基于信息融合的核管道缺陷检测研究

分析核管道缺陷的特点并进行分类,根据多传感器信息融合技术的原理,确定缺陷信息的融合模式和融合方法,建立基于D-S证据理论的检测信息时空融合流程。仿真和融合计算表明：该方法可以充分利用多种检测方法之间的互补信息以及核管道缺陷检测的历史数据,实现核管道缺陷类型快速而准确的判定,为提高核管道缺陷检测的可信度和智能化水平提供了一种有益的尝试。     

基于多源证据融合的载货汽车起火原因分析鉴定

由于载货汽车火灾事故现场痕迹呈现出车内自燃、爆炸、放火等诸多特征,各种火灾可能性并存,因而火灾发生原因非常复杂。需要获取全面的痕迹物证,通过多源证据融合,依托多学科知识和技术支撑,才能准确认定起火原因。本文以一起真实的货车火灾事故为例,利用火灾痕迹物证,通过多源证据综合分析认定了车辆起火原因。科学、客观、公正的鉴定结论对于维护当事方的合法权益,保证经济活动的正常秩序具有重大意义。     

基于SVDD与D-S证据理论的发动机故障诊断研究

提出了一种基于支持向量数据描述(SVDD)和D-S证据理论相结合的故障诊断新方法,通过SVDD算法分别判断来自单个传感器的数据,然后运用D-S证据理论对各传感器的诊断结果进行信息融合,最终实现对发动机的故障诊断.试验表明,该方法充分利用各信号源的冗余互补信息,降低了诊断的不确定性,提高了故障诊断的可靠性.     

基于证据理论的陆战场目标价值分析与排序研究

信息化联合作战条件下的陆战场环境复杂、目标众多,如何合理有效的选择打击目标,是指挥员必须认真考虑的问题。文章根据陆战场目标特点,探讨了目标价值分析的依据和步骤,提出了目标价值评价指标;运用证据理论分析目标价值、建立了目标价值分析和排序模型,克服了因决策者主观判断、评价指标划分等因素造成的不确定性影响。实例应用说明了该方法的有效性和可行性。     

证据理论在装备故障诊断中的应用

针对导弹装备故障诊断中的不确定问题,给出一种适合的证据理论的方法,在通过已获得故障信息建立故障关联模型的基础上,引入证据理论进行不确定性推理,实例验证了该方法的有效性.     

基于BP网络与D-S证据理论的态势估计问题研究

针对D-S证据理论应用于态势估计过程中,基本概率赋值函数难以确定的问题,提出一种基于神经网络获取基本概率赋值函数再进行证据组合的方法.首先,在传感器探测和0级处理、1级处理的基础上,将各时刻传感器所探测目标的状态、属性、类别、事件等提取出来;然后,经过预处理后利用BP神经网络进行敌目标意图分类识别;最后,将神经网络的输出作为基本概率赋值,采用D-S证据理论来完成决策级融合,实现对海战场的战术态势估计.通过算例仿真,结果表明该方法是一种有效可行的态势估计方法.     

双B／S模式下解决交通违法视频证据管理的效率问题

对非现场的交通执法,单纯依靠违章照片已不能满足市民、交警和管理者的需要,于是违法视频作为强有力的证据便成为了执法中不可或缺的一部分。通过对在客户端本地构建内嵌服务器和在数据中心搭建应用服务器形成双B／S模式的研究,结合非现场交通执法实践,分析和构建适用于各交巡警部门的交通违法视频管理系统,重点探讨了视频格式的压缩转换、GPFS存储、时间码的嵌入、视频分割、流媒体的播放等。     

一种通过贡献矩阵评估电力系统脆弱性的方法

随着电网技术的飞速发展,电力系统的安全稳定运行越来越受到人们的重视。文中提出了一种通过贡献矩阵来评估电力系统脆弱性的方法,其基本思想是依据在风险评估中各指标原始数据的来源对应生成其所属的评估证据,而后根据所选取的计数模型构成评估证据的贡献矩阵,最后结合D-S证据理论和基本概率分配mass矩阵,选取单点信任度值大的指标作为整体脆弱性风险评估结果。文中还通过具体算例验证了其可行性,此方法结合了各评估指标的相关性,能较为有效地对系统的脆弱性风险进行综合评估。     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

税务稽查取证问题的法律分析

税务稽查取证工作是实施税务稽查的关键,也是难点。本文以证据理论为指导,界定了税务稽查证据的概念、特征和证明标准,对税务稽查证据的收集作一些探讨,以期对税务稽查工作实践有所借鉴。