非精确概率下基于证据理论的典型系统可靠性模型

当系统的各个单元的失效概率为不精确概率时,传统的概率方法难以使用,而区间分析法等非概率方法得到的结果则比较粗糙.基于证据理论,建立了非精确概率下串联、并联、串并混联、k-out-of-n等典型系统的可靠性模型,利用信任函数和似然函数、根据证据推理,将单元可靠性中的不确定性传递到顶层系统,从而得出系统失效概率和可靠度的概率分布的上下界.实例分析表明,提出的方法能较好的处理可靠性计算中的不精确信息,且比区间分析法得到的有效信息更多.     

混合不确定多态系统可靠性的EUGF分析方法

在进行多状态系统可靠性分析时,很多情况下系统中同时存在着多个类型不确定信息,如一些复杂系统中,由于样本量的差异,一些信息可以作为随机信息,而另一些信息由于缺少足够的样本,只能以区间形式给出。提出一种基于证据通用生成函数理论的多状态系统可靠性分析方法,来处理多类不确定性信息的多态系统。该方法基于证据不确定性量化理论,能够充分利用区间信息和认知信息,避免了系统中信息的浪费。基于证据量化理论建立证据通用生成函数模型,采用信度和似然度对多态系统进行可靠性评价,提高了基于认知不确定性的可靠性分析结果的可信性。对于同时含有随机信息和认知信息的多态系统,该方法首先通过将随机信息离散处理,然后建立统一的证据通用生成理论模型进行多态可靠性分析。通过案例分析对所提出的方法进行了验证。     

基于前景理论和证据推理的混合直觉模糊决策

针对不确定的混合多属性决策问题,提出基于前景理论和证据推理的直觉模糊决策方法.首先通过直觉模糊数描述决策信息,保留了决策数据的不确定性,并实现了精确数、区间数和语言变量3种混合型属性的信息统一.其次考虑人的有限理性,结合前景理论,以直觉模糊数的形式表示前景决策矩阵.再次,运用证据理论合成方案的综合前景值,减少了决策信息的丢失,并以此对方案进行排序和优选.最后,以航运企业竞争力综合评估为实例,通过分析表明了该方法具有合理性和可行性.     

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题,提出一种基于证据理论的离散化机械结构可靠度计算方法.为合理地构建不确定性变量的基本概率分配,首先基于证据变量基本概率分配的离散特性,改进了熵等效法在广义三角模糊数去模糊化时的不足,并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理.然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征,并将离散的连续焦元序列(子区间)作为其证据体,进而构造其基本概率分配.最后利用证据融合法则对证据体进行融合,以实现信任度和似真度的数值计算.将所提出的方法运用于曲柄滑块机构的可靠度计算,并结合蒙特卡罗模拟法验证了该方法的可行性.     

具有不同状态概率表示形式的多态系统可靠性

由于多态系统的复杂性、统计数据的不完备等诸多原因 ,人们往往不能精确地确定系统及其元素的状态概率 ,也即存在着状态概率表示及计算的不确定性问题。针对多态系统中可能存在多种状态概率表示形式的情况 ,介绍了多态系统可靠性计算的随机模型、模糊模型和区间模型。对于同一系统中可能同时存在多种状态概率表示形式的情况 ,提出了将不同状态概率表示形式归一化的方法 ,给出并解释了状态概率的转换公式。     

基于证据GO法的复杂多态系统动态可靠性分析

为了准确把握复杂多态系统及其部件可靠性指标的演变规律,需要对其进行动态可靠性分析。针对复杂多态系统退化参数的认知不确定性问题,提出一种用于动态可靠性分析的证据GO算法,以GO法原理为分析基础,结合证据理论构建一种考虑认知不确定性的多态GO法操作符,完成对复杂多态系统的不确定量化,结合马尔可夫模型对复杂多态系统进行可靠性建模,从而有效地分析认知不确定性给系统可靠度的影响,并用算例验证方法的可行性。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

随机和认知混合不确定系统的全局灵敏度分析方法

为计算具有随机不确定性和认知不确定性的混合不确定系统灵敏度,提出一种基于证据理论和条件概率理论的全局灵敏度分析方法.用证据理论对认知不确定性变量进行表征,并提出两种基于证据理论的随机采样方法,包括一次随机抽样法和二次随机抽样法.运用条件概率理论,提出存在认知不确定性条件下混合不确定系统的Sobol'全局灵敏度指标,经过理论推导给出一阶灵敏度及总灵敏度的计算公式,并设置单循环的拟蒙特卡罗方法实现灵敏度的近似数值计算.开发了灵敏度分析程序,并给出了典型应用实例.实例表明,新方法的分析结果正确,计算工作量可控.     

基于模糊测度KNN的多维度数据分类算法

k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。     

证据理论与贝叶斯网络相结合的可靠性分析方法

针对可靠性分析中存在的认知不确定性问题,将证据理论引入到贝叶斯网络。给出了存在认知不确定性时故障树向贝叶斯网络的转换方法,以及基于信任测度和似然测度求解顶事件发生概率的方法。研究了三种重要度的求解方法,同时提出了一个重要概念--认知重要度,给出了其实际意义和计算方法。最后,运用所提出方法对某导弹发动机进行了可靠性分析,结果表明,该方法增强了贝叶斯网络处理不确定性信息的能力,简单有效且可以得到更丰富的信息。