D-S證據(jù)推理的應用

D-S證據(jù)推理的應用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不準確引起的不確信性,而且能處理由不知道引起的不確信性,也不用給出先驗概率，而是基于從屬關系值,使用命題演算作為在D-S框架下的推理過程。D-S證據(jù)推理的應用實例基于D-S證據(jù)推理的項目投資綜合決策模型與應用D-S證據(jù)推理在機械故障診斷中的應用結合D-S證據(jù)推理的貝葉斯網(wǎng)絡法在配電網(wǎng)可靠性評估中的應用基于D-S證據(jù)推理的項目投資綜合決策模型與應用

項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,并進一步探討不確信推理的方法。不確信推理一般不強求邏輯上的完備性,只是對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果,但一般能給出專家級決策結果,基本上可以滿足應用領域的要求。基于D-S證據(jù)推理的項目投資綜合決策模型與應用我們將投資決策系統(tǒng)的指標體系視為一組證據(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)理論應用于投資項目綜合決策時,由各獨立指標所獲得信息產(chǎn)生的特征度量構成了該理論的證據(jù)。通過構造相應的基本概率分布函數(shù),對所有的證據(jù)(包括Θ)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)求出各個證據(jù)的基本概率賦值m(i);(2)求解證據(jù)的不確信度m(Θ);(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)解決具有相關性和沖突性證據(jù)的合成問題。實例研究實例研究實例結論由以上實例可看出,每種融合方法得出的結論基本一致。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)分布趨勢更加明顯,根據(jù)同樣的決策規(guī)則進行方案比較,能夠更加充分地利用系統(tǒng)的信息,提高系統(tǒng)辨識目標方案的準確性。D-S證據(jù)推理在機械故障診斷中的應用

在機械故障診斷中,無論傳感器的種類和性質如何,最終用于故障診斷的總是一些數(shù)字診斷指標,一般說來,機械設備的這些診斷指標是具有不確定性的。而且即使對同一臺機器同一種工況下,不同工作循環(huán)內(nèi)測得的振動信號的特征參數(shù)也不完全相同,有時甚至相差很大。設備狀態(tài)參數(shù)與診斷指標之間的這種不確定關系,決定了診斷問題本質上的不確定性。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進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),提出了基于多測點的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)絡診斷結果來建立證據(jù)推理的診斷模型,利用同源數(shù)據(jù)進行融合,既避免了建立質量函數(shù)的麻煩,又降低了診斷的不確定性。D-S證據(jù)推理在機械故障診斷中的應用在進行故障診斷時,可以用多傳感器來對不同位置進行測量,對每個傳感器的測量結果進行初步診斷,再用D-S證據(jù)推理對它們進行融合。用D-S證據(jù)推理進行決策層融合時,一般都要建立相應的質量函數(shù),難度很大,為避免建立質量函數(shù)的麻煩,本文借助了成熟的BP網(wǎng)絡技術,對每一測點先用BP網(wǎng)絡進行局部診斷,各測點的診斷結果經(jīng)過優(yōu)化處理后建立證據(jù)推理模型,進行綜合診斷。試驗論證在轉子試驗臺上進行試驗驗證,在其上選擇三個不同的測點,表2是轉子不對中時各測點BP網(wǎng)絡的診斷結果。試驗論證

對以上結果進行處理，計算出m(Ai)(基本概率值),Ai表示故障模式，i=1,2,3,4,5,6。計算結果m(Ai）即為每個樣本中第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。試驗論證試驗論證

先用優(yōu)化后的BP網(wǎng)絡診斷來建立證據(jù)推理模型。設新人函數(shù)Bel1對應于第一冊點的診斷結果，信任函數(shù)Bel2對應第二測點的診斷結果，這兩個信任函數(shù)的焦點元素都是A1,A2,A3,A4,A5,A6,分別代表完好狀態(tài)，不對中，碰摩，不平衡，油膜渦動，油膜震蕩六種故障模式。它們構成了信任函數(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果，再與測點3進行融合，最后得到三個測點的融合結果：m(Ai)={0.9962070.0002600.0000770.0013390.0014460.000654}m(θ)=0.000017.結合D-S

證據(jù)推理的貝葉斯網(wǎng)絡法在配電網(wǎng)可靠性評估中的應用

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)向用戶供應電能和分配電能的重要環(huán)節(jié)。近年來隨著人們對配電系統(tǒng)在供電可靠性中地位認識的提高，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)絡對配電網(wǎng)可靠性的估計加入D-S證據(jù)理