冲突证据的相似性度量方法及其在信息融合故障诊断中的应用

【摘要】：Dempster-Shafer证据理论作为一种信息融合方法,以其在不确定性信息的表示、度量和组合等方面的强大优势,在故障诊断中得到了广泛应用。证据理论解决诊断问题的过程可分为:确定故障辨识框架、从传感器观测信息中获取诊断证据、证据融合与故障决策四个步骤。由于传感器受到环境噪声或人为干扰,使得诊断证据间常常出现冲突,当直接使用经典Dempster组合规则融合它们时,就会出现不合理的结果。所以在融合诊断中给出合理的冲突证据度量方法及组合方法是十分重要的。 实际上,诊断证据可以被看做是一个表示各故障发生的置信度的一个向量,该向量是将原有证据转换到特定的信度空间后生成的。那么,证据冲突问题就可以转化为该信度空间内的向量相似性的一个度量问题。本文从信度空间中证据向量的相似性分析入手,给出了度量证据冲突程度的方法,并将其应用于解决实际故障诊断中冲突证据的融合问题,主要研究内容如下: (1)概述了证据理论的基本原理,介绍了利用证据理论方法实现融合诊断的步骤,详细分析了故障诊断中,冲突证据产生的主要原因以及证据冲突度量和冲突证据融合的已有方法,并指出了它们的不足。 (2)提出了基于Pignistic概率空间证据相似性度量的冲突证据融合方法。该方法将证据转化为Pignistic概率空间(一种信度空间)中的证据向量,用两向量夹角余弦度量证据间的相似性,并基于此给出度量证据冲突程度的方法,并用融合实例验证了新方法的有效性。 (3)给出了基于诊断证据可靠性评估的融合诊断方法。从动态与静态两个方面考虑诊断证据的可靠性,利用Pignistic指标函数优化算法获得诊断证据的静态折扣因子,并利用所提出的相似性度量方法描述证据冲突的动态折扣因子,解决了诊断证据可靠性评估与融合诊断问题。 (4)给出了基于证据动态更新的融合诊断方法。针对诊断证据的动态融合问题,利用所提的相似性度量方法求出不同时刻证据之间的冲突因子,根据该因子的取值决定选取何种更新规则(类Jeffery或条件化证据更新规则)实现故障的在线诊断。 文中通过电机柔性转子的故障诊断试验验证了所提诊断方法的有效性。