基于证据理论的集成神经网络故障诊断方法

以Dempster Shafer证据理论为基础,给出了基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种神经网络初步诊断和证据理论融合决策诊断相结合的集成神经网络故障诊断方法,建立了相应的功能模型。并以变速箱轴承故障诊断为例,详细说明了该方法的具体步骤。结果表明,经过多故障特征信息,诊断结论的可信度明显提高,不确定性明显减小,充分显示了该诊断方法的有效性。

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种基于Dempster-Shafer证据理论的多故障特征信息融合的故障诊断方法,并以旋转机械故障诊断为例,详细说明了该方法的具体实现步骤.结果表明,经过多故障特征信息融合,诊断结论的可信度明显提高,不确定性明显减小,因此充分显示了该诊断方法的有效性.

任意还模式共享汽车重新安置问题的构造式种群算法

本文提出任意还模式下基于运营商的共享汽车重新安置问题,以最小化总成本为目标,考虑员工能力差异、网点需求和容量、车辆是否必须安置等条件,建立基于网点的混合整数规划模型,设计基于概率精英集的构造式种群算法.算法使用虚拟员工组合控制种群个体质量和多样性,使用虚拟成本向量作为遗传信息,采用基于精英集的概率构造方法生成种群个体,并且通过多个邻域搜索算子和变邻域搜索技术改进种群个体.本文根据真实数据特征生成了16种场景下832个不同规模的算例进行数值实验,实验结果验证了算法的有效性,并且揭示了员工能力、必须安置的车辆数量占比、待安置车辆的空间分布、网点数量和网点容量对车辆重新安置成本的影响.研究成果在丰富重新安置问题相关研究的同时,能够为共享汽车运营商降本增效提供科学决策支持.