改进的D_S证据理论方法及其在风力发电机故障诊断中的应用

合集下载

一种基于云模型和改进DS证据理论的变压器故障诊断方法[发明专利]

专利名称：一种基于云模型和改进DS证据理论的变压器故障诊断方法
专利类型：发明专利
发明人：吐松江·卡日,高文胜,张宽,张紫薇,马小晶,伊力哈木·亚尔买买提,杜林,希望·阿布都瓦依提,何志洋
申请号：CN202111666478.4
申请日：20211231
公开号：CN114372693A
公开日：
20220419
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于云模型和改进DS证据理论的变压器故障诊断方法，包括：步骤1、获取变压器油中溶解气故障样本，建立变压器的故障样本集；步骤2、采用故障样本集建立各类型故障的故障标准云模型；步骤3、计算待诊断样本与故障标准云模型间的最终隶属度矩阵；步骤4、根据最终隶属度矩阵确定不同故障下的基本概率分配；步骤5、利用Pignistic概率距离构建相似度并对基本概率分配进行修正，引入平均支持度加权优化证据融合规则，并使用改进D‑S证据理论对基本概率分配进行融合，以得到最终融合结果；步骤6、在最终融合结果中，选取基本概率最大值对应的变压器状态作为诊断结果。

本发明有效地提高了变压器智能诊断方法的准确率。

申请人：新疆大学
地址：830046 新疆维吾尔自治区乌鲁木齐市胜利路666号
国籍：CN
代理机构：广州本诺知识产权代理事务所(普通合伙)
代理人：张令
更多信息请下载全文后查看。

改进的D-S证据理论算法

２０１３年第６期
文章编号：ｌＯＯ９—２５５２（２０１３）０６— ０１４１一ｏ４中图分类号：ＴＰ３０１文献标识码：Ａ
改进的Ｄ — Ｓ证据理论算法
薛连斌，康健
（１．黑龙江省Ｔ程咨询评审中心，哈尔滨１５０００８；２哈尔滨工程大学信息与通信学院，哈尔滨１５００１）
Байду номын сангаас
ｒｅｇｕｌａｔｏｙｒｆａｃｔｏｒｉｓａｎｌｙａｚｅｄｔｈｏｕｇｈｈｅｔｓｉｍｕｌａｉｔｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｈｏｔｄｉｓｃｏｍｐａｒｅｄｔｏｏｔｈｅｒｍｅｈｏｔｄｓ
摘
要：针对Ｄｓ证据理论存在的诸如一票否决、证据冲突过大的问题，提出了一种改进方法。
该方法利用指数函数对证据进行重新定义，有效避免了零焦元元素对融合结果的影响，引入关联系数的概念解决冲突系数不能够有效反映证据之间冲突关系的情况。利用关联系数矩阵对焦元元素的关联程度作为权重对原证据进行加权，并利用ＤＳ证据理论合成公式对加权后的数据进
ＸＵＥＬｉａｎ．ｂｉｎ．ＫＡＮＧＪｉａｎ
（１．ＴｈｅＡｐｐｒａｉｓａｌＣｅｎｔｅｒｏｆＨｅｉｌｏｎｇｊｉａｎｇＰｒｏｖｉｎｃｉａｌＥｎｇｉｎｅｅｒｉｎｇＣｏｎｓｉｔｎｌｏａｎ，Ｈａｒｂｉｎ１５０００８，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ）

改进DS证据理论在矿用皮带机故障诊断中的应用分析

了大量研究分析工作，提出了两类不同的处理冲
突证据的方法：一是修改 Dempster融合规则的处理方法如 Yager改进方法 [9]等;二是在不修改组合规则的前提下修改原始证据源的方法如 Murphy
改进方法[1°]等。尽管取得了一定的效果但与此同时也存在着一定的不足，这些方法过多的把核心问题归结于证据间冲突比例的分配，而忽视了引起证据冲突的重要原因是由于证据自身具有不同的可信度，不该完全舍弃而且也应该充分考虑到冲突证据的可信度。故文中提出的方法是受模糊数学中隶属度函数的启发,通过引人证据相关度和全局信任度等概念定义重新计算源证据的基本概率分配，并通过改进后的组合规则计算得出新的概率分配来进行故障诊断决策。通过实验数值计算与分析验证了该方法的有效性。
D S 用皮带机各检测点进行实时检测并以 - 融合规
则对信号数据融合得到故障结果。然而，由于外部因素和人为因素的影响，系统
收集到的证据往往会存在冲突的情况,而经典D-S
证据理论并不能够有效的合成冲突证据[7_8],从而
导致故障诊断结果不准确。针对冲突证据导致D-S
证据理论失效问题,国内外众多专家学者对此做
m(A)
iriBjCA
S 其中 Air\Bj=<p爪 1 ( ^ ) ，爪2(巧）<1为冲突因
子,反映出的是各证据之间的冲突程度，叫（* ) 为
第〖个证据的基本概率分配。当有多个证据进行
A = <p
⑷
A 7^ <p
行融合 ,以此类推计算得到最终的概率分配，最后由决策规则得出最终决策结果，融合决策过程如图2 所示：

