基于多源数据融合的突发水污染事故可靠预警方法

在突发水污染事故自动监测领域中,传感器节点监测数据的异常是影响自动监测系统预警可靠性的重要原因.考虑到多传感器信息之间的互补性和相关性,该文提出了一种基于多源数据融合的突发水污染事故可靠预警方法.基于改进的D-S证据理论,利用综合权重对节点证据进行加权修正,并用D-S融合规则对多源数据进行两两融合,最终根据融合结果对突发水污染事故进行预警决策.案例分析及实验结果表明:与传统方法相比,该方法能得到可靠度更高、聚焦性更好的预警结论.     

多源时域时频域数据融合故障诊断方法及其应用

本文介绍并构建了故障特征向量,给出了一种多源时域时频域数据融合故障诊断方法,用神经网络给出了基本概率分配,证据理论融合各传感器的信号而得诊断结果。对液压泵进行了试验,结果表明,该诊断系统充分利用了多源数据的冗余互补信息,提高了诊断的可靠性和准确性,降低了诊断的不确定性。     

基于多源异构信息融合的煤矿冒顶事故预报技术

基于D-S理论和模糊数学理论,建立了煤矿冒顶监测系统中多源异构信息融合模型,并提取某矿冒顶危险性数值特征,应用隶属度函数概念得出危险征兆的信度函数分配,最后利用判决规则判断其融合结果并预测该矿冒顶危险等级。该方法能简便快速的预测煤矿冒顶危险,准确识别冒顶危险预兆的目标特征,为矿井冒顶事故预报可以提供依据。     

多传感器数据融合在粉尘监测中的应用

针对工业粉尘监测中环境安全等级评判的问题,本文提出一种基于均值距离和D-S证据理论的两级多传感器数据融合方法.利用传感器采集到的P M2.5、P M10和粉尘总浓度,采用基于均值距离的融合算法对多周期的同一类型数据进行一级融合,利用D-S证据理论对不同类型传感器数据进行二级融合,最终得到生产空间粉尘安全等级.实验结果表...     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理,采用神经网络与数据融合相结合的方法进行模拟电路故障诊断,提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正,用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题,本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能,实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理,具有很强的鲁棒性．     

基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究

本文介绍了一种基于Dempster-shafer(D-S)证据理论的多源信息融合理论在系留气球缆绳故障诊断中的应用方法。分析介绍了D-S方法的基本理论、基本概率分配函数(BPA)的获取途径、组合法则和决策方法等。通过实例分析表明,该方法的应用可以大大降低原来只靠单个传感器判断的局限性和不确定性,给系留气球系统缆绳故障的判断提供了一种新的解决思路。     

基于多传感器信息融合技术

笔者根据多年的跟踪研究,将多传感器信息融合作为一种信息处理技术来理解,阐述了信息融合的概念,融合的方式、方法,重点介绍了D-S证据理论和Bayes方法,并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于云模型和D-S证据理论的多源信息融合滑坡安全性评价

基于多源信息融合理论,结合安全监测数据及滑坡变形破坏特征,构建完善的滑坡安全性评价体系,应用云模型生成各评价指标隶属度,采用引入权重系数的改进D-S证据理论进行数据融合分析,建立一种基于云模型和改进D-S证据理论的滑坡安全性多指标综合评价模型,以实现对滑坡安全性的综合评判。以雅砻江卡拉水电站周家滑坡安全评价分析为实例进行研究,按最大隶属度原则判定周家滑坡的安全状态,分析表明其整体处于基本稳定状态,B1区处于不稳定状态,与实际基本相符。     

多源遥感影像数据融合理论与方法的研究

在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上,归纳了多源遥感影像数据融合方法,并对未来的研究趋势进行了展望。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题,基于D-S证据理论,提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据,并根据D-S合成规则要求参与合成的各证据具有相同权重的特点,充分考虑了提供证据的信源即各个传感器的可靠性。在合成中,引入证据权的概念,解决了不同权重的多传感器数据融合问题,在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。     

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。     

传感器融合技术在火灾预警探测中的应用研究

针对传统火灾报警系统存在的局限性,本文把传感器融合技术应用到火灾预警探测系统中.该系统采用传感器组探测早期火灾特征,在进行数据处理时,首先对同质传感器进行自适应加权数据融合,再对同质传感器采用D-S证据理论进行全局融合,最后得出对火灾的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.系统采取模块化设计,结构简单,容易实现等.     

基于D-S证据理论的空区稳定性识别与工程应用

地下矿山开采时,受采矿方法和开采工艺的影响,产生大量采空区,它是影响井下矿山安全生产的主要因素。群空区稳定性的影响因素主要包括4个方面,即:采空区的结构形态参数、群空区的空间分布特征、群空区的应力环境和特征值、采空区的地质环境和矿岩体的物理力学参数,形成了群空区稳定性影响因素的多源信息数据库。为了识别矿山井下空区的稳定性,以CMS空区探测、数值模拟和岩体力学属性为多源信息来源,应用层次分析进行因素权值分析,建立了基于D-S证据理论多源信息融合的群空区稳定性分析模型。针对某矿山的工程现状,实现了采空区的4级稳定性分级。研究结果表明:群空区稳定性与结构参数、地质参数和应力环境参数有关,是一典型的多源信息融合系统,运用D-S证据理论实现了采空区的多源信息融合的稳定性分级,分级结果有利于矿山的安全处置和控制。     

基于Petri网与D-S证据理论的电力系统故障诊断

针对电力系统继电保护故障,利用概率Petri网对电力系统进行建模,获取有效的故障信息,并运用DS(Dempster-Shafer)证据理论对信息进行融合,得出诊断结果.针对传统D-S证据理论在处理冲突证据时会存在结果与源证据相悖的问题,在加权平均法的基础上提出一种改进的融合方法,根据各个证据到平均证据的距离与证据权重大小成反比的关系,计算每个证据的权重,再进行加权平均,最后利用D-S组合规则进行迭代计算.与传统方法相比,本文方法拥有更好的融合效果和更高的效率.仿真结果验证了改进方法的有效性.     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

应用模糊多属性理论的电力变压器故障融合诊断

大型油浸电力变压器的故障诊断一般通过预防性试验数据进行,预防性试验数据必须经停电检修才能获取,且实际现场数据的采集精度及数量也都很有限。变压器的征兆现象是大量经验的总结,在一定程度上可以反映变压器的故障。提出了在变压器故障诊断中将征兆现象和试验数据融合的思想,实现各种信息的优势互补。通过模糊多属性决策理论,实现对征兆现象的诊断;通过变压器绝缘故障诊断的模糊概率模型,实现对预防性试验的诊断;最后用D-S证据理论对预防性试验数据和征兆现象的诊断结果融合。建立了一种新的故障诊断模型,实例证明了此方法的有效性。     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法.一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋...     

多传感器信息融合的智能故障诊断

针对传统故障诊断方法只利用单一参数对复杂系统进行诊断具有信息不完备和不确定性的问题,提出了一种基于PCA和D-S证据理论的多传感器信息融合故障诊断方法.该方法基于PCA对信息融合的多维数据进行降维处理,并利用证据理论实现对非精确信息的正确推理,解决了信息融合数据的组合爆炸问题,从而得到精确的诊断结果.将该方法应用于火电机组的汽包锅炉给水控制系统故障诊断中,实现了对控制系统中主要参数的故障检测,有效提高了控制系统工作的可靠性.     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。