下载文档原格式
基于D-S证据理论的磨粒识别
李艳军;左洪福;吴振锋;陈果
【期刊名称】《航空动力学报》
【年(卷),期】2003(18)1
【摘要】基于D-S证据理论的信息融合方法应用于磨损颗粒的自动识别,编制了相应的计算机识别程序。
在对磨粒图象的形态特征参数进行筛选和统计分析的基础上,确定了各参数的统计容许限和决策基元概率。
通过对一组标准磨粒的模拟识别试验,显示该方法具有算法简单、运行可靠、识别正确率高以及识别速度快的优点。
【总页数】5页(P114-118)
【关键词】航空推进系统;航天推进系统;D-S证据理论;信息融合;油液分析;磨粒识别
【作者】李艳军;左洪福;吴振锋;陈果
【作者单位】南京航空航天大学民航学院
【正文语种】中文
【中图分类】TH117.3;Q811
【相关文献】
1.基于D-S证据理论和集成神经网络的磨粒识别 [J], 曹一波;谢小鹏
2.粗糙集和证据理论在磨粒识别中的应用 [J], 钟新辉;费逸伟;李华强;姜旭峰
3.基于D-S证据理论的空中目标敌我识别研究综述 [J], 陈致远;沈堤;余付平;陈宏阳;赵凯
4.基于D-S证据理论和不同子神经网络集成的磨粒识别 [J], 罗锋;李艳军
5.基于改进D-S证据理论的滚抛磨块融合决策模型 [J], 范晓建;田建艳;杨英波;菅垄;杨胜强
因版权原因，仅展示原文概要，查看原文内容请购买。
基于D-S证据理论的技术成熟度评估关键技术识别方法研究陈炜钢;刘沃野;陈晓
【期刊名称】《军械工程学院学报》
【年(卷),期】2012(024)002
【摘要】针对技术成熟度评估中识别关键技术这一多属性群决策问题,提出了采用证据理论的一种新方法,解决了由于专家意见具有发散性和冲突性而导致的意见难以合成的问题.通过引入和分析不确定度的概念和含义,给出新的不确定度的计算方法,有效地解决了评价中的证据冲突问题.最后通过一个算例给出了应用的步骤和方法.
【总页数】4页(P11-14)
【作者】陈炜钢;刘沃野;陈晓
【作者单位】军械工程学院装备指挥与管理系,河北石家庄050003;军械工程学院装备指挥与管理系,河北石家庄050003;军械工程学院装备指挥与管理系,河北石家庄050003
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于D-S证据理论的动静态指标融合的结构损伤识别方法研究 [J], 李海瑞;李决龙;邢建春
2.基于粗糙集和信息熵的技术成熟度关键技术要素识别方法 [J], 朱永国;陶斌斌;宋
利康;於坚华;欧阳平
3.基于D-S证据理论的多特征融合纸币真伪识别方法研究 [J], 张玉欣;孙浩
4.基于D-S证据理论的空中目标敌我识别研究综述 [J], 陈致远;沈堤;余付平;陈宏阳;赵凯
5.基于D-S证据理论的成品油管道泄漏融合识别方法研究 [J], 梁伟;张来斌;王朝晖
因版权原因，仅展示原文概要，查看原文内容请购买。
基于D-S证据理论的目标识别融合应用作者：方怡王先全李杰李俊霖徐粮周锡祥来源：《电脑知识与技术》2020年第12期摘要：基于D-S证据理论的目标识别融合系统，可以充分发挥多传感器信息的优势，提高目标识别结果的准确性。
本文结合工程实践，分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题，发现使用D-S证据理论对于高冲突证据融合结果准确性较低。
因此提出一种基于D-S证据理论的改进数据融合方法，将冲突因子与支持度标准偏差的相反数相乘，再与所有证据和乘积的正交相加，然后减去证据的基本概率的最大差。
如果证据的冲突越大，这种方法的优势就越明显。
如果证据中不存在冲突，则融合结果与原始D-S证据理论的项目一致。
实验的比较数据表明，改进的信息融合方法对于改进解决冲突问题必不可少，并且是有效的。
关键字：多传感器信息融合;目标识别;D-S证据理论;证据支持度;冲突证据中图分类号：TP391 文献标识码：A文章编号：1009-3044（2020）12-0190-030引言目标识别融合系统是现代科技战争指挥系统中达到高效控制与指挥的重要设备和手段，要做到正确、及时地对局势进行决策、指挥，就需要对多源实时信息进行快速合理的处理，提高指挥员对局面的感知程度和反应能力，从而提高决策质量和水平。
随着各类先进电子信息设备的广泛应用，仅依靠人工进行信息分析判断以及指挥的方法已经无法适应信息化系统的要求。
对于来自不同类型、不同精度的多源传感器数据进行快速、准确处理是目标识别融合系统使用的主要技术，因此，多传感器数据融合技术已成为现代目标识别融合系统的核心技术之一，相关领域研究人员高度重视该项技术的发展。
在多传感器目标识别融合系统中，因为不同传感器准确度存在一定差异，以及环境噪声和人为干扰等因素，造成数据融合时出现不确定性。
