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.

基于多域信息融合的深度学习轴承故障诊断方法

针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。

知识辅助的空中目标综合识别

现代战场环境日益复杂,随着空中机载装备技术的升级,海量多源异构传感器数据不可避免地出现信息不一致、不完备问题.传统面向机载多源传感器量测数据的融合处理方法忽略传感特征间的相关性,单依赖物理传感器的数据驱动形成封闭识别系统.考虑到专家认知、领域参数、属性规则等知识能以专家经验、规则约束等辅助认知形式在目标综合识别的模型构建、推理识别等环节起到指导作用,本文提出一种知识辅助的空中目标类型综合识别方法,利用上述知识,首先构建典型空中目标特征军事作战知识图谱,提取关键特征参数、识别规则阈值等建立目标辨识框架关联关系模型;然后在特征级识别、决策级识别层分别构建数据基本信任指派与证据冲突可信度;此外,针对证据出现高冲突情况制定时域融合规则,引入历史数据重构调整数据时序融合权重因子;最后在静态推理与动态融合下分层实现异构多源传感器的置信类型综合识别.本文在典型空中目标类型识别任务下识别准确率优于现有算法,验证了所提方法的有效性.

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。

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.

基于指数信任度函数的频谱感知改进算法

从多个用户合作感知的角度出发,针对目前的融合规则没有考虑感知结果的信任度,对现有的分布式感知算法进行改进,提出基于指数信任度的频谱感知算法;在认知无线电网络安全方面,将异常点感知引入到感知融合规则中,在指数信任度算法的基础上提出一种基于异常点的频谱感知算法,能抵御认知无线网络中出现故障的或者恶意认知用户;在提高感知速度和可靠性方面,结合指数信任度算法和异常点感知算法,将对感知信息的审核引入到频谱感知算法中,提出一种基于审核的频谱感知算法,该算法在提高感知速度的基础上能获得更好的感知性能。

基于D-S理论的认知无线电频谱感知算法

针对目前的认知无线电频谱感知数据融合判决规则忽略了各感知节点所处环境差异这一问题,研究了一种基于信任度的多节点频谱感知算法,将D-S证据理论引入判决融合中,通过Matlab仿真验证了该算法的性能相比于原有的频谱感知数据融合算法有了很大的提高。

D-S证据理论在审计证据融合中的应用研究

古典概率难以解释审计判断的不确定性,而D-S证据理论是进行不确定性推理的有效方法,因此应用D-S证据理论进行审计证据融合的研究。针对审计证据的组合问题,提出了基于三角形模糊隶属度函数的基本概率分配函数计算方法,给出了证据组合结果的判决规则,并通过实例验证了该方法的有效性。