证据理论驱动的规则融合方法提升航空发动机故障诊断

本文主要探讨了"基于证据理论的规则融合方法及其应用"，发表于2010年的空军工程大学学报（自然科学版）第11卷第4期。论文针对传统规则融合方法存在的不足，如单约简集决策的局限性（可能导致决策牵强）、识别率不稳定以及不同属性决策间的高冲突问题，提出了将证据理论应用于多约简集决策融合的新策略。作者程嗣怡、索中英和张晋针对粗糙集理论和证据理论的互补性进行了深入研究，指出粗糙集理论的上、下近似与证据理论中的内、外概率函数有相似之处，粗糙集无需额外假设而证据理论则依赖基本概率分布。 论文的核心贡献在于提出了一种融合过程，通过将粗糙集的约简功能与证据理论相结合，构建更为科学的规则融合机制。这种方法首先利用粗糙集理论进行数据预处理和约简，将复杂的数据简化为一组规则，然后通过证据理论确定这些规则的可信度，从而避免了单个约简集决策的不稳定性。通过分析航空发动机故障样本，研究结果显示这种方法有效地提高了决策的准确性和稳定性，为航空发动机故障诊断提供了有力的决策支持。 关键词包括粗糙集、证据理论、约简集、规则融合、包含度和协调近似表示空间，展示了论文的技术背景和研究重点。此外，文章引用了多篇相关文献，说明了作者在前人工作的基础上进行的创新和改进。总体来说，这篇论文在粗糙集和证据理论的交叉领域做出了有意义的贡献，对于实际工程问题，特别是航空领域的故障诊断具有实用价值。