Yager提出取消不完全可靠性证据的正则化过程，将未知情况分配给原有识别框架，有效解决了对高冲突证据的融合问题，但对于对冲突证据的完全否定问题没有得到改善。
基于GM(1,1)和D-S证据理论的直觉模糊应急决策方法李鹏
【期刊名称】《中国科技论文》
【年(卷),期】2016(011)017
【摘要】针对应急决策问题,提出1种基于GM(1,1)与D-S证据理论的直觉模糊决策方法.借助记分函数和犹豫度构建以直觉模糊数为建模对象的GM(1,1)模型,并基于该模型预测下一时间段的决策信息;根据直觉模糊熵权法确定指标权重,通过指标权重与直觉模糊集本身特点,构建D-S证据理论的基本概率分配函数,并根据D-S 证据理论的信息融合规则进行方案的信息融合,进而对方案进行排序;通过某特大煤矿坍塌事件进行实证研究,验证了本文提出方法的合理性与可行性.
【总页数】4页(P1975-1978)
【作者】李鹏
【作者单位】江苏科技大学经济管理学院,江苏镇江212003
【正文语种】中文
【中图分类】N941.5
【相关文献】
1.基于灰色关联分析和D-S证据理论的区间直觉模糊决策方法 [J], 李鹏;刘思峰
2.基于GM（1，1）和D-S证据理论的直觉模糊应急决策方法 [J], 李鹏;
3.基于证据理论的直觉模糊群决策方法 [J], 常政; 项华春; 陈云翔; 罗承昆
4.基于证据理论和直觉模糊集的煤矿应急决策方法 [J], 张宇春;蒋艳
5.基于GM(1,1)与灰色关联度的概率犹豫模糊信息应急决策方法 [J], 吴健;刘小弟;孙超勇;汪忠志
因版权原因，仅展示原文概要，查看原文内容请购买。
D-S证据理论在目标识别与检测中的应用研究的开题报告一、研究背景目标识别与检测一直是计算机视觉领域的研究热点和难点之一。
在实际应用中，目标的形态、尺寸、角度等因素的变化、遮挡、噪声的干扰以及光照变化等因素，均会影响目标识别与检测的精度和有效性。
因此，如何提高目标识别与检测的鲁棒性和准确性一直是该领域研究的难点之一。
在目标识别与检测中，D-S证据理论被广泛应用。
该理论可以有效地解决遮挡、多尺度、多视角等问题，提高目标检测与识别的准确性和鲁棒性。
因此，本研究将探究D-S证据理论在目标识别与检测中的应用。
二、研究内容本研究旨在探究D-S证据理论在目标识别与检测中的应用，并针对该领域中存在的一些问题进行探讨。
具体研究内容如下：（1）D-S证据理论的原理与基本概念。
（2）研究目标识别与检测中存在的问题，并探讨D-S证据理论如何解决这些问题。
（3）在实际应用中，通过实验对D-S证据理论在目标识别与检测中的应用进行验证。
（4）对研究结果进行总结和分析。
三、研究目标本研究的目标是深入阐述D-S证据理论在目标识别与检测中的应用，并从理论和实践两个层面，解决目标识别与检测中的常见问题，论证D-S证据理论的有效性。
同时，本研究旨在推动目标识别与检测领域的研究进展。
四、研究方法本研究采用理论分析和实验验证相结合的研究方法。
首先，通过文献综述分析目标识别与检测中存在的问题及D-S证据理论的研究现状。
然后，探讨D-S证据理论在目标识别与检测中的应用。
最后，设计实验验证D-S证据理论在目标识别与检测中的有效性。
五、研究意义本研究旨在提高目标识别与检测的准确性和鲁棒性，更好地满足实际应用需求。
通过探讨D-S证据理论在目标识别与检测中的应用，本研究为相关领域的研究提供理论基础和实验验证结果，推动该领域的研究进展。
收稿日期:2002-05-24;修订日期:2002-10-29作者简介:李艳军(1969-),男,安徽界首人,南京航空航天大学民航学院讲师,在职博士生,主要从事航空发动机状态监控与智能诊断技术研究.第18卷 第1期2003年2月航空动力学报Journal of Aerospace PowerVol.18No.1Feb. 2003文章编号:1000-8055(2003)01-0114-05基于D -S 证据理论的磨粒识别李艳军,左洪福,吴振锋,陈 果(南京航空航天大学民航学院,江苏南京210016)摘要:基于D-S 证据理论的信息融合方法应用于磨损颗粒的自动识别,编制了相应的计算机识别程序。
在对磨粒图象的形态特征参数进行筛选和统计分析的基础上,确定了各参数的统计容许限和决策基元概率。
通过对一组标准磨粒的模拟识别试验,显示该方法具有算法简单、运行可靠、识别正确率高以及识别速度快的优点。
