共查询到10条相似文献,搜索用时 62 毫秒
1.
给出一种基于D-S证据理论的多传感器信息融合方法,并应用于某型船用柴油机故障检测中。首先,为克服人为因素和系统误差的干扰,在现场采集数据基础上,采用概率统计的方法来构造D-S证据理论的基本概率分配函数;然后,利用D-S证据理论对多传感器采集的信息进行融合;最后,将该方法应用于某型船用柴油机的故障检测中。实验结果表明,利用D-S证据理论解决了该型柴油机故障检测中多传感器信息融合问题,有效避免了人为因素的干扰,克服了单传感器信息的不确定性和片面性,提高了故障检测的准确度和可信度。 相似文献
2.
基于D-S证据理论和BP算法的直流电机故障诊断研究 总被引:3,自引:0,他引:3
提出一种基于D-S证据理论和BP算法的故障诊断方法,通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,利用多源信息间的冗余性和互补性,有效提取故障特征信息,提高了诊断的可靠性和灵敏度. 相似文献
3.
《中国航海》2021,(3)
针对传统DS(Dempster-Shafer)证据理论应用于高冲突证据融合中失效的问题,提出一种改进层次分析法(Analytic Hierarchy Process, AHP)结合DS证据理论的故障诊断方法。对多分类SVM的核函数参数和惩罚因子全局寻优,形成基于SVM的3个证据体进行故障模式识别;引入差异性、冲突性和不确定性3项证据冲突衡量标准,构造层次结构模型;对层次分析法进行改进,消除两两比较矩阵构造过程中主观性影响,获得证据体的可信度权重,进行加权证据融合。船舶空调系统故障诊断试验结果表明,该方法能够有效处理高冲突证据融合问题,提升故障的诊断精度。 相似文献
4.
5.
6.
为了提高船舶维护效率,提出一种多传感器融合下船舶机电系统多发故障信号监测方法。根据故障状态下的信号频率,使用小波变换法提取故障信号特征参数作为蚁群算法优化BP神经网络输入,实现多发故障诊断,并通过DS证据理论完成多传感器数据融合,得出故障诊断结果。实验结果表明,该方法可通过多传感器融合判断出船舶机电系统故障类型,即使一种传感器出现故障也不影响诊断效果,诊断船舶机电系统多发故障平均准确率高达97.02%,能够实现较为精准的船舶机电系统多发故障监测。 相似文献
7.
8.
9.
当前自主船舶操纵系统的故障样本较少,相关设备的原始故障数据存在主观性参数,基于这些数据的可靠性分析会受到认知不确定性的影响。为此,采用证据理论处理不确定性问题,采用贝叶斯网络进行可靠性分析,计算自主船舶操纵系统的可靠性指标。通过计算重要度来定量分析基本设备单元的灵敏性,诊断自主船舶操纵系统的薄弱环节,为设计优化和维修检测提供依据。研究表明:采用证据理论与贝叶斯网络相结合的方法能有效降低自主船舶操纵系统的可靠度和灵敏性分析中认知不确定性带来的影响;各项可靠性指标显示,柴油机和空气处理设备为系统的薄弱环节。 相似文献
10.
D-S证据理论及其改进算法研究 总被引:2,自引:0,他引:2
在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有效的方法。但是,当证据严重冲突或完全冲突时,利用D-S证据理论法计算容易给出错误的结果。改进的证据理论法虽然解决了上述问题,但通过分析数据试验发现改进方法在处理一般的证据时效果不理想。文章将经典证据理论和改进方法相结合,发挥两种方法的优点,以达到更好的识别效果。 相似文献