基于相似度和虚假度的冲突证据融合方法转让专利
申请号 : CN202010025380.X
文献号 : CN111260502B
文献日 : 2021-04-27
发明人 : 李军伟 , 胡振涛 , 魏倩 , 金勇 , 周林
申请人 : 河南大学
摘要 :
权利要求 :
1.基于相似度和虚假度的冲突证据融合方法,其特征在于:包括以下几个步骤:A、通过获取多源异质传感器提供的电力故障诊断类型相对应证据焦元的基本概率赋T
值,将每一个证据看作一个向量,第i个证据的向量用mi=(mi(θ1),…,mi(θk),…,mi(θN)) 表示,其中i=1,2,...,n,n为证据向量的总数,k为辨识框架Θ中的焦元个数,k=1,2,…,N;
B、通过下述公式 计算证据之间焦元θk的相似度,得到任意第i个证据向量mi和第j个证据向量mj之间θk的相似度Sij(θk),式中max(mi(θk),mj(θk))、min(mi(θk),mj(θk))分别表示取θk对应的基本概率分配值mi(θk)和mj(θk)中的最大值和最小值;
C、通过下述公式 计算证据之间所有同一焦元θk的相似度,得到任意第i个证据向量mi和第j个证据向量mj之间的相似度S(mi,mj),式中Sij(θk)指第i个证据向量mi和第j个证据向量mj之间θk的相似度;
D、由得到的任意第i个证据向量mi和第j个证据向量mj之间的相似度S(mi,mj)通过公式:求得第i个证据mi与其它n‑1个证据的相对相似度R(mi);
E、通过下述公式 计算融合证据m1,…,mi,…,mn之间的全局冲突K0;
F、通过下述公式 计算从融合证据m1,…,mi,…,mn中剔除证据mi后剩余的其它n‑1个证据之间的局部冲突Ki;
G、由得到的所有参与融合证据m1,…,mi,…,mn之间的全局冲突K0以及剔除证据mi之后所有参与融合证据之间的局部冲突Ki,通过下述公式 计算第i个证据向量mi的虚假度F(mi),式中i=1,2,…,n;
H、由得到的任意第i个证据mi与其它n‑1个证据的相对相似度R(mi)和第i个证据向量mi的虚假度F(mi),通过公式:truf(mi)=R(mi)+1‑F(mi)求得第i个证据与其他n‑1个证据的相对支持程度因子truf(mi),并利用n个证据中最大的相对支持程度因子trufmax和i个证据与其他n‑1个证据的相对支持程度因子truf(mi)通过下述公式得到权重系数ωi,I、记第i个证据中焦元θk的基本概率赋值用mi(θk)表示,其中k=1,2,…,N,修正后的第i个证据中焦元θk的基本概率赋值用 表示,根据步骤H中得到的权重系数ωi通过公式:
对融合的证据进行修正;
J、对上述的第i个证据是否是干扰证据进行判断:根据第i个证据的权重系数ωi与1/n的关系来判断,若是干扰证据,则对干扰证据进行重新修正,重新修正后的第i个证据中焦元θk的基本概率赋值用 表示 ,借鉴Murphy规则的思想通过公式仅对干扰证据进行修正;
K、最后,采用Dempster组合规则对修正后的证据进行逐个融合,融合后焦元A的基本概率赋值m(A)的最大值对应的焦元为电力系统故障诊断的决策结果对应的故障类型,即为决策最终结果。
2.根据权利要求1所述的基于相似度和虚假度的冲突证据融合方法,其特征在于:所述的Dempster组合规则为:
其中,m(A)表示焦元A的基本概率赋值,K为冲突系数,k,l=1,2,…,N, 为空集。
说明书 :
基于相似度和虚假度的冲突证据融合方法
技术领域
背景技术
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,导
致信息不完备 的情况,仅凭借单一传感器提供的信息容易产生误判,危害电力系统 的安
全。随着传感器类别的增多、计算机技术、信息处理、模式识别 技术的发展,为信息融合故
障诊断技术的不断发展提供了良好的基础, 但采集的电力系统故障诊断信息呈现以下特