关 键 词:航空、航天推进系统;D-S 证据理论;信息融合;油液分析;磨粒识别中图分类号:T H117.3;Q 811 文献标识码:AWear Particles Identification Basedon Dempster -Shafer Evidential ReasoningLI Yan -jun ,ZU O Hong -f u ,WU Zheng -feng ,CHEN Guo(Nanjing University of Aeronautics and Astronautics ,Nanjing 210016,China )Abstract :As an important m ethod of infor matio n fusion technolog y,the theor y of Dempster-Shafer (D-S)evidential reasoning has been applied to many areas such as automa-tio n ,im ag e analy sis and o bject identification and so on .In this paper ,the method o f D -S evi-dential reaso ning is introduced into w ear particles identification based on statistic selection and analy sis of characteristic parameters of debris,and the statistic to ler ance and decision-making probability of im age parameter s of w ear particles are also g iven based on identifica-tio n test .T he pro gram of auto -identification o f w ear particles has been made by means of Dempster-Shafer evidential reaso ning,and a classifying ex perim ent of w ear particles by this metho d has been done.It is show n in the ex periment that the identification accuracy of debris by D-S evidential r easoning is very good,and the speed o f classification is v ery fast.Key words :aero space propulsion ;D -S evidential r easoning ;data fusion ;oil analysis ;w ear particles identification1 引 言 铁谱分析技术是70年代兴起的一项基于油液分析的机械设备状态监测与故障诊断技术,它通过对油液中的磨损颗粒进行识别和分析,可以监测机器的运行状态和磨损故障,具有高效、经济的特点,在机械设备的状态监控、故障诊断和预防性维修等方面得到广泛的应用。
传统的磨粒分析通常由人工完成,其主要缺点是工作量大、精度低、自动化程度差以及对分析人员的经验和水平要求较高等[1,2]。
近年来,随着图像处理、模式识别和人工智能技术的发展[3],计算机视觉、专家系统、神经网络等新的理论和方法不断被应用于磨粒的特征提取和自动识别,大大提高了磨粒分析技术的智能化程度[4]。
然而这些方法也存在诸如系统过于复杂、研究者需要较高的专门知识等局限性。
D-S 证据理论是Dempster 和他的学生Shafer 于1967年首次提出的。
作为信息融合技术中极其有效的一种不确定性推理方法,D-S 证据理论在如雷达目标识别[5]、似然推理[6]、缺省推理[7]等领域得到广泛应用。
本文将这一方法引入到磨损颗粒的自动识别中,形成磨粒统计识别综合决策方法,较好地解决了一些分类特征相近的磨粒识别问题。
2 Dempster -Shafer 证据理论 设U 表示证据信息X 的所有可能取值的一个论域集合,且所有在U 内的元素间是互不相容的,则称U 为证据信息X 的识别框架,亦称其为证据信息空间。
对识别框架U ,若函数m :2u →[0,1]满足:m ( )=0(1)A Um (A )=1(2)则称m (A )为事件A 的基元概率赋值。
事实上,m (A )是定义在识别框架U 的幂集上的从U 的幂集到闭区间[0,1]上的映射,表示对命题A 的精确程度和直接支持。