改进D-S证据理论及其在无损检测中的应用

办法。
定义２命题的信任函数Ｂｌｅｅｆｃｏ）真度函数ｅｂｌｆｕｔｎ（ｉｎｉ和似
Ｐ（ａｓｉｔｆｃｏ）义为：ｌｌｕｉｌｙｕｔｎ定ｐｂｉｎｉ
Ｂ（）∑ｍＢ，ＡＵｅＡ：（）Ｖｃｌ＿
Ｂ＿Ａｃ
（３）
（）４
Ｐ（：一ｅ（）１Ａ）１Ｂｌ＝
可以证明：０ｍ２ｍ０ｍ１ｍｌ＝２（０ｍ０ｍ＝ｌ（２ｍ３ｍ１２）３ｍ０ｍ０）
公式（是Ｄｓ证据理论的核心，过它可以把若干条独５） — 通
１ＤＳ证据理论 —
Ｄｓ证据理论是Ｄｍｓｒ２ — ｅｐｔ于Ｏ世纪６ｅＯ年代首次提出，Ｓａｒｈｆ对他做了进一步的发展，ｅ并使之系统化、理论化，形成了
ＡＣＵ
称ｍＡ为Ａ的基本概率值（Ｐ。当Ａ（）ＢＡ） ≠Ｕ时，表示对
命题Ａ的精确信任程度，＝当ＡＵ时，（表示ｍ不知怎么分ｍＵ）配，Ａ为ｕ的子集且ｍＡ ≠０，Ａ为ｍ的焦元（ｃｌ当（）时称ｆａｏ
ｆｃｏ。ｕｔｎ）ｎｉ
【ｅＡ，１）Ｂｌ）（］（ＰＡ就表示对Ａ的信任区间。不同的证据代表了不同的信息来源，两个系统的ＢＡ表示了不同系统对各命题Ｐ的支持程度，＿规则反映了ＤＳ信息的重新分配。
定义３设有２个推理系统，它们的概率赋值和信任函数
分别为ｍｌ２和Ｂｌ，ｅ，，ｍｅｌｌ对于子集Ａ，Ｂ２将这２个推理系统的

基于改进D—S证据理论的煤矿通风机故障诊断

ｏｃｎｄｕｃｔｆｕｓｉｏｎｄｏｅｉ￣ｎ —ｍｅａｋｉｎｇａｆｔｅｒｈｔｅｏａ￣ｎｌａｅｉｆｄｅｎｅｃｉｓａｍｅｎｄｅｄ．ＴｈｅｓｍｕｉｌａｉｔｏｎｒｅｓｌｕｍｓｈｏｗｔｈａｔｈｔｅｐＩ唧憾ｅｄ
ｍｐｉｒｏｖｅｄｅｖｉｄｅｎｃｅｈｅｔｏｒｙｏｆｉｎｆｏｒｍａｉｔｏｎｆｕｓｉｏｎｉｓｐｒｏｐｏｓｅｄ．Ｆｏｒｈｅｔｆｕｓｉｏｎｂｅｔｗｅｅｎｓｔｒｏｎｇｃｏｎｌｆｉｃｔｅｉｖｄｅｎｃｅｓ，ｔｈｉｓｐａｐｅｒｉｎ —
基于改进Ｄ—Ｓ证据理论的煤矿通风机故障诊断＊
程加堂熊伟艾莉
（红河学院工学院云南蒙自６６１１９９）
摘要
为了提高煤矿通风机故障诊断的准确性，提出了一种基于改进证据理论信息融合的故障诊断

方法。针对强冲突证据之间的合成问题，通过引入相容系数的概念，充分考虑证据间的相容性和冲突性，建立了一种新的证据权重的确定方法。在对原始证据进行修正后，由Ｄ—ｓ证据理论合成规则进行融合决策。仿真结果表明，该方法可以有效识别出煤矿通风机的故障类型，且能避免误诊现象。关键词煤矿通风机证据理论改进故障诊断
ｍｅｈｏｔｄｃａｎｅｆｅｃｉｔｖｅｌｙｄｉａｇｎｏｓｅｔｈｅｆａｌｔｕｏｆｖｅｎｔｉｌａｔｏｒｎｄａａｖｏｉｄｍｉｄｉｅａｇｎｓｉｏｓ．ＫｅｙＷｏｒｄｓｃｏａｌｍｉｎｅｖｅｎｉｆｌ￣ｏｒｅｖｉｄｅｎｉｔｌａｈｅｔｏｙｉｒｍｐｒｏｖｄｆｅａｌｔｕｉａｄｇｎｏｓｉｓ

