数据驱动的加工产线生产周期预测研究

针对生产周期中的不可控时间、生产线数据结构复杂和构成变化的问题,提出一种以异构数据融合驱动的生产线周期预测方法。基于隶属函数和动态规整算法在三角特征构型下建立异构数据融合算法,将异构数据统一;以深度置信网络为主建立周期预测模型进行生产周期预测,通过确定因素求解生产周期中的不可控时间,用改进方程沟通粒子群算法和神经网络,每次迭代优化神经网络的同时还会反馈改进粒子群算法。以某航空企业加工产线为例,优化后神经网络正确率提升9%,粒子群训练时间减少5%,预测模型实现了生产周期的预测,且模型能够适应产线构成的变化。

基于消息传递的机载雷达组网航迹融合

机载雷达组网航迹融合需要解决目标跟踪、数据关联与航迹管理3个子问题,然而这3个子问题相互耦合,采用开环序贯估计算法会导致性能下降.本文提出了一种基于消息传递的机载雷达组网航迹融合方法,该方法在联合优化框架下解决目标跟踪、数据关联与航迹管理3个子问题.首先,建立机载雷达组网航迹融合的联合概率密度函数,并将其转换为因子图.其次,将因子图分解为置信传播区域与平均场近似区域.目标运动状态的统计模型服从共轭指数模型,因此采用平均场近似以获得简单的消息传递更新公式.数据关联包含一对一约束,因此采用置信传播.目标存在状态同样采用置信传播,以获得更好的近似结果.最后,可以通过闭环迭代框架近似估计后验分布,从而有效处理目标跟踪、数据关联与航迹管理之间的耦合问题.仿真结果表明,所提算法的性能优于多假设跟踪算法和联合概率密度关联算法.

基于改进证据理论的冲突证据融合方法

为解决证据理论中Dempster组合规则融合高度冲突证据效果不佳的问题,提出一种同时考虑证据重要性与可靠性的综合权重生成方法和基于加权复数基本概率分配函数的证据融合方法。以提高证据融合结果的收敛性能和诊断精度为目标,建立相应的优化证据融合模型。实验结果表明,所提方法能够有效识别并处理证据冲突,克服证据加权融合过程中剩余信度被完全抛弃的问题,获得更好的融合结果和更快的收敛速度,提高诊断精度。

东南亚妈祖的图像及其形象异化

在妈祖文化中,妈祖图像在中国传统社会不同历史时期的社会功能和地位,经历了从早期“人”的形象到晚期“神”性特征的转变。而作为一种海外华人世界的共同信仰,妈祖图像在东南亚传播过程中产生了某些异化,特别是在越南、菲律宾和新加坡的华人社区中,当地宗教环境或直接或间接地参与到这些图像的异化过程中。这些异化现象不仅反映了南洋华人社区的务实性群体特征,也展示了中华文明的连续性、创新性、统一性、包容性和和平性。通过对妈祖图像和形象在东南亚异化过程的分析,文章认为该过程实际上是早期南洋华人在面对文化差异时,通过宗教融合实现社会融入和文化传承的一种策略。

多特征融合和深度信念网络的红外弱小目标跟踪方法

研究基于多特征融合和深度信念网络的红外弱小目标跟踪方法,实时掌握目标运动状况,为有效处置目标突发情况提供可靠依据与参考。利用FPGA技术采集红外弱小目标图像,并通过FPGA完成采集图像降噪处理,采用双矩形窗口提取图像特征,并使用基于协方差矩阵的多特征融合策略获取融合结果并将其输入到深度信念网络模型中,在此基础上对红外弱小目标进行识别与检测,并通过Camshift算法明确质心所处方位,最终完成红外弱小目标跟踪。实验结果表明:误差结果约为0.1~0.15,处理图像帧数为150帧,说明本红外弱小目标检测、跟踪效果较好、误差小、效率高。

