多源不确定信息融合理论及应用 故障诊断与可靠性评估PDF电子书下载

第1章 绪论 1

1.1引言 1

1.1.1社会的巨大需求 1

1.1.2政府的高度重视与支持 4

1.1.3故障诊断与预报技术的重要作用 4

1.1.4多源信息融合技术的重要作用 5

1.2动态系统故障诊断技术概述 6

1.2.1定性分析的方法 7

1.2.2基于解析模型的方法 9

1.2.3数据驱动的故障诊断方法 11

1.3工程系统故障诊断中的不确定性信息处理方法 14

1.3.1不确定性信息的分类 14

1.3.2常用的不确定性信息处理方法评述 16

1.3.3多种不确定性理论在应用中存在的问题 19

1.4随机集理论与多源不确定性信息融合 20

1.4.1国外进展状况 21

1.4.2国内进展状况 21

参考文献 22

第2章 随机集理论基础 31

2.1随机集理论的发展概况 31

2.2随机集的基本概念 31

2.2.1随机变量与随机集 31

2.2.2随机集的定义 33

2.3随机集的基本性质 34

2.4随机集的相关准则 36

2.4.1随机集的置信表示和随机关系 36

2.4.2扩展准则 37

2.4.3随机集的包含关系和单调性原理 38

2.5本章小结 39

参考文献 40

第3章 基于随机集理论的不确定性信息统一表示与建模 41

3.1引言 41

3.2随机集理论与几种常用不确定性理论之间的关系 41

3.2.1随机集与DS证据理论 42

3.2.2随机集与模糊集 50

3.2.3随机集与可能性理论 54

3.2.4随机集与粗糙集 57

3.2.5随机集与条件事件代数 60

3.2.6随机集与贝叶斯理论 63

3.3随机集理论在不确定性信息处理中的应用前景 65

3.3.1应用基础研究方面 65

3.3.2工程应用研究方面 66

3.4本章小结 72

参考文献 72

第4章 证据组合规则的随机集统一表示及其在故障诊断中的应用 76

4.1引言 76

4.2证据组合规则的随机集统一表示模型 77

4.3经典组合规则的随机集统一表示 78

4.3.1 Dempster证据组合规则的随机集表示 79

4.3.2 Smets证据组合规则的随机集表示 79

4.3.3 Yager证据组合规则的随机集表示 80

4.3.4 Dubois & Prade证据组合规则的随机集表示 81

4.3.5 DSm证据组合规则的随机集表示 82

4.4一种新的证据组合规则及其在故障诊断中的应用 83

4.5本章小结 85

参考文献 85

第5章 基于随机集的模糊证据获取及故障诊断的信息融合方法 87

5.1引言 87

5.2基于证据理论的信息融合故障诊断框架 88

5.3基于随机集的模糊证据获取方法 89

5.3.1故障样板模式隶属度函数的确定 89

5.3.2待检模式隶属度函数的确定 90

5.3.3获取模糊证据的随机集方法 90

5.4决策准则 93

5.5故障诊断实例 93

5.6本章小结 97

参考文献 97

附录A本章故障样板模式的实验数据 98

附录B本章中待检模式的实验数据 107

第6章 相关证据下并发故障诊断的信息融合方法 109

6.1引言 109

6.2并发故障诊断的DSmT融合模型 110

6.2.1并发故障的表示 110

6.2.2并发故障的融合模型 112

6.3证据相关性及解相关方法 112

6.3.1基于证据分解的解相关方法 112

6.3.2基于参数的解相关方法 113

6.3.3新的证据解相关方法 114

6.4故障诊断实例 115

6.4.1故障样板模式隶属度函数的确定 116

6.4.2待检模式隶属度函数的确定 117

6.4.3构造基于隶属度函数的基本概率赋值函数 117

6.4.4决策规则 119

6.4.5故障诊断结果 120

6.5本章小结 121

参考文献 121

第7章 开放辨识框架下并发故障诊断的信息融合方法 123

7.1引言 123

7.2开放辨识框架下的证据组合 124

7.3 DS证据理论下证据间冲突程度的度量因子 124

7.4 DSmT下基于GPT的冲突度量因子 127

7.5故障诊断实例 128

7.5.1诊断实例选取 128

7.5.2故障诊断结果 129

7.6本章小结 130

参考文献 131

第8章 条件化的DSmT证据组合方法及其在故障诊断中的应用 132

8.1引言 132

8.2 DSmT动态组合方法 132

8.3证据理论中的条件规则 134

8.4条件化的DSmT证据组合方法 135

8.4.1 DSmT框架下条件化的线性组合方法 135

8.4.2线性组合的权重 136

8.5故障诊断实例 137

8.5.1诊断实例选取 137

8.5.2故障诊断结果 138

8.6本章小结 139

参考文献 139

第9章 基于条件证据理论的信息融合故障诊断方法 141

9.1引言 141

9.2条件证据基本理论 142

9.3基于条件证据的故障诊断方法 143

9.4故障诊断实例 144

9.4.1故障样板模式隶属度函数的确定 144

9.4.2待检模式隶属度函数的确定 145

9.4.3基本概率分配函数的确定 145

9.4.4决策准则 147

9.4.5实验 148

9.5本章小结 149

参考文献 149

第10章 基于条件事件的证据更新方法及其在故障诊断中的应用 150

10.1引言 150

10.2证据的随机集表示 151

