火灾等级标准问题的数量化研究

在定性分析现有火灾等级标准的基础上,做出了火灾等级标准的数量化探讨。将D-S证据理论方法应用到火灾等级的综合评价中,将死亡人数、重伤人数、直接财产损失三个重要指标作为评定证据进行信息汇集,将汇集结果作为评定标准,针对中国消防年鉴中530起重、特大火灾进行实例计算,并做出总体分析、特例分析和边界值分析。结果表明该方法克服了单因素评价的不足,使评价更加科学、合理。     

基于D-S理论的组网对抗效果实时评估

研究了现有各类效果评估方法的局限,提出了组网电子对抗条件下效果实时评估的实现途径,将目标辐射源的信号波动度作为效果评估的依据,并提出了所需信度函数的获取方法。在此基础上,应用D-S证据理论进行多信息融合,进而作出效果实时评估。最后对融合过程作了仿真计算,仿真结果对于未来组网电子对抗作战具有较大的参考价值。     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

基于数据融合的智能故障诊断仿真研究

武器系统是现代作战系统的重要组成部分.在使用过程中,一旦系统出现故障,就会导致严重的经济损失、人员伤亡和军事上的失利.因此,必须能及时发现、尽快排除武器系统的故障.多传感器数据融合技术与人工智能方法相结合,可使诊断系统具有良好的柔性和可理解性,使之能够处理复杂的故障问题.这是武器系统故障诊断的一个有效、快捷的途径.     

基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。     

D-S证据理论在舰艇装备性能评估中的应用

针对船艇装备性能评估中的不确定性问题,本文将证据理论引入到船艇装备性能评估中,来解决评估过程中所遇到的不确定性问题。利用证据理论构建了船艇装备的评估模型,通过证据合成,消除或控制了船艇装备性能评估中的不确定性。实例验证了该模型的可行性、有效性和实用性。     

基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配（basic probability assignment,BPA）;基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。     

基于不可信证据源与冲突重分配的证据合成方法

针对D-S证据理论在高冲突下失效的问题,在比较修正原始证据源和重新分配冲突两种方法的基础上,提出一种新的合成规则,新方法用可信度修正证据的同时,把全局冲突分为两部分,并依据"全局冲突在全局分配、局部冲突在局部分配"的原则对冲突进行细化分配。通过仿真分析,并与其他方法比较,新的合成方法能更好地融合冲突证据,收敛速度快,具有较强的抗干扰能力。     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。