D-S證據(jù)推理的應(yīng)用

1、D-S證據(jù)推理方法的功能 D-S證據(jù)推理作為不確信推理的有效方法 ,是一種決策理論 ,它能夠很好地處理具有模糊和不確定信息的合成問題。與概率決策理論 (如 Bayes理論 )相比 ,它不但能處理由知識(shí)不準(zhǔn)確引起的不確信性 ,而且能處理由不知道引起的不確信性 ,也不用給出先驗(yàn)概率，而是基于從屬關(guān)系值 , 使用命題演算作為在 D -S 框架下的推理過程 。D-S證據(jù)推理的應(yīng)用實(shí)例 基于基于 D-S證據(jù)推理的項(xiàng)目投資綜合決策模型與應(yīng)用證據(jù)推理的項(xiàng)目投資綜合決策模型與應(yīng)用 D -S 證據(jù)推理在機(jī)械故障診斷中的應(yīng)用證據(jù)推理在機(jī)械故障診斷中的應(yīng)用 結(jié)合結(jié)合 D-S 證據(jù)推理的貝葉斯網(wǎng)絡(luò)法在配電網(wǎng)可靠性證據(jù)

2、推理的貝葉斯網(wǎng)絡(luò)法在配電網(wǎng)可靠性評(píng)估中的應(yīng)用評(píng)估中的應(yīng)用基于基于 D-S證據(jù)推理的項(xiàng)目投資綜證據(jù)推理的項(xiàng)目投資綜合決策模型與應(yīng)用合決策模型與應(yīng)用 項(xiàng)目投資綜合決策要處理的信息大都是不精確的、不完備的、模糊的、甚至是相互矛盾的 ,具有不確信性。為了有效地進(jìn)行投資分析和決策 ,需要用形式化的方法來描述這些不確信信息 ,并進(jìn)一步探討不確信推理的方法。不確信推理一般不強(qiáng)求邏輯上的完備性 ,只是對(duì)不確信信息在誤差允許的范圍內(nèi)做出近似推理判斷 ,雖然推理不一定能得到最佳的決策結(jié)果 ,但一般能給出專家級(jí)決策結(jié)果 ,基本上可以滿足應(yīng)用領(lǐng)域的要求?；诨?D-S證據(jù)推理的項(xiàng)目投資綜證據(jù)推理的項(xiàng)目投資綜合決策模

3、型與應(yīng)用合決策模型與應(yīng)用 我們將投資決策系統(tǒng)的指標(biāo)體系視為一組證據(jù)信息 , 利用D-S合成推理規(guī)則顯然是非常合理。 D-S證據(jù)理論應(yīng)用于投資項(xiàng)目綜合決策時(shí) ,由各獨(dú)立指標(biāo)所獲得信息產(chǎn)生的特征度量構(gòu)成了該理論的證據(jù)。 通過構(gòu)造相應(yīng)的基本概率分布函數(shù) ,對(duì)所有的證據(jù) (包括 )賦予一定的不確信度 ,利用這些證據(jù)合成新的證據(jù)。D-S證據(jù)推理的步驟( 1) 求出各個(gè)證據(jù)的基本概率賦值 m (i ) ; ( 2) 求解證據(jù)的不確信度 m () ;( 3) 利用 D-S合成推理規(guī)則 ,形成新的信任函數(shù) Bel( A) ,并求解其基本概率賦值 m ( A) ; ( 4) 解決具有相關(guān)性和沖突性證據(jù)的合成問題

4、。實(shí)例研究實(shí)例研究實(shí)例結(jié)論 由以上實(shí)例可看出 ,每種融合方法得出的結(jié)論基本一致。即: 方案 6最值得投資 ,方案 1最不值得投資。也不難發(fā)現(xiàn) ,采用 D-S融合方法比不采用該方法進(jìn)行決策更利于方案的集中 ,數(shù)據(jù)融合使得系統(tǒng)的不確定性下降 ,基本概率函數(shù)分布趨勢(shì)更加明顯 ,根據(jù)同樣的決策規(guī)則進(jìn)行方案比較 ,能夠更加充分地利用系統(tǒng)的信息 ,提高系統(tǒng)辨識(shí)目標(biāo)方案的準(zhǔn)確性。D -S 證據(jù)推理在機(jī)械故障診斷中證據(jù)推理在機(jī)械故障診斷中的應(yīng)用的應(yīng)用 在機(jī)械故障診斷中 ,無論傳感器的種類和性質(zhì)如何, 最終用于故障診斷的總是一些數(shù)字診斷指標(biāo),一般說來 , 機(jī)械設(shè)備的這些診斷指標(biāo)是具有不確定性的。而且即使對(duì)同一臺(tái)