10.3基于条件事件的更新规则 152

10.3.1条件置信及更新规则 152

10.3.2条件置信函数 154

10.3.3基于条件事件的更新策略 155

10.4故障诊断实例 156

10.5本章小结 158

参考文献 159

第11章 基于证据相似性度量的冲突证据融合故障诊断方法 160

11.1引言 160

11.2经典的冲突证据度量方法 161

11.2.1证据距离 161

11.2.2 Pignistic概率距离 162

11.2.3冲突的判定 162

11.3基于向量余弦相似性的冲突证据度量方法 163

11.3.1构造Pignistic证据相似度空间 164

11.3.2冲突证据的相似性度量及其融合 165

11.4融合决策及其准则 165

11.5故障诊断实例 166

11.6本章小结 169

参考文献 169

第12章 基于诊断证据可靠性评估的信息融合故障诊断方法 171

12.1引言 171

12.2基于诊断证据可靠性动静态折扣因子的信息融合故障诊断 172

12.2.1基于Pignistic概率的静态折扣因子计算 172

12.2.2基于证据相似度的动态折扣因子的计算 174

12.3融合决策及其准则 175

12.4故障诊断实例 175

12.4.1求静态折扣因子 175

12.4.2求动态折扣因子 176

12.4.3融合诊断结果 178

12.5本章小结 178

参考文献 179

第13章 基于证据动态更新的信息融合故障诊断方法 180

13.1引言 180

13.2诊断证据动态更新的一般规律 181

13.3基于证据动态更新的信息融合故障诊断方法 182

13.3.1基于类Jeffery的诊断证据更新规则 182

13.3.2基于条件化线性组合的诊断证据更新规则 182

13.3.3证据冲突因子N的确定及更新规则的选取 184

13.4故障诊断实例 184

13.5本章小结 192

参考文献 192

第14章 模糊规则推理和证据理论结合的故障诊断方法 194

14.1引言 194

14.2故障诊断中的模糊规则库 195

14.3基于模糊规则推理与证据理论结合的诊断方法 196

14.3.1证据的随机集表示及扩展准则 196

14.3.2基本概率赋值的确定 197

14.4融合决策及其准则 198

14.5故障诊断实例 199

14.5.1问题描述 199

14.5.2模糊规则库的建立 199

14.5.3诊断的输入 201

14.5.4融合诊断结果的统计分析 203

14.6本章小结 204

参考文献 204

第15章 基于随机集理论的电路性能可靠性评估方法 205

15.1引言 205

15.2电路系统性能可靠性评估的概率模型 206

15.3电路性能可靠性评估的随机集方法 207

15.3.1方法的实施步骤 208

15.3.2随机集方法误差及其和蒙特卡罗方法误差的比较 211

15.4电路性能可靠性分析实例 212

15.4.1 TOVCV LFP电路的性能可靠性分析 212

15.4.2 VCO电路的性能可靠性分析 220

15.5本章小结 221

参考文献 221

第16章 基于证据理论可传递信度模型的边坡稳定性评估方法 223

16.1引言 223

16.2实数域上的可传递信度模型 224

16.3基于实数域TBM和随机集的边坡稳定性评估 226

16.3.1基于稳定性函数概率的边坡分析模型 226

16.3.2利用Pignistic概率分析边坡稳定性 227

16.3.3 Pignistic概率累积分布误差分析 229

16.4边坡稳定性评估实例 230

16.4.1受随机性影响的典型边坡结构 230

16.4.2随机变量的随机集证据形式 232

16.4.3稳定性函数输出的随机集证据形式 232

16.4.4 Pignistic概率的决策方法和蒙特卡罗方法比较 233

16.5本章小结 236

参考文献 236

第17章 基于多源不确定性信息随机集统一表示的边坡稳定性评估方法 237

17.1引言 237

17.2随机集上下概率 238

17.3基于多源不确定性信息随机集统一表示的边坡稳定性评估 239

17.3.1基于随机集上下概率的边坡稳定性分析模型 239

17.3.2方法实施步骤 240

17.4边坡稳定性评估实例 241

17.4.1分别受随机性和模糊性影响的典型边坡结构 241

17.4.2模糊参数信息的随机集表示与融合 242

17.4.3随机参数信息的随机集表示 245

17.4.4基于随机集上下概率的边坡稳定性评估 245

17.5本章小结 246

参考文献 246

第18章 基于随机模糊变量模型的边坡稳定性评估方法 247

18.1引言 247

18.2随机模糊变量 248

18.2.1随机变量的模糊集变换 248

18.2.2随机模糊变量的定义 248

18.2.3随机模糊变量的运算 249

18.3基于随机模糊变量的边坡稳定性评估模型 250

18.3.1基于稳定性系数的边坡稳定性分析模型 250

18.3.2方法实施步骤 251

18.4边坡稳定性评估实例 253

18.4.1同时受随机性和模糊性影响的典型边坡结构 253

18.4.2参数的随机模糊变量表示 254

18.4.3随机模糊变量TBM变换 256

18.4.4进行蒙特卡罗仿真并用仿真结果评估边坡的稳定性 257

18.5本章小结 258

参考文献 259