D—S证据理论在多传感器故障诊断中的改进及应用

第４１卷源自刊２１年９月０１
东南大学学报（自然科学版）
ＪＲＯＵＮＡＬＯＯＨＡＴＵＶＥＳＴＹ（ｍｒｃｅｃｄｉｎＦＳＵＴＥＳＮＩＲＩＮａａＳｉｅＥｉｏ）ｌｎｔ
Ｖｏ．Ｓｕ１４１ｐ
（ＳｈｏｆｌｃｉａＥｇｎｅｎ，ＳａｇａＤｉｊＵｎｖｒｔＳａｇａ２０４Ｃｉａｃｏｌｅｔｃｌｎｉｅｒｇｈｎｈｉａｉｉｅｓｙ，ｈｎｈ０２０，ｈｎ）ｏＥｒｉｎｉｉ
Ａｂｓｒｃ：Ｉｒｅｏｓｌｅｔｅｐｒｂｅｔｔ１ＳｉｃｎｓｓｅｔｗｉｈｅｆｃｓｗｈｎｔｅｃｎｖｎｉｎｌｔａｔｎｏｄｒｔｏｖｈｏｌｍｈａｔＩｎｏｉｔｎｔｔａｔｅｏｅｔｏａｈｈｅｉｅｃｅｒｓｕｓｄｔｅｌｗｉｖｄｎｅｆｈｇｏｆｉｔｉｈｅｍｕｔ—ｅｓｒｉｆｒａｉｎｆｉｎｖｄｎｅｔｏｙｉｅｏｄａｔｅｉｅｃｓｏｉｈｃｎｃｎｔｌｉｓｎｏｎｏｍｔｕｓｏｈｈｌｏ
ｆｕｔｉｇｏｉｓｓｍ．ｈｓａｅｉｔｄｃｓｈａｉｆｍｗｒｆｈｅｓｒｈｆｒ（ＳｖａｌｄａｎｓｔＴｉｐｐｒｎｒｕｅｅｂｓｒｅｏｋｏｅＤｍｐｔ — ａｅＤ— ）ｅ・ｓｙｅｏｔｃａｔｅＳ
ｉｅｃｅｙｎｎａｙｅｈｏｔｏｎｓｉｎｎｉｈｂｅｉｖｒｂｂｌｙｔａｌｓｕｃｆｓｌｄｎｅｔｏｒａｄａｌｚｓｓｒｃｍｉｇｓｏｆａｓｇｉｇｈｇｌｅｅｐｏａｉｉｏｆｕｔｏｒｅｏｍａｌｈｔ

《改进D-S证据理论的决策融合算法研究及应用》范文

《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言随着现代科技的不断发展，决策融合算法在各个领域得到了广泛应用。

其中，Dempster-Shafer（D-S）证据理论作为决策融合的重要方法之一，已经得到了广泛关注。

然而，D-S证据理论在处理决策信息时仍存在一些局限性，如对冲突信息的处理不够完善、对证据的独立性和一致性要求过于严格等。

因此，本文旨在研究改进D-S证据理论的决策融合算法，以提高决策的准确性和可靠性。

二、D-S证据理论概述D-S证据理论是一种基于信任度的决策融合方法，通过对证据进行分配函数描述和合并过程来达到信息融合的目的。

然而，在应用过程中，D-S证据理论仍存在一些问题。

首先，当存在冲突信息时，传统的D-S证据理论往往无法有效地处理这些信息，导致决策的准确性下降。

其次，D-S证据理论对证据的独立性和一致性要求较高，这在实际情况中往往难以满足。

三、改进D-S证据理论的决策融合算法针对上述问题，本文提出了一种改进的D-S证据理论决策融合算法。

该算法通过引入权重因子来调整每个证据的信任度分配，从而降低冲突信息对决策结果的影响。

同时，该算法还采用了基于相似度的证据关联性分析，以提高证据之间的相互关系信息在合并过程中的作用。

此外，针对不同情况下的实际应用场景，我们提出了更加灵活的调整策略来应对各种不确定性因素。

四、算法实现及性能分析为了验证改进算法的有效性，本文在多个实际应用场景中进行了实验。

实验结果表明，改进后的D-S证据理论决策融合算法能够更好地处理冲突信息，提高了决策的准确性。

同时，该算法能够更灵活地应对不同场景下的不确定性因素，具有较强的实用性和通用性。

五、应用案例分析本文以某智能交通系统为例，详细介绍了改进D-S证据理论决策融合算法在交通流量预测中的应用。

通过将多种交通信息作为证据进行融合处理，该算法能够更准确地预测交通流量变化趋势。

同时，我们还探讨了该算法在医疗诊断、机器人智能决策等其他领域的应用潜力。

改进的D-S证据理论在电路故障诊断中的应用研究

ＫｅｏｄｃｒｕｔｙＷｒｓｉｃｉ，Ｄ－ｖｄｎｅｔｅｒ，ｆｕｔｄａｎｓｓＳｅｉｅｃｈｏｙａｌｉｇｏｉＣｌｓｍｂｒＴＰ３】ａｓＮｕｅ９
１引言
随着电路结构的日趋复杂，对大型复杂设备在系统运行状态进行监测时，由于保 ห้องสมุดไป่ตู้ 和断路器存在
准确率得以提高。
关键词
电路；Ｓ据理论；Ｄ－证故障诊断
Ｔ３１Ｐ９
中图分类号
ＡｐｌｃｔｏｓａｃｎＩｐｏｅＳＥｖｄｎｅＴｈｅｒｐｉａｉｎＲｅｅｒｈｏｍｒｖｄＤ— ｉｅｃｏｙ
素的影响，会导致融合过程中存在着各种不确定性。在各种非精确推理技术中，－ＤＳ证据理论凭借
自身的特点，对不确定信息的描述采用 “ 如区间估计” 而不是“ 估计 ” ，点的方法，区分不知道与不确在定方面以及精确反映证据收集方面显示出很大的
误动、拒动以及因信道干扰发生信息丢失等诸多不确定性因素，得仅利用单一传感器进行状态监测使
与故障诊断时很难得到精确的结果。在进行状态
灵活性，在处理不确定性问题时具有独特的优势。
２Ｉ＿据理论）Ｓ证
设Ｕ为互斥且穷举的元素组成的命题集合，
感器的精度、部环境影响以及数据的后处理等因外
为Ａ的基本可信数。设ｍ， …，ｍ，ｍ是识别框架ｕ上的基本概率，多概率分配函数正交和一ｏ

