在传感器网络中,多个传感器对于同一目标的识别结果经常会发生冲突.本文采用基于D em pster-Shafer证据推理理论的数据融合方法来解决这一问题.然而,采用D-S证据组合公式计算融合结果,计算量过于巨大,对处理能力有限的感知结点来说负担...在传感器网络中,多个传感器对于同一目标的识别结果经常会发生冲突.本文采用基于D em pster-Shafer证据推理理论的数据融合方法来解决这一问题.然而,采用D-S证据组合公式计算融合结果,计算量过于巨大,对处理能力有限的感知结点来说负担过重,此外,计算所造成的延时也将严重影响系统的实时性和同步性.本文提出了一个基于矩阵分析的快速融合算法,该算法采用了D-S证据理论的思想,计算得到的融合结果与D-S证据组合公式计算得到的融合结果相同.本文用数学归纳法证明了这一结论.经过模拟实验验证,和直接采用D-S证据组合公式相比,该算法的计算量和所需的计算时间明显减少.展开更多
以D em pster-Shafer证据理论为基础,提出了一种神经网络局部初步诊断与证据理论融合决策诊断相结合的水电机组振动故障诊断方法,通过故障征兆信息的有效组合,从不同侧面对水电机组振动故障进行了初步诊断,对每一个子神经网络的输出结...以D em pster-Shafer证据理论为基础,提出了一种神经网络局部初步诊断与证据理论融合决策诊断相结合的水电机组振动故障诊断方法,通过故障征兆信息的有效组合,从不同侧面对水电机组振动故障进行了初步诊断,对每一个子神经网络的输出结果归一化处理后,作为此证据下各种状态的基本概率分配函数,再用证据组合理论融合各个证据信息,得出最终的诊断结果。仿真试验结果表明,诊断结论的可信度显著提高,不确定性明显减少,证明了该诊断方法是有效的。展开更多
文摘在传感器网络中,多个传感器对于同一目标的识别结果经常会发生冲突.本文采用基于D em pster-Shafer证据推理理论的数据融合方法来解决这一问题.然而,采用D-S证据组合公式计算融合结果,计算量过于巨大,对处理能力有限的感知结点来说负担过重,此外,计算所造成的延时也将严重影响系统的实时性和同步性.本文提出了一个基于矩阵分析的快速融合算法,该算法采用了D-S证据理论的思想,计算得到的融合结果与D-S证据组合公式计算得到的融合结果相同.本文用数学归纳法证明了这一结论.经过模拟实验验证,和直接采用D-S证据组合公式相比,该算法的计算量和所需的计算时间明显减少.
文摘以D em pster-Shafer证据理论为基础,提出了一种神经网络局部初步诊断与证据理论融合决策诊断相结合的水电机组振动故障诊断方法,通过故障征兆信息的有效组合,从不同侧面对水电机组振动故障进行了初步诊断,对每一个子神经网络的输出结果归一化处理后,作为此证据下各种状态的基本概率分配函数,再用证据组合理论融合各个证据信息,得出最终的诊断结果。仿真试验结果表明,诊断结论的可信度显著提高,不确定性明显减少,证明了该诊断方法是有效的。
