基于证据理论的无人机光电侦察设备故障诊断

针对无人机光电侦察设备故障类型多样性以及故障信息不确定性等问题,从信息融合的角度出发,运用证据理论对光电侦察设备故障进行诊断.依据故障统计数据和专家评判矩阵获取基本概率分配,利用证据可信度修正最初的概率分配,再利用证据融合公式得到综合故障诊断结果.最后通过实例验证了该方法的可行性.     

雷达抗距离多假目标干扰的时域融合算法

针对现有雷达抗距离多假目标干扰算法主要根据一个时刻的信号特征识别真假目标,其判决门限设定主观性强,容易导致误判率高的问题,在D-S证据理论框架下提出了基于时间递推融合的抗距离多假目标干扰算法。首先对用于航迹更新的点迹进行基于卡方检验的分组,判定雷达是否遭受距离多假目标干扰,构建基于信噪比的点迹基本概率赋值函数,然后与前一时刻的航迹基本概率赋值函数进行递推融合,得到当前时刻的航迹基本概率赋值函数,最后基于航迹基本概率赋值函数进行了真假航迹判决。仿真结果表明,该算法能快速识别距离多假目标干扰,真假目标鉴别率较高。     

组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

基于区间数的DS证据合成方法研究

在DS证据理论的应用过程中,命题的基本概率赋值函数起到了关键的作用,传统DS证据理论中基本概率赋值函数的取值为[0,1]中的单点值.在很难准确将证据所支持命题的基本概率赋值表示为[0,1]之间的单点值时,可以用区间数形式来表示命题的基本概率赋值.在建立符合运算封闭性的区间数广义求和与广义乘积算子的基础上,定义了基于区间数的基本概率赋值函数、信任函数以及似然函数等重要概念,给出了证据合成规则,进而提出了基于区间数的DS证据合成方法.计算实例表明,与传统DS证据合成方法相比,基于区间数的DS证据合成方法具有更灵活的应用特性和更小的计算复杂度.     

基于DS/AHP的贝叶斯网络条件概率值确定方法

针对多状态复杂系统贝叶斯网络条件概率赋值难以确定的问题,提出了一种基于DS证据理论/层次分析法(DS evidence theory/analytic hierarchy process,DS/AHP)的算法对不确定性信息进行融合处理。在对问题进行充分分析的基础上,提出了用于专家决策的判断标准,构建了融合多位专家经验信息的知识矩阵。以3节点贝叶斯网络模型为例,参照决策判断标准,依据域内专家经验知识构建知识矩阵,通过求解特征值、特征向量,确定了隶属于各个状态的基本概率分配值,应用DS证据理论进行了融合处理。并对DS/AHP方法的最大不确定度、最小不确定度进行了定量分析,验证了该方法的准确性与合理性。     

基于多信号模型的装甲车辆电源系统诊断策略

针对装甲车辆电源系统模块失效和信号失效不统一的特点,提出了一种多信号模型的改进方法,在此基础上,通过电源系统故障模式影响分析,建立了电源系统测试性模型。基于故障熵理论,利用诊断信息量和费用优化的启发式函数,确立了系统的诊断策略。计算结果表明:该方法对诊断策略的优化是有效的。该方法对装甲车辆电源系统诊断策略的研究具有一定参考意义。     

基于权值改进D-S理论的对空目标识别融合

针对传统证据理论证据高冲突性问题,提出了一种基于权值改进型Dempster-Shafer(DS)理论的对空目标识别方法。在研究D-S证据理论数学模型基础上,依据泛函距离空间理论,更新计算各个传感器的信度函数可靠性权值,对各个传感器的基本概率赋值函数进行修正,最后利用D-S合成公式对各个传感器进行融合判决。仿真结果证明了该方法的有效性。     

基于BPAF判决的决策层目标属性融合研究

在D-S证据理论框架下,研究了基于目标基本概率赋值(BPAF)判决的决策层目标属性融合问题。简要介绍了D-S证据组合理论框架,阐述了基于BPAF判决的决策层目标属性融合策略、步骤;分析了证据严重冲突时,Dempster证据组合规则不合理的本质原因;提出必须对D-S证据组合规则进行改善等需要继续深入探讨的几个问题。     

基于区间灰关联的雷达辐射源识别新方法

在现代密集信号环境中,接收机测得的和辐射源数据库中的雷达特征参数具有不确定性,一般用区间值表示.针对区间类型的特征参数的雷达辐射源识别,提出了一种新的基于区间灰关联度的雷达辐射源融合识别方法.该方法首先运用区间灰关联度得到基本概率赋值,然后运用证据组合与决策实现目标识别.仿真结果表明,这种识别方法是有效的.     

FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。