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

&
%
（)）（+）（"）
［ ’()$ * " % （｝（， * ’］ * ’( * ’） ’( #( $ "& ） "$ # ｛
’
定义的函数，［!，是联合后的信度函数分配： !： (%& ’］（ 3） ! #
3 + 3 %4 & $
（) （， …， ,$ # * " )! - # ’， (， ’ ! $ " $ $） - " - -）
析与处理，目标自动识别，工业现场的参数检测等 + 但真正将多传感器数据融合应用于故障诊断，利用多传感器融合的综合信息提高故障识别能力的研究报道还较少，本文将数据融合技术引入到电子电路故障元件的搜寻之中，通过测试电子电路工作时电子元件的温度和关键点电压两方面的数据信息，结合 !"# 证据理论和模糊数学进行数据融合，从而准确搜寻出故障元件 + 并将单传感器诊断结果与融合诊断结果进行比较，讨论其在故障诊断准确率方面的优越性，给出具体的实验结果和结论 +
第%期 %’’% 年 % 月
电子学报 0T,0 UVUT,WXPST0 #SPST0
YB< + *’ PB+ % Z9F+ %’’%
基于 !"# 证据理论的数据融合算法及其在电路故障诊断中的应用
% 朱大奇$，，于盛林$ （$& 南京航空航天大学测试工程系，江苏南京 %$’’$(；安徽马鞍山 %)*’’%） %& 安徽工业大学工业自动化系，
’( &am作正常时被测元件的正常参数值， /&$ 为待诊断元件参数的正常变化范围， 0&$ 为待诊断元件参数的极限偏差， 1$ 为 $&$ 为传感器 $ 测定被诊断元件 & 属于故障的隶属度，传感器 $ 测定的实际数值 # %&’ 融合及故障判定原则［"］，设 !’ ， !"$"( %&’ 融合根据 /01 联合规则 !( 分别对应同一识别框架 % 上的信度函数分配，焦元分别为 3’ ， …， 3( ， !"$ …，设 " ｛!（｝2 ’，则由下式 3- 和 4’ ， 4( ， 4- ， !（ ’ 3& ） ( 4$ ） # 3& 4$

基于改进D-S_证据理论的变电站继电保护二次回路故障诊断方法研究

932023年12月下第24期总第420期工艺设计改造及检测检修China Science & Technology Overview1改进D-S 证据理论应用优势证据理论是由20世纪60年代的Dempster 首次提出，后来他的学生Shafer 重新定义了这一理论，提出了一种不精确推理理论，即“证据的数学理论”，也被称为D-S证据理论，该理论属于人工智能的范畴，最早是在专家系统被应用，可以提高系统对不确定信息的处理水平，具有直接表达“不确定”的性质。

