未确知性信息的证据理论合成及其应用

针对在装备管理中所采用的专家评估法存在着未确知性现象,提出了一种基于D-S证据合成理论来融合未确知性信息的方法.从而,将每名专家的意见综合为专家组的一致意见,使评估结果更合理.最后,通过实例说明该方法的有效性.     

基于定性信息的装备技术状态评估

利用定性信息对装备技术状态进行评估是提高评估时效性的有效手段.通过对装备技术状态评估研究现状的分析,论证了运用D-S证据理论进行装备技术状态评估的可行性.结合D-S证据理论的特点,提出了适用于装备技术状态评估的可信度分配策略.采用基于投影的证据融合方法,以解决传统D-S证据理论在融合高冲突证据时的缺陷.在评价决策中运用最大基本信度状态评价准则进行评价决策.最后,将提出的分析方法,应用于某具体装备的技术状态评估中,验证了该方法的有效性.     

基于信息融合的装备测试性评估

为了加快装备的快速成型,在研制阶段开展测试性评估工作是很有必要的。但在研制阶段所能够获取的单个测试性信息是有限的,利用单一的信息源难以对装备测试性进行全面而准确的评估。基于此,提出了充分考虑研制阶段能够利用的可更换单元测试性信息、研制阶段测试性增长信息和专家经验信息,通过贝塔函数构造了3类信息在辨识框架下的测试性指标信任分配函数,利用D-S证据理论进行信息融合,得到测试性评估结果。并与经典Bayes理论融合方法相比,实例证明,提出的方法能够得到更高的评估置信度。     

改进D-S理论的某型高炮武器系统作战效能评估

鉴于某型高炮武器系统的复杂性,考虑采用多数据信息融合的方式来实现其效能评估。针对传统D-S理论在融合冲突信息时的局限性,提出一种基于数据信息确定证据权重的改进D-S理论,并将其用于某型高炮武器系统的作战效能评估。应用示例表明改进D-S理论相比其他算法更加优越。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

基于模糊逻辑和证据理论的故障诊断方法

针对故障诊断过程中信息损失的问题和D-S证据理论在处理模糊信息时的局限性,在模糊逻辑的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于模糊逻辑和D-S证据理论相结合的多传感器信息融合综合故障诊断方法。该方法以模糊隶属函数来实现基本可信度分配,充分利用各种传感器的冗余和互补信息,可显著提高故障诊断的准确率,实例验证了该方法的合理性和有效性。     

基于区间数多指标决策的效能评估方法

针对武器效能评估的指标值以及度量指标权重的选取存在不确定性、模糊性和主观性的问题,根据作战效能的特点与系统工程思想,提出了基于区间数的灰色关联法和D-S证据理论相结合的效能评估方法。通过灰色关联法将指标区间值转化为以理想属性偏离度为测度的矩阵,在此基础上与D-S证据理论相结合,构造一种新的基本概率分配函数和新的信息不确定度提取方法,把不确定性问题转化为确定性问题,再利用D-S合成法则进行信息融合,确定最优方案。通过案例分析,结果表明该方法可以得到有效的决策结果并降低决策的不确定性。     

基于分布图信息融合的Bayes可靠性评定方法

在利用Bayes理论进行小子样可靠性评定过程中,为了尽可能少做现场试验,必须充分利用各种先验信息,多源先验信息的融合是小子样理论方法应用中亟待解决的一个问题.基于分布图方法,提出了分布图多源信息融合技术,建立了基于分布图信息融合的Bayes可靠性评定模型.仿真实例验证了方法的合理性和有效性.     

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

应用D-S证据理论进行多传感器雷达体制识别

在阐述Dempster-Shafer(D-S)证据理论的基础上,较系统地论述了基于D-S证据理论的多传感器雷达体制识别的数据融合方法,并给出了具体的识别实例。实验结果证明了基于多传感器融合后的识别结果明显优于单传感器的识别结果,说明了D-S证据理论的有效性和先进性。