下载文档原格式
技术创新故障诊断您的论文得到两院院士关注基于Ｄ－Ｓ证据理论的故障综合诊断方法ＡＣＯＭＰＲＥＨＥＮＳＩＶＥＤＩＡＧＮＯＳＩＳＴＨＥＯＲＹＢＡＳＥＤＯＮＤ－ＳＥＶＩＤＥＮＣＥＴＨＥＯＲＹ（第二炮兵工程学院５０１教研室）梅振兴张金玉苏勋家ＭＥＩＺＨＥＮＸＩＮＧＺＨＡＮＧＪＩＮＹＵＳＵＸＵＮＪＩＡ摘要：针对单个诊断方法故障信息的模糊性和分散性，建立了基于证据理论的综合诊断方法。
其中融合策略灵活多变，且模型已由单故障模式推广到多重故障模式，使之更适应实际工程诊断需要。
最后应用其对某转子系统故障进行了诊断，结果表明方法行之有效。
关键词：故障诊断；证据理论；信息融合中图分类号：ＴＰ２０６．３文献标识码：ＡＡｂｓｔｒａｃｔ：Ｄｉｒｅｃｔｉｎｇｔｏｔｈｅｆａｉｎｔｎｅｓｓａｎｄｄｉｓｐｅｒｓｉｖｅｎｅｓｓｏｆｆａｕｌｔｄａｔａｏｆｓｉｎｇｌｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄ，ａｃｏｍｐｒｅｈｅｎｓｉｖｅｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄ－ｏｎｅｖｉｄｅｎｃｅｔｈｅｏｒｙｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｄｉａｇｎｏｓｉｓｔａｃｔｉｃｗａｓａｄａｐｔｉｖｅ，ａｎｄｔｈｅｍｏｄｅｌｗａｓｇｅｎｅｒａｌｉｚｅｄｆｒｏｍｓｉｎｇｌｅｆａｕｌｔｍｏｄｅｔｏｍｕｌｔｉｐｌｅｆａｕｌｔｓｍｏｄｅ．Ｓｏｉｔｉｓｍｏｒｅａｐｐｌｉｃａｂｌｅｉｎｐｒａｃｔｉｃａｌｆａｕｌｔｄｉａｇｎｏｓｉｓ．Ｔｈｉｓｍｅｔｈｏｄｗａｓａｐｐｌｉｅｄｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆａｒｏｔｏｒｍａｃｈｉｎｅ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｉｔｉｓｅｆｆｅｃｔｉｖｅ．Ｋｅｙｗｏｒｄｓ：ｆａｕｌｔｄｉａｇｎｏｓｉｓ，ｅｖｉｄｅｎｃｅｔｈｅｏｒｙ，ｄａｔａｆｕｓｉｏｎ文章编号：１００８－０５７０（２００７）１０－１－０１５６－０２梅振兴：硕士引言机械设备尤其是大型复杂设备故障机理复杂，故障特征提取困难，故障诊断的模糊性强，其诊断往往不能通过单一手段实现。
万方数据 万方数据一螳很难锊刚的坫本报臀，报警关联模块则是对多个可能有关系的报管进ｉｔ火联，从而在一定程度上降低误报率。
在实验中主要提取了本地诊断Ａｇｅｎｔ的３个输出属性ｄｅｔｅｃｔｉｏｎｔｉｍｅ、ｔａｒｇｅｔ中的ＩＰ和ｐｏｒｔ作为融合控制代理的输入数据。
对于这３个属性在告警中的权重的设定可以同时使用了基于最大一致性（ＭａｘｉｍｕｍＥｎｔｒｏｐｙ）和最小平均平方误差（ＭｉｎｉｍｕｍＭｅａｎｓｑＩｉａｒｅＥｒｒｏｒ，ＭＳＥＥ）的方法估计权重。
我们用三元组（ｎ，Ｐ，，Ｐ，）表示这三个属性的取值组合，Ｐ。
表示ｄｅｔｅｃｔｉｏｎｔｉｍｅ的权重，Ｐ。
表示ｐｏｒｔ的权重，Ｐ，表示ＩＰ的权重，各个属性的取值在０到１之间，步长为Ｏ．１。
测试在包含２００００条记录的数据集上进行，分别对各个三元组进行测试得到最优值为（０．３，０．５，０．２）。
实验证明，当入侵诊断评价数据集中包含２００００条记录时实验结果趋于稳定。
在测试过程中还对报警的时间相似性差Ｔ（绝大部分攻击的Ｔ值分布在２到３之间）和相似性阈值Ｄ进行了估值，根据实验结果Ｔ取值２．４，Ｄ取值０．７。
表１是实验得到结果的统计。
裹１经数据融合过程后诊断结果统计表表１中各个字段的意义说明如下：Ｉｎｓｉｄｅ：内部网络；ＮＯＦ：诊断到故障设备的数量；ＮＡ：报警数量；ＮＴＦＤ：诊断到的真的故障设备的数量；ＮＲＡ：实际发生的报警数量；ＤＲ：诊断率（ＤＲ＝ＮＴＡＤ／ＮＯＡ）ＦＰＲ：误报率（ＦＰＲ＝１一ＮＲＡ／ＮＡ）．为了更好的评估基于数据融合的入侵诊断系统的诊断性能，又构造了以下实验。
在实验过程中禁用融合控制代理中的事件管理组件，即在入侵诊断过程中除去入侵融合过程，实验得到的结果如表２所示。
衷２未进行数据融合过程的诊断结果统计裹实验结果表明，在确定参数ｄｅｔｅｃｔｉｏｎｔｉｍｅ、ＩＰ和ｐｏｒｔ权重的过程中，注意到了Ｄ—ｓ证据理论对于合成数据的敏感性。
在确定报警的时间相似性差Ｔ的过程中我们最初把设定为２秒或者更小时，结果发现有很多报警没有进行正确的分类，当Ｔ值大于３秒时，发现报警分类出现冗余。
基于D-S证据理论的多传感器目标识别应用
杨帆;刘畅
【期刊名称】《武汉工程大学学报》
【年(卷),期】2009(031)001
【摘要】以目标识别为背景,详细阐述了Dempster-shafer(D-S)证据理论方法的原理、多传感器信息融合的实现方法.并以多感觉智能机器人为载体,运用递归集中式融合方法测量数据结构中的互不相容元素对目标进行识别.从识别结果可以看出,这是一种识别目标的有效方法.