后续许多新技术也开始完善D-S 证据理论，比如证据合成算法，也就是ER 算法，实现D-S 证据理论的改进，并促使其应用到更多领域。

以变电站继电保护二次回路故障诊断为例，研究D-S 证据理论的改进应用，使其为故障诊断工作提供更多帮助。

1.1提升数据信息合理性改进后的理论能够适应智能化继电保护工作落实的基本要求。

改进后，可疑的故障元件能够同步进行分析，通过分析其对继电保护故障影响的概率，更加精准地判断故障所在区域[1]。

同时，改进后的D-S 证据理论全面收集数据信息进行分析，解决证据之间冲突问题，保证计算结果的合规性和合理性。

避免依托基础数据信息进行计算，出现结果违反常理的现象。

比如，在发生回路故障时，最先进行的是排除并采集故障信息，具体包括静态配置和动态实时监控两类信息，信息完整且可靠，为后续数据分析判断故障类型提供了重要依据。

1.2提升故障诊断精准性由于此种计算论证方式需从细节出发，对各故障元件的实际情况进行把握。

因此，在评估故障时，获得的信息要更具备细节性，能够保证在故障判断时更加精准有效地定位故障所在区域，为进一步的故障处理提供有效依据。

同时，精准确认故障所在区域，便于故障处理技术人员结合故障特征、故障位置等多方面信息实现对故障的精准判断，采取有效措施处理故障[2]。

通过重塑故障，设计故障诊断的精准化模型，一旦发现异常信息，就能综合诊断故障问题，使故障问题确认到位，提高人员维护处理的效率。

基于加权D—S证据理论信息融合的故障诊断方法及其应用

（．ｈｎｎｙＬａｏａｏｙｏＯｃａｖｒｎｎｎｔｒｎｃｎｌｇＱｉｇａ６０１；．ｈｎｏｇＡｃｄｍｙ１ＳａｄｏｇＫｅｂｒｔｒｆｅｎＥｎｉｏｍｅｔＭｏｉｏｉｇＴｅｈｏｏｙ，ｎｄｏ２６０２ＳａｄｎａｅｏｃｅｃｓＩｓｉｕｅｏｏｃａ０ｒ＾ｃＩｓｒｍｅｔｔｎ，ｎｄａ６０１ｆＳｉｎｅｎｔｔｔｆｅｇｎｉｎｔｕｎａｉＱｉｇｏ２６０）ｏ
ｅｉｅｅｔｅｒｎｄｉｓａｌｃｔｏｖｄｎｃｈｏｙａｔｐｐｉａｉｎ
Ｑｉｕｐｎ，ａｇＤｏｇｉｇ，ｉｏ，ｕＷｅｘａ。ｏｇｏ ’ ｉｉｇＳＷｎｎｍｎＬｕＴａＣｈｉｉｎＹｕＨｎｂ
ＡｂｔａｔＡｉｎｇａｈｅｄｆｉｕｔｎｆｕｌｉｇｓｓｃｕｓｄｂｎｕｆｃｅｙｏａｌｅｐｒａｉｉｙｆｒｔｓｒｃ：ｍｉｔｔｉｆｃｌｙｉａｔｄａｎｏｉａｅｙｉｓｆｉｉｎｃｆｆｉｕｒｏｂｂｌｔｏｈｅｎｅｐｏｄｔｆｕｔｉｇｓｓｗｒｕｃ，ａａｌｄａｎｏｉｍｅｈｂｓｄｔｏｄａｅｏｎｍｕｔ—ｎｆｍａｉｎｕｓｏｗｉｈｈｅｌｉｉｏｒｔｏｆｉｎｔｔｗｅｇｅＤ— ｉｈｔｄＳｅｉｅｅｔｏｙｗａｏｓｄ，ｖｄｎｃｈｅｒｓｐｒｐｏｅｗｈｉｈｗａｅｏｄａｔｈｅｐｒｂｌｍｈｅｌｃｆｆｕｌｒｂａｌｙｃｓｕｓｄｔｅｌｗｉｈｔｏｅｏｆｔａｋｏａｔｐｏｂｉｉｔｄｓｒｂｉｏｅｏｒｈｅｉｔｉｕｔｏｎｍｄＩｔｎｏ — ｆｅｔｖｏｆｔａｃｒｔｍａｈｅａｉａＩｎａｙｉ．ＩｏｄｅｔｒｇａｅｎｅｆｃｉｅｈｅｃｕａｅｔｍｔｃａｌｓｓｎｒｒｏｅｕｌｔｃｆｄｎｅｄｇｒｅｏｈｅｐｅｅａｌｉｇｓｓｅｔｍａｉｎｂｅｏｈｅｐａｔａｃａｙａｏｕｈｅｆｕｌｏｎｉｅｃｅｅｆｔｒｓｎｔｆｕｔｄａｎｏｉｓｉｔｏｙｕｓｆｔｓｃｕｒｃｂｔｔａｔｄａｎｏｉｔｉｅＳｅｄｎｅｔｅｒｓｐｐｉｄｉｇｓｓ，ｈｅｗｅｇｈｔｄＤ－ｖｉｅｃｈｏｙｗａａｌｅ．Ｔｈｅｍｏｆｅｆｕｌｉｇｓｓｗｉｈｔｐｓｄｉｉｄａｔｄａｎｏｉｔｈｅａｔ

基于D—S证据理论技术的发动机转子故障诊断

中图分类号：Ｈ１。Ｍ３文献标识码：Ｔ６Ｔ２Ａ
在故障诊断过程中，为了提高诊断的精度和可靠性，应用信赋予的可信度的和等１。息融合技术，合多传感器数据及其它途径的信息，融以求更加准１．度函数２信确、面地认识和描述诊断对象，全从而作出正确的判断和决策。基设Ｑ为识别框架，如果集函数Ｂ２＿０ｌ：“ 叶，】满足：于证据理论的信息融合技术在故障诊断中得到了广泛应用。证据（（－１）０
维普资讯
机械设计与制造
一
第１期
２００８年１月
１３６一文章编号：０１３９（０８０－１６０１０ — ９７２０）１０３－２
ＭａｈｎｒＤｅｉｎｃｉｅｙｓｇ
＆
Ｍａｕａｔｒｎｆｃｕｅ
称为框架ｄ上的信度函数。
其中，基本可信度分配与信度函数存在以下关系：
（）４
Ｂ）（）（ＡＱ（ ∑ｍａＶｃ）Ａ
ＡＣＡ．
故障诊断的准确度，能满足诊断的实时性要求。并
１— Ｓ证据理论Ｄ
ＤＳ据理论是Ｄｍｓｒｓａｅ在七十年代提出的，－证ｅｐｔ和ｈｆｒｅ是对概率论的扩展。是一种非精确推理的有效方法．
ＺＨＡＯｅｇ，ＷＡＮＧｏｇｓｅｇＰｎＺｈｎ－ｈｎ
（ｏｅｅｆｅｏａｔｓＮｒｗｓｒｏｙｃｎｃｌｎｖｒｉｒｉ１０２ＣｉａＣｌｇＡｒｎｕｉ，ｏｔｅｔＰｌｔｈｉａＵｉｓ３Ｘ＇７０７，ｈｎ）ｌｏｃｈｅｎｅｅｔ，ａｎ