基于PSO-DBN的液压系统冷却器故障诊断

为了实现液压系统中冷却器的故障状态识别,本文提出一种利用粒子群算法优化的深度置信网络(PSO-DBN)实现多传感器信息融合的故障诊断模型。在所提出的模型中,对来自不同传感器的信号进行特征计算与选择并采用多传感器融合方法进行特征级融合送入深度置信网络实现冷却器故障状态的识别。同时采用粒子群算法自适应地选择深度置信网络的超参数,包括隐藏层节点数、反向迭代次数和反向学习率,以确定网络的最优结构,进而提高深度置信网络的诊断精度。本文采用加利福尼亚大学欧文分校机器学习与智能系统中心的液压系统数据集进行验证,实验结果表明,与深度置信网络、遗传算法优化的深度置信网络、粒子群算法优化的支持向量机相比,PSO-DBN能够有效地提取数据中的内在特征,冷却器的故障状态平均识别精度可达98.77%,实现了对冷却器故障状态的可靠识别。

基于序列特征融合和深度置信网络的配网故障选线方法

针对配网发生单相接地故障特征提取困难,且现有选线方法精度不高的问题,提出了一种基于序列特征融合和深度置信网络的故障选线方法。首先,通过序列特征融合方法对同一故障工况下的各馈线暂态零序电流进行数据拼接,获取序列融合特征。然后,将序列融合特征作为蜘蛛猴算法(spider monkey optimization,SMO)优化深度置信网络(deep belief network,DBN)的输入,经DBN自适应地提取低维故障特征进而实现故障选线。仿真结果表明,所提方法和现有方法相比,具有较高的选线精度。当信噪比达到10 dB时,所提算法的平均选线精度达到99.78%,具有较强的鲁棒性。

基于深度学习的多特征融合杂草识别仿真

为降低叶片遮挡、光照不均等因素对杂草识别的影响,在深度学习算法的基础上,提出一种多特征融合杂草识别方法。利用光谱照相机获取地面植株图像,将K-means聚类算法与形态学相结合,把绿色植物从背景中分割后再划分叶片,并消除图像中的小面积干扰点;融合颜色、形态、纹理等图像向量,将多特征输入至深度信念网络模型内,设置最后一层为杂草类别,引入sigmoid函数做回归计算,输出结果即为杂草识别结果。通过仿真对比实验证明,无论背景、光照如何变化,所提方法均能实现精准识别。

基于三角散度和信念熵的冲突证据融合算法

Dempster-Shafer(D-S)证据理论是在不考虑先验概率的情况下建模和处理不确定信息的有效数学工具。当两证据之间高度冲突时,Dempster组合规则会产生不合理的结果。针对这一问题,提出了一种基于散度差异值测度和信念熵的多传感器数据融合方法。提出了一种距离公式-单焦元三角散度来衡量两证据之间的距离,并由此计算出各证据的可信度。在D-S证据理论框架中提出了一种信念熵测度来度量各证据中包含的不确定信息,综合各证据的可信度和不确定度来计算各证据的权值,由此得到加权平均证据。利用Dempster组合规则融合加权平均证据得到最终融合结果。利用所提出的方法来解决变压器在线监测故障诊断实际应用问题,实验结果表明,提出的方法具有较快的收敛速度和较高的诊断精度,优于其他方法。

一种基于视频多特征融合的火焰识别算法

根据燃烧过程中火焰的物理特性,结合火焰的静态和动态特征,设计了一种多特征融合的火焰识别算法,对火灾进行快速判别.基于信任度模型建立了火焰识别的概率模型,以疑似概率反映视频图像中出现火焰的几率.实验表明,该算法识别火焰速度快,能够达到25帧/s的处理速度,与其他的火焰识别算法相比,算法在识别过程中无需人工调整即可自动完成,在复杂实际环境中,算法识别的准确性高,抗干扰能力比较强,如对车灯、路灯等干扰疑似概率始终小于10%.因此,算法在实际运用中有着广泛的应用前景.

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.

