估模型,提取隐含其中的规则,最终获取新的知识·此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统·实验证明,这种知识提取方法充分体现了信息融合中解决多源信息数据的思想,能很好地解决系统中数据存在的无序、不确定问题,并能有效地提取出规则·     

基于非参数估计的决策融合模型及其应用研究

针对传统bayes决策融合算法中,类条件概率密度的不确定性以及固定的类条件概率密度估计值所引起的融合系统误判,本文将非参数估计方法引入到bayes决策融合算法中,提出了一种改进的bayes决策融合模型。该模型在融合过程中每次进行bayes最大后验概率准则判决后,均判断当前的类条件概率密度是否达到预期的精度,并在未达到预期精度的情况下利用parzen窗算法完成条件概率密度的逐步构造逼近。通过在丰满水电仿真系统的温度故障诊断过程中的实际应用表明,该算法在性能上优于传统bayes方法,可有效地提高诊断判决正确率。     

油田开发动态指标预测子系统的研究与设计

本文依据智能决策支持系统(IDSS)的基本理论及设计方法,设计和实现了一个智能决策支持系统模型库子系统——油田开发动态指标预测子系统。该子系统的设计采用了“系统生成”的设计思想,为各类用户提供了一个通用的“框架”,用户只要按系统提示定义好自己的问题,即可生成自己的具体系统。因而,系统具有较强的通用性、可扩充性。