一种基于随机集的异类信息表示与融合方法

论文摘要

多源信息融合技术已经在诸多领域中得到了应用,但是目前多源信息融合正面临着日渐突出的信息类型不一致问题。传统的数据融合方法在处理异类信息问题时缺乏有力的数学基础,无法有效的进行综合分析与评判。本文针对多源信息融合中异类信息无法统一表示与融合的问题,提出一种利用随机集理论解决异类信息表示与融合的方法。论文在介绍了随机集基本理论与传统D-S证据理论、模糊集方法相互转化关系的基础上,针对状态监测与故障诊断领域中存在的异类信息问题提出一种利用随机集理论解决该问题的方法：首先,采用多个传感器对影响被诊断对象状态的某一属性进行监测,并引入全局传感器的概念对传感器数据进行综合表示,利用随机集运算拟合全局传感器测量值并采用似然测度方法得到传感器数据在随机集框架下的基本概率分配；其次,引入专家权值的概念来描述专家的可信程度,利用随机集理论分别对专家集合与专家意见集合进行表示,采用相应随机集运算的方法得到专家主观意见的基本概率分配；最后,将传感器信息与专家意见这两部分异类信息在随机集框架下进行统一的融合处理并得到最终的诊断结果。本文利用仿真实验结合Matlab进行数据处理,详细叙述所提出方法在实际中对传感器数据及专家意见两种异类信息的处理及融合过程。实验结果表明本文提出方法可以减小传感器数据的不确定区间、提高匹配时的精度,从而得到更加准确的基本概率分配值；并能将传感器数据与专家意见进行统一融合处理,由此说明了本文提出的方法在处理状态监测与故障诊断中异类信息问题时的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题的背景与意义
• 1.2 国内外研究现状
• 1.2.1 多源信息融合研究发展
• 1.2.2 随机集理论的研究发展
• 1.3 论文研究内容及目标
• 1.4 论文组织结构
• 第2章 相关理论与技术
• 2.1 多源信息融合
• 2.1.1 数据融合功能模型
• 2.1.2 数据融合级别
• 2.1.3 多源信息融合的应用领域
• 2.1.4 多源信息融合面临的关键问题
• 2.2 多源信息融合方法
• 2.2.1 基于D-S证据理论的融合方法
• 2.2.2 基于模糊集理论的融合方法
• 2.3 多源信息的随机集表示
• 2.3.1 不完备信息
• 2.3.2 随机集的基本理论
• 2.3.3 D-S证据理论的随机集表示
• 2.3.4 模糊集理论的随机集表示
• 2.4 本章小结
• 第3章 随机集框架下异类信息的表示与融合
• 3.1 状态监测与故障诊断
• 3.1.1 状态监测与故障诊断的发展
• 3.1.2 基于多源信息融合的状态监测与故障诊断
• 3.1.3 状态监测与故障诊断中的异类信息问题
• 3.2 随机集框架下异类信息的表示
• 3.2.1 监测与诊断中有关集合的设置
• 3.2.2 传感器数据基本概率分配的随机集表示
• 3.2.3 专家意见基本概率分配的随机集表示
• 3.3 随机集框架下的信息融合
• 3.4 本章小结
• 第4章 仿真实验与结果分析
• 4.1 随机集框架下异类信息的处理过程
• 4.1.1 传感器数据的随机集处理过程
• 4.1.2 专家意见的随机集处理过程
• 4.1.3 随机集框架下信息融合结果
• 4.2 实验结果分析
• 4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