基于证据理论的电机故障诊断方法研究

在DS证据理论的基础上 ,结合模糊集合论 ,给出了多传感器数据融合一般化方法 ,并将其应用于电机故障诊断 .通过数据融合诊断结果与单传感器诊断结果的比较 。

基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用

本文在D S证据理论的基础上 ,结合模糊集合论 ,给出了电子电路故障定位的多传感器数据融合方法 .通过测试电路中的被诊断元件的工作温度和工作电压两个物理量 ,得出D S证据理论中两传感器对各待诊断元件的信度函数分配 ,再利用D S联合规则得到融合后的信度函数分配 ,从而确定故障元件 ,并通过单传感器诊断结果与融合诊断结果比较 。

一种基于混合参数和DSmT的证据网络多连通结构推理方法

针对现有的证据网络推理模型无法进行复杂的多连通知识网络结构下的信度推理问题,提出一种基于混合参数和DSm T的证据网络推理方法,将条件信度函数和联合信度函数同时作为多连通证据网络的结点备选参数,并根据多连通网络结构的结点特点进行选择,并提出DSm T的证据网络信度合成方法,不仅可以有效地进行复杂多连通图结构的证据网络信度推理,并可有效解决证据网络的不确定性高冲突信息融合问题。最后通过典型的胸腔诊断问题实例,验证了本文方法的有效性。

军事通信网络效能评估中的多数据源融合方法

通过分析军事通信网络效能评估数据源的特征,提出了一种融合专家经验、仿真和实测数据评估军事通信网络效能的方法。包括用信念图统一表达数据形式;以实测数据为训练样本,使用支持向量机拟合网络参数与性能指标关系模型,通过比较预测值与仿真结果获取仿真数据可信度;采用扩展贝叶斯法融合多源数据,给出了基于多数据源的军事通信网络效能评估流程;最后以评估某舰艇编队军事通信网络效能为例,给出了具体融合过程,结果表明融合多数据源的评估结果的有效性和可信性更高。

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估,是一种提高评估结果可信度的做法。在武器装备论证阶段,评估数据源主要来自专家经验和仿真结果,但因这两种数据源的差异太大,难以进行直接的评估聚合。为此,提出采用信念图模式统一两者的数据表达,再采用一种扩展的贝叶斯推理算法进行评估融合,最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证,结果表明该方法符合评估实际,是一种有意义的新方法。

电子部件故障诊断的Dempster-Shafer信息融合算法

针对电路故障元件诊断的不确定性问题,给出了光电雷达电子部件故障定位的多传感器Dempster-Shafer(DS)信息融合方法.通过测试电路中的被诊断元件的工作温度和工作电压,得出了DS证据理论中两传感器对各待诊断元件的信度函数分配,再分别利用利用模糊规则和DS联合规则得到融合后的信度函数分配,从而确定故障元件.单传感器诊断与融合诊断的结果比较说明多传感器融合算法具有较高的准确性,而模糊融合算法与DS算法的结果比较则说明DS算法在故障诊断方面更具有优越性.

传感器可靠性相异的信任函数理论融合识别算法研究

本文在信任函数理论框架下,针对决策层融合目标识别问题,对可靠性相异的多传感器融合目标识别提出了一种新算法。该算法结合各传感器混淆矩阵的先验静态信息以及其当前输出判决的动态信息,获得各传感器当前输出识别证据的可靠性因子,并将其用于相应信任函数的折扣,最后用Dempster组合规则对修改后的识别证据进行融合。仿真表明和现有一些考虑可靠性问题的融合算法相比,本文算法能够得到更好的融合效果。

多属性匹配决策的等级置信度融合法

针对具有置信度信息的多属性匹配决策问题,提出了一种决策方法.给出了等级置信度的概念及其相关证明,将双边的多种形式置信度评价信息转换成等级置信度信息.在此基础上,把等级置信度信息作为证据,通过融合证据计算双边匹配融合度,并求解基于融合度的优化模型来获得匹配结果.最后,通过算例验证了该方法的可行性和有效性.

改进的冲突证据组合规则

针对信息融合中冲突证据的组合问题,提出一种新的利用均衡信度分配准则的冲突证据组合方案.首先分析原始Dempster组合规则及其改进组合规则的不足,然后利用均衡信度分配准则合成新的mass函数.数值实验表明,新组合方法有效地解决了现有Dempster证据组合规则中存在的Zadeh悖论、一票否决、鲁棒性和公平性等问题.