相对加权证据合成法在风力发电机故障诊断中的应用

"改进的D_S证据理论方法及其在风力发电机故障诊断中的应用 (2013年)" 本文主要探讨了在证据理论，特别是Dempster-Shafer(D_S)证据理论框架下，如何有效处理高冲突证据合成的问题。D_S证据理论是一种处理不确定性和不完全信息的数学工具，它允许不同来源的证据进行融合，但当证据之间存在高度冲突时，直接应用D_S规则可能会导致不合理的诊断结果。 针对这一挑战，作者陈莹莹、徐余法和陈国初提出了一种相对加权证据合成法。该方法在处理多个证据融合时，首先引入了两个关键概念：证据的均值距离和冲突强度。证据的均值距离用来衡量证据之间的差异，而冲突强度则量化了证据之间的矛盾程度。通过这两个指标，可以全面评估证据间的冲突情况。 接着，该方法依据每个证据与其他证据的冲突程度来确定其相应的权重系数。这意味着，冲突较小的证据将获得更高的权重，从而在证据合成过程中起到更大的影响。在确定了各个证据的权重后，采用相对加权的方式修正证据的基本概率分配函数(BPA)，以反映证据间的相对重要性。最后，使用D_S规则对调整后的BPA进行合成，得到最终的诊断结论。 实证研究将这种方法应用于风力发电机组的故障诊断，结果显示，该方法能够有效地融合高冲突证据，提高诊断的准确性和合理性。这表明，相对加权证据合成法对于处理风力发电这类复杂系统的故障诊断问题具有显著优势，尤其在证据间存在显著冲突的情况下。 关键词涉及到的领域包括：D_S证据理论，这是证据融合的基础，用于处理不确定信息；冲突强度是评估证据相互矛盾程度的关键；故障诊断是应用领域，特别是对于复杂的工业系统，如风力发电机组，需要高效可靠的诊断方法；证据均值距离是衡量证据之间差异的度量，对于计算证据权重至关重要。 这篇论文提出的改进D_S证据理论方法，为处理不确定性和高冲突证据提供了新的策略，对于提升故障诊断系统的性能有重要的理论和实践价值。