[发明专利]基于证据可信度和不确定度的冲突证据融合方法

说明书

本发明涉及多源信息融合技术领域，具体涉及一种基于证据可信度和不确定度的冲突证据融合方法；该方法包括：获取汽车系统故障诊断的信息转换为证据向量，计算各个证据向量的信任因子，通过信任因子获取各个证据向量对应的第一可信度权重；计算任意两个证据向量之间的散度，通过散度和第一可信度权重，获取各个证据向量对应的综合可信度权重；计算各个证据向量对应的信念熵，通过信念熵获取各个证据向量的信息量权重；基于所述综合可信度权重与信息量权重获取加权平均证据，采用Dempster组合规则对加权平均证据进行逐个融合，输出最终汽车系统故障诊断的决策结果。本发明能够更准确地实现汽车系统故障的诊断。

技术领域

本发明涉及多源信息融合技术领域，具体涉及一种基于证据可信度和不确定度的冲突证据融合方法。

背景技术

汽车系统故障诊断根据故障诊断发生后所产生的信息及时有效地确定故障部件，为检测人员快速发现和消除故障提供辅助决策，以保障汽车系统运行的安全性；在实际故障诊断中，由于设备本身的复杂性和运行环境的不稳定性，经常出现信息丢失、进而导致信息不完备的情况；此时单个传感器无法多层次和全方位地描述复杂汽车系统，容易导致误判，危害汽车系统的安全。多传感器可以处理来自不同传感器的数据，获得的结果比单个传感器更可靠；然而，在采集汽车系统故障诊断信息的过程中，可能存在环境、设备老化等因素导致采集到的信息具有不确定性和冗余性，这些不确定性是不可避免的。因此，如何对汽车系统采集到的不确定信息进行建模和处理，仍然是提高汽车系统故障诊断可靠性和准确性所要面对的问题。

Dempster-Shafer(D-S)证据理论在不确定信息表示和融合方法等方面的独特优势，为决策级不确定信息的表征和融合提供了强有力的手段，可以应用在故障诊断、目标识别等领域。因此，Dempster-Shafer(D-S)证据理论被应用于汽车系统故障诊断中。

Dempster-Shafer(D-S)证据理论是不确定性推理的一般框架，可以在没有先验信息的情况下灵活有效地处理不确定性，因为D-S证据理论满足比概率理论弱的公理系统。此外，D-S证据理论提供了满足结合性和交换性的Dempster组合规则；当融合的证据之间存在高度矛盾时，它将产生违反直觉的结果，无法进行有效决策甚至会造成系统的错误决策，极大地影响了融合系统的决策性能，即D-S证据理论无法对汽车系统故障诊断进行有效决策；并在一定程度上制约了证据理论在信息融合领域中的进一步推广。

发明内容

为了解决上述中无法对汽车系统故障诊断进行有效决策甚至会造成系统的错误决策的技术问题；本发明的目的是提供一种基于证据可信度和不确定度的冲突证据融合方法，所采用的技术方案具体如下：

A、通过获取汽车系统故障诊断信息相对应证据焦元的基本概率赋值，将每一个证据看作一个证据向量，第i个证据向量用m_i＝(m_i(θ₁),…,m_i(θ_r),…m_i(θ_k))^T表示；其中i＝1,2,…,n，n为证据向量的总数，T表示向量转置，k为辨识框架中包含单子集焦元和多子集焦元的总个数，r＝1,2,…,t,…,k，其中Θ＝{θ₁,θ₂,…,θ_t}，Θ为仅包含单子集元素的辨识框架，θ₁、θ₂和θ_t为不同的单子集元素；t为Θ中单子集元素的总个数；若m_i(θ_r)＞0，那么θ_r被称为焦点元素，即焦元，可以为单子集焦元或多子集焦元；其中单子集焦元表征了汽车系统的故障类型；

B、计算各个证据向量的信任因子，并将第i个证据向量m_i的信任因子记为α_i；