传感器的广义信度模型客观获取算法

在运用Dezert-Smarandache理论(D-SmT)进行多源信息融合过程中,传感器的广义基本信度赋值(GBBA)数学模型的获取较困难,且存在主观性的问题。运用粗糙集理论,提出一种新的客观算法。通过分析传感器采集的大量客观数据之间的依赖关系,利用粗糙集理论的分类思想和协调决策等概念,按照一定规则离散化的传感器数据形成决策表,引入规则强度,计算证据的基本信度赋值,建立D-SmT广义基本信度模型,存入数据库中以备需要时查询。以P2-DX机器人为实验平台,以移动机器人本体上应用最广泛的声纳传感器为例,与声纳测量的基本特性相向对比,验证了方法的正确性和有效性。

基于改进DSmT的公路隧道行车安全综合评价方法研究

为解决公路隧道行车安全综合评价中存在的模糊性、不准确性与冲突性问题,将综合评价视作一个以评价指标值为信息源的融合过程,提出基于改进DSm T的综合评价方法,兼顾评价指标的模糊性和约束性,优化评价结果。首先,利用云模型云化安全等级,使其尽可能连续,降低以安全等级为鉴别框架的各命题的约束能力,提高信息的准确性;其次,用云模型处理定性评价指标自然语言值与量化数值间的转换问题,进行基于隶属云的信息源广义基本信度赋值(GBBA),实现多级证据体的信息融合;最后,以京台高速福建段牛岩山隧道为例,进行工程实例分析。结果表明,用该评价方法能够处理定性指标量化问题,满足指标体系的动态要求,评价结果与实际相符。

基于DSmT和模糊综合评判的健康状态评估方法

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型;首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级;对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合;实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。