基于随机集的证据理论的改进在发电机故障诊断中的应用

的改进在发电机故障诊断中的应用
徐余法李月，陈国初王健，，，
（．上海电机学院电气学院，海２０４；．华东理工大学信息科学与Ｘ程学院，海２０３）１上０２０２－上０２７摘要：多传感器信息融合处理故障诊断问题过程中，统证据理论对含有冲突证据的处理结在传
提高了诊断系统的性能。
关键词：信息融合；－ＤＳ证据理论；据相似度；证随机集理论
中图分类号：Ｐ２６３文献标识码：Ａ文章编号：６１— １７２１００７０Ｔ０．１７７４（０２）４— ４４— ４
ＡｐｐｉａｉｎｏｍｐｒｖｄＥｖｄｎｅＴｈｅｒｓｄｏｎｍｌｃｔｏｆＩｏｅｉｅｃｏｙＢａｅｎＲａｄｏ
Ｋｅｒｓｎｏａｉｎｆｓｎ，Ｓｅｉｅｃｈｏｙ，ｖｄｎｅｒｌｖｎｅ，ａｄｍｅｈｏｙｙｗｏｄ：ｉｆｒｔｕｉＤ・ｖｄｎｅｔｅｒｅｉｅｃｅｅａｃｒｎｏｓｔｅｒｍｏｏｔ
信息融合自其产生以来受到强烈关注，重要其
ｓｍｉｒｙｉｐｏｏｅ．Ａｎｈｓｍｅｈｄｉｕｅｎｆｕｔｄａｎｓｓｏｅｅａｉｇｍｏｏｙｔｍ．Ｔｅｒｓｌｏｅｅｐｒｍｅｔｉｌｉｓｒｐｓｄａｔｄｔｉｔｏｓｓｄｉａｌｉｇｏｉｆｇｎｒｔｔｒｓｓｅｎｈｅｕｔｆｔｘｅｉｎｈ

基于AHP和改进D-S证据理论的风电场综合评价

0　引言随着国家注重环境保护和风力发电技术的快速发展等因素，风电作为一种清洁的再生能源备受欢迎。

据《风电行业市场前瞻与投资战略规划分析报告》预计到2023年，全球风电累计装机量达969.15GW。

科学而严谨的风电场的评价体系对于风电场建设和评估具有重要的意义。

目前，风电场综合评价的研究有：层次分析法、模糊综合评价法等。

亢亮［1］采用层次分析法构建评价指标体系求出各指标权重，再利用消去与选择转化法对风电场进行排序评价。

王磊［2］采用选取层次分析法对指标体系进行权重计算，再运用模糊综合评价方法对风电场综合效益进行评价，从而构建模糊层次综合评价模型。

社保华［3］等人基于风能可利用率的风电场运维水平评价方法，结合风能随时间变化的影响，提出风能可利用率指标和可利用率品质指标的定义和计算方法，综合评估风电场在检修维护计划制定、故障早期预警及处理、备品备件管理以及风电场天气跟踪等方面的整体运维效果，适应了风能不可控、不可调的特点。

李文田［4］基于概率神经网络的集控式风电场风险评估。

以上评估方法都有值得借鉴学习的地方，但是大多方法存在评估比较单调、过程繁琐、周期长、实用性不强等问题。

本文在总结现有风电场评估模型基础上，提出一种基于AHP和D-S证据理论的风电场综合评价方法。

通过层次分析法与D-S理论的结合数据融合方法降低了专家主观判断，使得评价过程更加简洁科学，基于AHP和改进D-S证据理论的风电场综合评价胡晓东1，2，尹　诗1，王其乐1（1.中能电力科技开发有限公司，北京 1000341；2.华北电力大学自动化系，保定 071003）摘　要：在目前的风电场评估中，采用的是单指标判定，忽略了风电场指标之间的相关性，使得评估结果的准确性和客观性无法得到保障。

本文基于层次分析法（Analytic Hierarchy Process，AHP）和DS 证据理论（Dempster-Shafer evidence theory，D-S）创建了风电场多指标综合评价方法。

《改进D-S证据理论的决策融合算法研究及应用》

《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言在当今信息化时代，多源信息融合技术在决策支持系统、智能控制系统以及机器智能领域的应用日益广泛。