5、機(jī)器同一種工況下,不同工作循環(huán)內(nèi)測(cè)得的振動(dòng)信號(hào)的特征參數(shù)也不完全相同, 有時(shí)甚至相差很大。設(shè)備狀態(tài)參數(shù)與診斷指標(biāo)之間的這種不確定關(guān)系, 決定了診斷問題本質(zhì)上的不確定性。為了提高診斷的精確性和可靠性,最大限度地利用各種信息, 解決靠單一傳感器獲得的單一指標(biāo)進(jìn)行診斷所帶來的不確定性, 本例從提高故障診斷精度出發(fā), 提出了基于多測(cè)點(diǎn)的 D -S 證據(jù)推理的數(shù)據(jù)融合方法, 并利用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)診斷結(jié)果來建立證據(jù)推理的診斷模型, 利用同源數(shù)據(jù)進(jìn)行融合 , 既避免了建立質(zhì)量函數(shù)的麻煩,又降低了診斷的不確定性 。D -S 證據(jù)推理在機(jī)械故障診斷中證據(jù)推理在機(jī)械故障診斷中的應(yīng)用的應(yīng)用 在進(jìn)行故障診斷時(shí) ,可

6、以用多傳感器來對(duì)不同位置進(jìn)行測(cè)量, 對(duì)每個(gè)傳感器的測(cè)量結(jié)果進(jìn)行初步診斷,再用 D -S 證據(jù)推理對(duì)它們進(jìn)行融合。用 D -S 證據(jù)推理進(jìn)行決策層融合時(shí) ,一般都要建立相應(yīng)的質(zhì)量函數(shù), 難度很大 ,為避免建立質(zhì)量函數(shù)的麻煩,本文借助了成熟的 BP 網(wǎng)絡(luò)技術(shù) ,對(duì)每一測(cè)點(diǎn)先用 BP 網(wǎng)絡(luò)進(jìn)行局部診斷 ,各測(cè)點(diǎn)的診斷結(jié)果經(jīng)過優(yōu)化處理后建立證據(jù)推理模型 ,進(jìn)行綜合診斷。試驗(yàn)論證 在轉(zhuǎn)子試驗(yàn)臺(tái)上進(jìn)行試驗(yàn)驗(yàn)證 ,在其上選擇三個(gè)不同的測(cè)點(diǎn) , 表 2 是轉(zhuǎn)子不對(duì)中時(shí)各測(cè)點(diǎn) BP 網(wǎng)絡(luò)的診斷結(jié)果。試驗(yàn)論證 對(duì)以上結(jié)果進(jìn)行處理，計(jì)算出m(Ai)(基本概率值),Ai表示故障模式，i=1,2,3,4,5,6。計(jì)算結(jié)

7、果m(Ai）即為每個(gè)樣本中第i種故障模式的基本概率值。經(jīng)歸一化處理后得到的基本概率值如表3所示。試驗(yàn)論證試驗(yàn)論證 先用優(yōu)化后的BP網(wǎng)絡(luò)診斷來建立證據(jù)推理模型。設(shè)新人函數(shù)Bel1對(duì)應(yīng)于第一冊(cè)點(diǎn)的診斷結(jié)果，信任函數(shù)Bel2對(duì)應(yīng)第二測(cè)點(diǎn)的診斷結(jié)果，這兩個(gè)信任函數(shù)的焦點(diǎn)元素都是A1,A2,A3,A4,A5,A6,分別代表完好狀態(tài)，不對(duì)中，碰摩，不平衡，油膜渦動(dòng)，油膜震蕩六種故障模式。它們構(gòu)成了信任函數(shù)Bel1,Bel2的共同分邊框。經(jīng)D-S證據(jù)推理融合以后的診斷結(jié)果，再與測(cè)點(diǎn)3進(jìn)行融合，最后得到三個(gè)測(cè)點(diǎn)的融合結(jié)果：m(Ai)=0.996207 0.000260 0.000077 0.001339 0.001446 0.000654 m()=0.000017.結(jié)合 D-S 證據(jù)推理的貝葉斯網(wǎng)絡(luò)法在配電網(wǎng)可靠性評(píng)估中的應(yīng)用 配電系統(tǒng)處于電力系統(tǒng)末端，直接與用戶相連，是電力系統(tǒng)向用戶供應(yīng)電能和分配電能的重要環(huán)節(jié)。近年來隨著人們對(duì)配電系統(tǒng)在供電可靠性中地位認(rèn)識(shí)的提高，配電系統(tǒng)可靠性的研究得到了迅速的發(fā)展。貝葉斯網(wǎng)絡(luò)對(duì)配電網(wǎng)可靠性的估計(jì)加入D-S證據(jù)理論的貝葉