【总页数】3页(P73-75)
【作者】杨帆;刘畅
【作者单位】武汉工程大学电气信息学院,湖北武汉430074;武汉工程大学电气信息学院,湖北武汉430074
【正文语种】中文
【中图分类】TP212
【相关文献】
1.基于D-S证据理论的多传感器目标识别信息融合方法 [J], 尹德进;王宏力;周志杰
2.基于神经网络与D-S证据理论的多传感器目标识别技术 [J], 肖婷婷;张冰
3.基于统计证据的Mass函数和D-S证据理论的多传感器目标识别 [J], 王俊林;张剑云
4.基于加权D-S证据理论的分布式多传感器目标识别 [J], 惠增宏
5.基于神经网络的D-S证据理论应用于多传感器目标识别 [J], 李玉榕;蒋静坪;杨富文
因版权原因，仅展示原文概要，查看原文内容请购买。
D-S证据理论信息融合在故障诊断中的应用
胡冠林;李娟;罗勇
【期刊名称】《计算机与数字工程》
【年(卷),期】2007(035)008
【摘要】介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.
【总页数】3页(P151-153)
【作者】胡冠林;李娟;罗勇
【作者单位】华中光电技术研究所,武汉,430074;海军工程大学,武汉,430033;海军工程大学,武汉,430033
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于D-S证据理论信息融合的轨道电路故障诊断方法研究 [J], 李娜;董海鹰
2.基于D-S证据理论信息融合的转辙机故障诊断方法研究 [J], 董海鹰;李娜
3.基于D-S证据理论信息融合的电梯故障诊断方法研究 [J], 李娜;王自励
4.基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究[J], 荣海春;万鑫森;吴有恒;李劲松
5.基于神经网络和D-S证据理论的信息融合故障诊断方法 [J], 朱汗青;马振书;孙华刚
因版权原因，仅展示原文概要，查看原文内容请购买。
基于PCA神经网络和D-S决策的瓦斯传感器故障辨识黄丹;徐平安;王其军;任玉东;严彬【摘要】针对瓦斯传感器故障诊断时,存在提取的样本数据空间维数大、诊断实时性差、诊断结论的识别能力低和存在不确定性的问题,提出了一种基于主元分析(PCA)-神经网络和D-S证据理论集成的故障诊断策略.使用主元分析方法对高维故障样本空间数据进行降维,再结合神经网络分类器进行故障模式识别.并且运用DS 证据理论对神经网络分类器的故障诊断结果进行数据融合.仿真实验表明:该诊断方法改善了神经网络对瓦斯传感器故障诊断准确率的同时提高了诊断速度,并且降低了故障结论的不确定性以及提高了结论的识别与决策能力.【期刊名称】《仪表技术与传感器》【年(卷),期】2015(000)003【总页数】5页(P99-103)【关键词】瓦斯传感器;故障诊断;主成分分析;神经网络;DS证据理论【作者】黄丹;徐平安;王其军;任玉东;严彬【作者单位】安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;淮南职业技术学院,安徽淮南232001;安徽理工大学电气与信息工程学院,安徽淮南 232001;安徽理工大学电气与信息工程学院,安徽淮南 232001【正文语种】中文【中图分类】TP212瓦斯气体浓度的监测是煤矿安全监测的重要指标之一。
瓦斯传感器也就成了煤矿安全的重要仪器。
目前我国煤矿井下大都使用带有载体催化元件的瓦斯传感器。
但由于井下环境恶劣，导致瓦斯传感器的卡死故障、冲击故障、漂移故障、周期故障等常见故障频发。
因此研究瓦斯传感器的故障诊断方法，对提高煤矿安全监测系统的可靠性有着极其重要的作用[1]。
目前在煤矿安全监测系统中常采用的诊断方法有粗糙集与证据理论的结合，粗糙集与神经网络的结合等。
其中粗糙集在原始故障数据的预处理方面已经得到很好的运用，它在处理冗余数据有其长处，而不足之处在于对噪声的敏感。
