基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。

一种新的证据权重系数确定方法

分析现有的证据权重确定方式存在的缺陷,在此基础上提出了一种新的改进算法。利用各证据与平均证据的相似系数求出证据的初始权重;把权重低于阈值的证据从证据组中剔除,计算剩余证据的权重,经K次迭代,直到所有证据的权重都大于阈值;最后将K次权重算术平均得到各证据的最新权重系数,对证据加权平均后再利用D-S组合规则进行组合。通过算例比较表明该方法的合成结果更加有效。

D-S证据理论在多传感器故障诊断中的改进及应用

为了解决在多传感器信息融合处理故障诊断过程中,传统证据理论对含有冲突证据的处理结果与实际相悖的问题,介绍了传统D-S证据理论的基本构架,分析了其在处理含有高冲突的证据融合过程中将高信任度分配给小可能故障源的不足,提出了一种新的基于模糊成员函数和证据平均距离的证据调整方法,该模糊成员函数充分考虑了专家知识对基本概率分配函数的影响,证据的平均距离给证据分配的权重系数可降低冲突证据的可信度,增加其未知程度.运用证据的充分性系数及利用证据平均距离得到的证据重要性系数,重新分配概率指派函数.实验结果表明,改进后的方法可以提高故障诊断结果的准确性,在一定程度上提高了诊断系统的性能.