论文部分内容阅读
基于经典的Dempster-Shafer(D-S)证据理论的信息融合方法，能够实现时间或空间上冗余信息及互补信息的有效融合，降低决策中的不确定性，获得被测系统的一致性描述。应用D-S证据理论进行信息融合时，首先要确定关于系统的辨识框架，然后将描述系统的不确定性信息转换为证据(基本概率赋值BPA)，将多个信息源提供的BPA进行融合，利用融合后的BPA进行决策。经典D-S证据理论需要精确(单值)的BPA，但其对不确定性信息的度量比较粗糙，会丢失很多有用的信息。而近几年出现的区间证据理论是对经典D-S证据理论的拓展，它将不确定性信息转换成区间形式的BPA(IBPA)，亦即区间(型)证据，这不仅符合人的常性思维和主观概念，而且包含更多的信息，用融合后IBPA进行决策可以产生更为精确的结果。本文介绍了经典的D-S证据理论和区间证据理论的基本知识。然后在区间证据构造方法及冲突性区间证据融合方法方面展开研究，具体内容如下：1、介绍经典D-S证据理论和区间证据理论的基本原理，详细分析了区间证据理论在国内外研究状况，并针对理论存在的不足进行阐述和论证。2、基于改进型拉丁超立方体随机采样(MLHS)策略，提出一种构造区间证据的方法。该方法将MLHS均匀分层采样的基本思想应用于处理区间信息，构造区间证据，并通过多功能柔性转子故障诊断实例，以验证所提方法的有效性。3、针对原有的区间证据归一化方法存在丢失信息的缺点，提出了一种新的区间证据全局归一化方法。该方法对有效的区间证据进行全局归一化处理，充分利用了更多的原始区间证据中的信息。通过典型算例说明，相比原有的方法，该方法与原始区间证据具有更高的相似性，含有更多的信息。4、基于证据相似性度量，提出一种冲突性区间证据融合的新方法。定义了扩展型Pignistic概率转换并利用区间模糊集的归一化欧式距离，获取区间证据的置信度。基于该置信度对原始的区间证据进行加权平均得到新的区间证据，利用Demspter区间证据组合公式对其进行融合。该方法可以有效地减弱高冲突性区间证据在组合规则中的作用，从而减小融合后所得区间证据的宽度，最终可降低决策中的不确定性。通过多个典型算例说明了此方法的有效性。