其中，决策融合算法作为多源信息融合的核心技术之一，对于提高决策的准确性和可靠性具有重要意义。

D-S（Dempster-Shafer）证据理论作为一种重要的决策融合算法，因其能够处理不确定性和不完全性信息而备受关注。

然而，传统的D-S证据理论在某些情况下仍存在融合精度不高、计算复杂度大等问题。

因此，本文旨在研究改进D-S证据理论的决策融合算法，并探讨其在实际应用中的效果。

二、D-S证据理论概述D-S证据理论是一种基于概率论的决策融合算法，通过将不同来源的证据进行融合，得到一个全局决策结果。

它能够处理不确定性和不完全性信息，具有一定的容错性和鲁棒性。

然而，传统的D-S证据理论在处理复杂问题时仍存在一些问题，如易陷入局部最优解、计算复杂度大等。

三、改进的D-S证据理论决策融合算法针对传统D-S证据理论的不足，本文提出了一种改进的决策融合算法。

该算法通过引入新的权重分配策略、优化基本概率分配函数以及采用多级融合策略等方法，提高了算法的融合精度和计算效率。

具体来说，我们的算法主要分为以下步骤：1. 权重分配策略：我们设计了一种基于证据可靠性的权重分配策略，根据不同来源证据的可靠性和重要性程度，为其分配不同的权重。

这样可以在一定程度上减少因不同来源证据质量差异导致的融合误差。

2. 优化基本概率分配函数：我们通过引入新的基本概率分配函数，对原始数据进行预处理和归一化处理，以减少数据噪声和冗余信息对融合结果的影响。

此外，我们还采用了概率平滑技术，以避免因某些事件的概率过于集中而导致的信息损失。

3. 多级融合策略：我们采用了多级融合策略，将原始数据进行多级融合处理。

这样可以更好地整合不同来源的信息，提高算法的容错性和鲁棒性。

在每一级融合过程中，我们都会根据上一步的融合结果进行下一级的权重分配和基本概率分配函数的调整。

D-S证据理论信息融合在故障诊断中的应用

D-S证据理论信息融合在故障诊断中的应用
胡冠林;李娟;罗勇
【期刊名称】《计算机与数字工程》
【年(卷),期】2007(035)008
【摘要】介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.
【总页数】3页(P151-153)
【作者】胡冠林;李娟;罗勇
【作者单位】华中光电技术研究所,武汉,430074;海军工程大学,武汉,430033;海军工程大学,武汉,430033
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于D-S证据理论信息融合的轨道电路故障诊断方法研究 [J], 李娜;董海鹰
2.基于D-S证据理论信息融合的转辙机故障诊断方法研究 [J], 董海鹰;李娜
3.基于D-S证据理论信息融合的电梯故障诊断方法研究 [J], 李娜;王自励
4.基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究[J], 荣海春;万鑫森;吴有恒;李劲松
5.基于神经网络和D-S证据理论的信息融合故障诊断方法 [J], 朱汗青;马振书;孙华刚
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的D-S证据算法

一种改进的D-S证据算法
张乐星
【期刊名称】《微型机与应用》
【年(卷),期】2010(029)011
【摘要】利用D-S证据理论的信息融合算法,提供了一种证据理论的改进方法以解决D-S算法在实现过程中存在的证据冲突问题.通过仿真试验,对该方法的有效性进行了验证.
【总页数】3页(P74-75,79)
【作者】张乐星
【作者单位】杭州师范大学,计算机系,浙江,杭州,310012
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种基于证据距离的D-S改进算法 [J], 赵欣;王仕成;司小胜;刘志国;罗大成
2.一种新的基于证据权重的D-S改进算法 [J], 董增寿;邓丽君;曾建潮
3.一种加权改进的D-S证据推理算法 [J], 吕悦晶; 宋向勃; 张蕾; 周兴林
4.一种加权改进的D-S证据推理算法 [J], 吕悦晶; 宋向勃; 张蕾; 周兴林
5.一种基于改进证据相似度的D-S融合算法 [J], 钱建波;王旭康;董进;韩伟;冯中存因版权原因，仅展示原文概要，查看原文内容请购买。

