沖突證據(jù)的相似性度量方法及其在信息融合故障診斷中的應(yīng)用.pdf

1、Dempster-Shafer證據(jù)理論作為一種信息融合方法,以其在不確定性信息的表示、度量和組合等方面的強大優(yōu)勢,在故障診斷中得到了廣泛應(yīng)用。證據(jù)理論解決診斷問題的過程可分為:確定故障辨識框架、從傳感器觀測信息中獲取診斷證據(jù)、證據(jù)融合與故障決策四個步驟。由于傳感器受到環(huán)境噪聲或人為干擾,使得診斷證據(jù)間常常出現(xiàn)沖突,當(dāng)直接使用經(jīng)典Dempster組合規(guī)則融合它們時,就會出現(xiàn)不合理的結(jié)果。所以在融合診斷中給出合理的沖突證據(jù)度量方法及組合方法

2、是十分重要的。
　　 實際上,診斷證據(jù)可以被看做是一個表示各故障發(fā)生的置信度的一個向量,該向量是將原有證據(jù)轉(zhuǎn)換到特定的信度空間后生成的。那么,證據(jù)沖突問題就可以轉(zhuǎn)化為該信度空間內(nèi)的向量相似性的一個度量問題。本文從信度空間中證據(jù)向量的相似性分析入手,給出了度量證據(jù)沖突程度的方法,并將其應(yīng)用于解決實際故障診斷中沖突證據(jù)的融合問題,主要研究內(nèi)容如下:
　　 (1)概述了證據(jù)理論的基本原理,介紹了利用證據(jù)理論方法實現(xiàn)融合診斷的步

3、驟,詳細(xì)分析了故障診斷中,沖突證據(jù)產(chǎn)生的主要因為以及證據(jù)沖突度量和沖突證據(jù)融合的已有方法,并指出了它們的不足。
　　 (2)提出了基于Pignistic概率空間證據(jù)相似性度量的沖突證據(jù)融合方法。該方法將證據(jù)轉(zhuǎn)化為Pignistic概率空間(一種信度空間)中的證據(jù)向量,用兩向量夾角余弦度量證據(jù)間的相似性,并基于此給出度量證據(jù)沖突程度的方法,并用融合實例驗證了新方法的有效性。
　　 (3)給出了基于診斷證據(jù)可靠性評估的融合診

4、斷方法。從動態(tài)與靜態(tài)兩個方面考慮診斷證據(jù)的可靠性,利用Pignistic指標(biāo)函數(shù)優(yōu)化算法獲得診斷證據(jù)的靜態(tài)折扣因子,并利用所提出的相似性度量方法描述證據(jù)沖突的動態(tài)折扣因子,解決了診斷證據(jù)可靠性評估與融合診斷問題。
　　 (4)給出了基于證據(jù)動態(tài)更新的融合診斷方法。針對診斷證據(jù)的動態(tài)融合問題,利用所提的相似性度量方法求出不同時刻證據(jù)之間的沖突因子,根據(jù)該因子的取值決定選取何種更新規(guī)則(類Jeffery或條件化證據(jù)更新規(guī)則)實現(xiàn)故障