基于证据理论的航天器异常状态融合监测方法

利用多传感器数据对在轨航天器的状态进行监测时,多源信息具有的不确定性会导致通道间判定的不一致,目前工程上主要采用依靠专家经验进一步分析的方法,人工干预增加了判定结果的主观性,导致监测效率不高。本文针对此类问题提出了一种基于证据理论的融合方法,用以实现自动监测。设计了6种监测异常状态的信度函数,通过比较分析,最终选定根式函数,并根据数据特点进行了分段改进;结合工程需求介绍了参数设定原则。用此方法处理在轨航天器下传的多传感器数据,监测结果与现有人工判定结果相符,融合监测方法的有效性得以验证。     

一种异类源信息融合中证据冲突问题的解决方法

进行异类源数据融合时,经常会遇到证据冲突的情况,此时应用经典D-S证据理论进行信息融合,通常会出现有悖常理的现象.提出了一种新的证据合成方法,该方法根据各证据之间的相似度确定证据的权重系数.通过加权的方法进行证据合成,从而有效地解决了证据冲突时的信息融合问题.计算机仿真表明,这种方法是非常有效的.     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

海面目标多信源融合识别技术研究

主要对海面目标多信源融合识别技术进行了研究,介绍了海上目标的融合识别方法:Bayes推理和D-S证据理论,分析了D-S证据理论融合识别原理.采用基于高分辨率体制的雷达对海面目标HRRP的特征信息进行提取和分析,对D-S证据理论在海面目标识别中的应用进行了举例研究.     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

一种结合证据理论和Vague集信息融合方法

针对强冲突下证据理论结果与直觉相悖及Vague集数值获取主观性强等问题,提出一种结合证据理论和Vague集的新方法.该方法将获取证据理论的信度函数转化为Vague集区间值形式,通过求解与理想点的距离进行决策.在进行信度函数到Vague集区间值的转化时,提出一种基于聚焦度递减顺次分配的思想,经分析得出该思想与人的主观思想是一致的,最后举例阐明整个算法过程.     

基于证据可信度的多传感器多目标融合识别方法

在指挥控制系统中,如何有效融合多部雷达的识别结果并提升目标综合识别的可信度非常困难.在D-S证据理论的架构上,提出传感器识别的证据可信度定义和计算方法,并改进D-S证据理论用于多传感器多目标决策级融合识别,以解决目标综合识别中的权重分配难题.仿真实验表明,该方法可有效解决提升多传感器的综合识别性能.     

航天器自主故障检测和识别的知识库设计研究

智能自主技术是航天技术发展的必然趋势。知识库是实现航天器智能自主控制的基础。该文提出了一种用于航天器智能故障检测和处理技术的知识库设计方法。并以我国某型号的一个子系统的故障检测和处理程序为例，验证了该方法的可行性。该方法也可推广到其它分系统中。     

导弹预警的时空序贯证据融合识别系统

从分析导弹预警系统的目标特征和对抗特点入手,研究建立了时空序贯融合识别的总体方案和系统结构,运用证据理论得到时空序贯融合节点的数学模型.通过仿真数据,分析比较了预警系统中解决冲突的6种证据算法的收敛性和处理冲突的能力,得到了有参考价值的结果.     

航天器的故障建模与应用

针对航天器工程中的典型故障进行分析与建模.首先给出几种典型故障作用模式的具体数学形式,然后分别采用状态描述矩阵对执行机构和传感器故障进行刻画,其不同的取值对应上述不同的故障模式.另外,使用有界范数和凸面体两种形式对系统故障数学建模.通过对航天器工程中的部件故障建模可为故障诊断和容错设计提供必要的数学描述.最后通过实例简...     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于证据理论的雷达与通信侦察目标识别算法

针对异类被动传感器中的目标识别问题,将D-S证据理论运用于雷达侦察与通信侦察的目标识别中。首先将雷达和通信侦察设备侦收到的信息分别通过识别,得到雷达和通信电台的基本概率赋值,再通过D-S证据理论算法进行融合,计算出目标平台的基本概率赋值,从而得到融合后的平台类型。仿真实验结果表明,融合后的结果具有更高的置信度。     

基于D-S证据理论的雷达模糊识别研究

针对现代雷达信号的复杂性和模糊性以及信号在时间上的冗余性等特点,将模糊匹配和D-S证据理论相结合.在信号的积累和求取模糊隶属度的基础上,用D-S证据理论对隶属度进行融合,有效地解决了雷达信号识别的不确定性问题,同时充分利用了信号在时间上的冗余信息,提高了雷达信号的识别效果.仿真试验证明了该算法的有效性.     

一种新的辐射源优化识别方法

针对证据理论无法获得传感器报告、无法处理具有冲突的传感器报告、计算复杂度高、干扰环境下融合结果不可靠等缺点,提出了一种新的辐射源优化识别方法。该方法首先利用灰色关联算法来获得传感器的报告,并且提出利用信息熵解决灰色关联分析中特征权重的选择问题。然后根据传感器证据报告的特点,引入传感器可信度因子,通过构造和分解代价函数将辐射源识别问题转化为求解一个凸二次优化问题。最后,给出了一种利用对数罚函数方法求解该问题的改进方法和步骤。理论分析和仿真结果表明,与证据理论相比,新方法具有更低的计算复杂度、更好的识别能力、更广的适用性和更强的鲁棒性。
     

基于证据理论的航天产品的非参数可靠性评估方法

针对新型航天产品的特点,提出了一种基于Dempster-Shafer证据理论(DST)的非参数可靠性评估方法.首先利用样本数据构建分布函数的概率上下限,然后将其转化为证据理论框架下的基本信度分配(BBA),最后在可转移信度模型(TBM)下将其转换为一种概率度量,可据此对产品的寿命特征进行评估.文中的数值例子,表明了本文提出的方法在新型航天产品的可靠性评估中是简洁有效的.