基于证据推理与更新规则的动态融合方法及其应用研究

摘要

经典的证据组合规则只能融合“静态”或“对称”的证据，并没有考虑证据及其融合结果前后时刻之间的动态变化规律。因而它们不适用于解决多源信息的动态融合问题，如故障诊断、状态估计等。此外，大多已有研究都集中在给出功能各异的融合规则，鲜有考虑如何给出适当的评价指标以衡量静态或动态融合算法的性能。如何有效解决以上这些问题，是利用证据理论实现多源信息动态融合的关键所在。为解决以上问题，本文开展基于证据推理与更新规则的动态融合方法研究，并将其应用于系统在线故障诊断和状态估计中，主要工作如下：
　　(1)将诊断证据静态融合与动态更新相结合的故障诊断方法。在静态融合阶段，利用Dempster组合规则获取静态融合证据，并给出基于证据距离的故障信度静态收敛指标；在动态更新阶段，基于条件化的线性组合更新规则获取更新后的全局性诊断证据，并给出基于S函数的故障信度动态收敛指标。在两个阶段中，基于相应的收敛性指标函数，分别给出其优化学习方法，获取相应参数的最优值。最终可利用更新后获取的诊断证据做出诊断决策。通过在电机转子实验台上的诊断实验，将所提方法与典型的融合诊断方法进行比对，说明所提方法的有效性。
　　(2)基于区间值信度结构的动态故障诊断方法。从故障信息中提取出区间值信度结构（IBS）作为区间型诊断证据，它比单值诊断证据（BBA）对不确定信息度量更为合理有效；提出适用于区间型证据的更新策略，利用新到来的诊断证据更新旧的诊断证据以得到全局诊断证据（更新后的IBS）；最后在电机转子试验台上的诊断实例中说明所提方法的有效性。
　　(3)基于证据推理(ER)规则的融合估计方法。该方法把动态系统的状态和实际观测作为两个信息源，通过随机集和随机集扩展准则从两个信息源中递归生成状态证据和观测证据，并在系统方程中进行传播。每个估计时刻，在观测域中利用ER规则将两条证据进行融合，并利用随机集拓展准则将融合结果逆映射到状态域中。最后，通过Pignistic期望计算状态估计值。工业液位仪液位估计中的应用表明所提方法比Nassreddine方法有更好的估计性能。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1研究背景及意义

1.2信息融合概述

1.3基于证据理论的动态融合方法研究现状

1.4本文的项目支撑、研究工作以及章节安排

第2章 证据理论基础

2.1引言

2.2证据理论基础

2.3区间证据理论

2.4证据更新理论

2.5证据推理理论

2.6本章小结

第3章 基于条件化线性证据更新的动态融合方法及其在故障诊断中的应用

3.1 引言

3.2 证据的精细化折扣

3.3 基于静态融合与动态更新的故障诊断过程

3.4 基于全局诊断证据的故障决策

3.5 故障诊断实例

3.6 本章小结

第4章 基于区间值信度结构的动态融合方法及其在故障诊断中的应用

4.1引言

4.2基于IBSs的相似性度量

4.3基于区间诊断证据更新的故障诊断

4.4区间证据的静态可靠性与动态敏感性指标

4.5故障诊断实例

4.6本章小结

第5章 基于证据推理规则的动态系统状态估计方法及其在液位检测中的应用

5.1引言

5.2噪声有界下的动态系统模型

5.3基于ER融合的状态估计过程

5.4液位状态估计中的应用

5.5本章小结

第6章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录