基于D-S证据融合的风力发电机组的故障预测

基于D-S证据融合的风力发电机组的故障预测田艳丰;刘石磊;井艳军;杨轶【期刊名称】《计算机与现代化》【年(卷),期】2017(0)10【摘要】Aiming at the mechanical and electrical faults of wind turbine generator,this paper presents a D-S fusion model based on electrical feature vector and vibrational feature vector.We construct two parameter-optimized support vector machines,as two evidences to predict the final fault pared with the traditional fault diagnosis of generator for mechanical fault and electrical fault with vibration sensor and current sensor to distinguish different faults by spectrum characteristics,evidence fusion method can make current signal used for mechanical fault diagnosis,also vibration signal can be used for electric fault.Through a large number of experimental data analysis,fusion model compared with only a single signal structure has higher classification accuracy.%针对风力发电机组在机械和电气方面的故障,提出一种基于电气特征向量和振动特征向量的D-S证据融合方法.在2种信号的特征空间下分别构造2个经过参数优化的支持向量机,经过D-S融合之后给出最终的预测故障种类.相对于传统发电机故障诊断中分别针对机械故障和电气故障安装振动传感器和电流传感器,通过频谱特征来区分不同故障,证据融合方法能将电流信号用于机械故障的诊断,也能将振动信号用于电气故障的诊断.通过大量实测数据分析验证,本文提出的融合模型相比于只用单一信号构造的故障分类器具有更高的分类准确率.【总页数】6页(P57-61,71)【作者】田艳丰;刘石磊;井艳军;杨轶【作者单位】沈阳工业大学电气工程学院,辽宁沈阳110870;沈阳工业大学电气工程学院,辽宁沈阳110870;沈阳工业大学电气工程学院,辽宁沈阳110870;沈阳工业大学电气工程学院,辽宁沈阳110870【正文语种】中文【中图分类】TP391【相关文献】1.基于D-S证据理论的短期负荷预测模型融合 [J], 吴京秋;孙奇;杨伟;杨杰2.基于加权D-S证据理论融合多域特征的岩体失稳预测方法 [J], 罗小燕;占鹏飞;黄祥海;邵凡3.基于改进D-S证据理论的电网故障多源信息智能融合诊断方法 [J], 游昊;石恒初;杨远航;颜丽;廖晓春4.基于D-S证据融合的双馈风力发电机转子匝间短路故障诊断 [J], 张言纯;王爱元;李恒;郭宝双5.基于D-S证据理论的地震多属性融合方法在煤层气富集区预测中的应用(英文) [J], 祁雪梅;张绍聪因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｓｔｒａｃｔ：Ｄ
—
Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙｉｎｖｏｌｖｅｓｕｎｒｅａｓｏｎａｂｌｅｄｉａｇｎｏｓｉｓｗｈｅｎｅｖｉｄｅｎｃｅｈｉｇｈｌｙ
ｃｏｎｆｌｉｃｔｓ．Ａｎｅｗａｐｐｒｏａｃｈｏｆｃｏｍｂｉｎａｔｉｏｎｏｆｒｅｌａｔｉｖｅｌｙｗｅｉｇｈｔｅｄｂｅｌｉｅｆｆｕｎｃｔｉｏｎｓｉｓｐｒｏ —
ｐｏｓｅｄｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ．Ｉｆｍａｎｙｐｉｅｃｅｓｏｆｅｖｉｄｅｎｃｅｓａｒｅｔｏｂｅｃｏｍｂｉｎｅｄ，ｔｈｅａｍｏｕｎｔ
第
３４２０１３
麓８年月期Ｊｏｕｒｎａ】１ｏｆＱｉｎｇｄａｏＵｎ青ｉｖｅｒ岛ｓｉｔ科ｙｏ技ｆＳｃ大ｉｅｎ学ｃｅ学ａｎｄＴｅ自ｃｈ然ｎｏ科ｌｏ学ｇｙ（Ｎａｔｕｒａ１ＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）ｖＡｏｕｇ。・２０１３ ’
２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＤｉａｎＪｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００２４０，Ｃｈｉｎａ）
摘要：针对Ｄ — Ｓ证据理论直接处理高冲突证据合成时会出现诊断结果不合理的问题，
提出了一种相对加权证据合成法。在多个证据融合时，该方法综合利用证据的均值距离和冲突强度表示证据冲突，并根据各证据与其它证据的冲突程度确定其权重系数，在此基础之上采用相对加权的方法对证据的基本概率指派函数修正，然后用Ｄ — Ｓ规则合成。将
ＣＨＥＮＹｉｎｇ－ｙｉｎｇ，ＸＵＹｕ－ｆａ，ＣＨＥＮＧｕｏ－ｃｈｕ
（１．Ｓｃｈ。ｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＥａｓｔＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２００２３７，Ｃｈｉｎａ
ＡｐｐｌｉｃａｔｉｏｎｏｆａｎＩｍｐｒｏｖｅｄＤＳＥｖｉｄｅｎｃｅＴｈｅｏｒｙＳｅｔｔｏ
— —
ｔｈｅＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＷｉｎｄＴｕｒｂｉｎｅ
所提出的方法应用到风力发电机组的故障诊断中，结果表明了所提方法对高冲突证据融
合的有效性。
关键词：Ｄ — Ｓ证据理论；冲突强度；故障诊断；证据均值距离中图分类号：０３５９文献标志码：Ａ
文章编号：１６７２ — ６９８７（２０１３）０４ — ０４２７ — ０４
改进的Ｄ— Ｓ证据理论方法及其在风力发电机故障诊断中的应用
陈莹莹．－。徐余法，陈国初
（１．华东理工大学信息科学与工程学院， Байду номын сангаас海２００２３７；２．上海电机学院电气学院，上海２００２４０）
ｏｆｃｏｎｆｌｉｃｔｂｅｔｗｅｅｎｅｖｉｄｅｎｃｅｓｉｓｆｉｒｓｔｌｙｅｖａｌｕａｔｅｄｂｙｂｏｔｈｅｖｉｄｅｎｃｅｄｉｓｔａｎｃｅａｎｄｃｏｎｆｌｉｃｔｉｎｔｅｎｓｉｔｙ，ａｎｄｅｖｅｒｙｐｉｅｃｅｏｆｅｖｉｄｅｎｃｅｉｓｇｉｖｅｎａｗｅｉｇｈｔｃｏｅｆｆｆｉｃｉｅｎｔａｃｃｏｒｄｉｎｇｔｏｉｔｓａ — ｍｏｕｎｔｏｆｃｏｎｆｌｉｃｔｗｉｔｈｔｈｅｏｔｈｅｒｓ，Ｔｈｅｎｂｙｕｓｉｎｇｔｈｅｒｅｌａｔｉｖｅｗｅｉｇｈｔｉｎｇｏｆｅｖｉｄｅｎｃｅ，ｔｈｅｍａｓｓｆｕｎｃｔｉｏｎｃｏｕｌｄｂｅｏｂｔａｉｎｅｄ．Ｔｈｅｂａｓｉｃｐｒｏｂａｂｉｌｉｔｙａｓｓｉｇｎｍｅｎｔｆｕｎｃｔｉｏｎｉｓｓｙｎｔｈｅ — ｒｕｌｅｓ．ＴｈｅｎｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｏｎｔｈｅｄｉａｇｎｏｓｉｓｏｆｗｉｎｄｔｕｒｂｉｎｅｉｓｓｉｚｅｄｂｙｕｓｉｎｇＤＳ