对于证据信息X 的所有子集合{x i i =1,2,…,x i X }中任意元素x i 的基元概率为m (x i ),则事件A 的置信度函数(Belief Function )和似然度函数(Plausibility Function)为:BEL(A )=x iAm (x i )( A U )(3)PLA (A )=1-BEL(A -)=x i∩A ≠m (x i )(4) 置信度函数BEL (A )是对事件A 的总信任度,表示事件A 的所有子集的可能性度量之和;而似然度函数PLA (A )表示不否定事件A 的信任度,是所有与A 相交集合的基本概率赋值之和。
这两者的取值区间为[0,1],且有BEL(A )≤PLA (A ),而[BEL (A ),PLA (A )]称为事件A 的信任度区间,描述了事件A 的不确定性。
对于识别框架U 上的两个证据信息X 和Y ,其中的每个证据信息可以得到一个识别框架上的推理决策结果,这两个证据信息所得到的推理结果可能相互印证,也有可能相互矛盾或抵触。
在识别框架U 上有多个证据信息时,如何将这些证据信息进行有效的证据组合,得到最终的融合推理决策结果,就成为问题的关键。
为此,可以引入证据理论的组合规则如下:设X 和Y 是识别框架U 上的两个相互独立的证据信息,{x i i =1,2,…,x i X }和{y j j =1,2,…,y i Y }分别是X 和Y 的所有子集合,m 1,m 2分别表示各自的基本概率赋值,而BEL 1和BEL 2则分别是X 和Y 的信任度函数,则有证据信息X 和Y 的组合结果m ( )=m (X )!m (Y )为:m ( )=x i ∩y j=m 1(x i )m 2(y j )1-x i∩y j=m 1(x i )m 2(y j )( ≠ )(5) 对式(5),若 = ,则m ( )=0;如果分母为零,即:x i∩y j=m 1(x i )m 2(y j )=1(6)则说明证据信息X 和Y 完全抵触,无法进行证据融合。
3 磨损颗粒及其形态参数3.1 磨损颗粒的分类 根据其形态特征和产生机理可以把磨粒分为正常滑动磨粒、严重滑动磨粒、切削磨粒、疲劳剥块、球状磨粒、层状磨粒、红色氧化物、黑色氧化物等八大类(参见图1)。
大量关于磨损及磨粒形成的机理研究表明,不同的磨损状态和磨损类型会产生不同的磨粒,并各自具有相对固定的形态特征。
例如,正常滑动磨粒是机器正常滑动磨损的结果,是由切混层局部剥离产生的,形状为薄片,尺寸为0.5～15 m ;当接触表面应力过高而出现严重滑动磨损时会产生严重滑动磨粒,其粒度在15 m 以上,表面有划痕,通常有直的棱边,有时表面会出现因高速滑动引起的烧伤;切削磨粒是由于接触表面穿透而产生的,呈条状,粒度可从数微米到数十微米;疲劳剥块是高的接触压力和循环应力作用下,表面产生疲劳而形成的磨粒,粒度通常在15 m 以上,且具有光滑的表面和不规则的外形;球状磨粒产生于滚动轴承的疲劳裂纹内部,其粒度为1～5 m ,呈球状;层状磨粒是磨粒粘115第 1 期李艳军等:基于D -S 证据理论的磨粒识别图1 典型金属磨粒Fig.1 T ypical wear part icles表1 各类特征磨粒的特征参数分布范围Table1 Distribution of characteristic parameters of dif f erent wear particles参 数孔隙率圆度主轴长度角二阶矩梯度熵曲折度相关性(方差)颜色特征量I2(均值)正常滑动严重滑动切削磨粒疲劳剥块球状磨粒层状磨粒红色氧化物黑色氧化物0.003～0.0241.0～2.11.2～2.37.1～16.01.8～4.21.0～1.51.9～2.11.4～2.11.3～2.21～1235～1284～2425～621～840～5820～6245～730.002～0.0130.004～0.0110.001～0.0140.003～0.0100.003～0.0090.006～0.0090.015～0.0170.015～0.0180.8～1.10.6～0.91.1～1.20.7～1.00.5～0.80.6～0.80.3～0.50.1～0.40.13～0.180.03～0.060.03～0.130.06～0.160.01～0.020.08～0.140.03～0.050.03～0.060.05～0.120.04～0.070.10～0.280.01～0.040.02～0.080.03～0.090.01～0.030.02～0.081～138～27-8～0-2～0-5～13～3010～42-2～8注:表中主轴长度单位为m,其他参数为无量纲数。
附于滚动元件表面后经二次碾压而成,极薄且有孔洞,粒度在20～50m之间;红色氧化物一般是当水进入润滑系统时生成的普通铁锈的形式;而黑色氧化物则是润滑不良、存在过热的标志,颗粒外观为表面粗糙不平的堆积物,边缘能透过少量光。