点:多态性、不确定性和 冗余性。因此,如何通过信息融合技术可以获得对诊断对象更为准
确 全面的认识,已成为提高电力系统故障诊断的可信度和准确性亟待解 决的问题。
了国内外学者研究的热点。证据 理论已经被广泛应用于故障诊断、目标识别、信息融合等
领域。
到与直觉相悖的结论,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,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
看作一个向量,所述第i个证据向量用mi=(mi(θ1),…,mi(θk),…,mi(θN)) 表示,其中i=1,
2,…,n,n为证据向量的总 数,N为辨识框架Θ中的焦元个数,k=1,2,…,N;
式中max(mi(θk),mj(θk))、 min(mi(θk),mj(θk))分别表示取θk对应的基本概率分配值mi(θk)
和 mj(θk)中的最大值和最小值;
个证据向量mi和第j个证据向量 mj之间θk的相似度。
(mi)。
n‑1个证据之间的局部冲突 Ki。
献越大。当K0=Ki时,F(mi)=0, 表明证据mi的虚假度为0,对全局冲突K0没有贡献;当K0=1
时, F(mi)=1,表明证据mi是造成全局冲突K0=1的主要原因,融合时应 该尽量减小证据mi
对融合证据效果的影响。
相对支持程度因子truf(mi)通过下述 公式得到权重系数ωi,
通过公式:
值的角度出发,引入新的相似度衡 量证据之间所有焦元基本概率赋值的相互支持程度,结
合虚假度衡量 各融合证据对冲突的影响,计算融合证据的相对支持程度因子,并求 解出
融合证据的权重系数。本发明方案与传统算法相比,定义了新的 融合证据之间的相似度,
综合考虑融合证据之间的相似度和虚假度共 同衡量证据之间的权重系数,降低了干扰证
据对融合结果的影响,最 后采用Dempster组合规则融合证据进行逐个融合做出对电力系
统故 障诊断决策,为实现电力系统故障诊断的快速、准确处理具有重要的 理论意义和应
用价值。
附图说明
具体实施方式
本发明中的实施例,本领域普 通技术人员在没有付出创造性劳动前提下所获得的所有其
他实施例, 都属于本发明保护的范围。
位或位置关系,仅是为了便于叙述本发明和简化描述,而不是指示或 暗示所指的装置或元
件必须具有特定的方位、以特定方位构造和操作, 不能理解为限制本发明的具体保护范
围。
有”以及他们的任何变形, 意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的
过程、 方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而 是可包括没有
清楚地列出的或对于这些过程、方法、产品或设备固有 的其它步骤或单元。
其中i=1,2,…,n,n为证据向量 的总数,N为辨识框架Θ中的焦元个数;首先将传感器获取
多个相互 独立的传感器提供的电力故障诊断信息转化为电力故障诊断类型的 多个证据,
并将每一个融合的证据看作一个向量。假设获得n个证据 分别为m1,m2,…,mn,假设辨识框
架Θ中的焦元为θ1,θ2,…,θN,第i个证 据对应的焦元基本概率赋值分别为mi(θ1),mi
(θ2),…,mi(θN),将证据看作 向量,则第i个证据向量对应的元素依次为mi(θ1),mi(θ2),…,
mi(θN)。
2,…,N;
似度计算通过下述公式 得到任意第i个
证据向量mi和第j个证据向量mj之间焦元θk的相似度为Sij(θk),式中 maxm(iθk(m)j,θk(、m)
i)n(mi(θk),mj(θk))分别表示取θk对应的基本概率分配 值mi(θk)和mj(θk)中的最大值和最
小值。
指任意第i个证据向量mi和第j 个证据向量mj之间焦元θk的相似度为Sij(θk)。
(mi)。
的局部冲突Ki通过公式 计算得到融合证据中不包含证据mi的局部
冲突 系数Ki。
除证据mi之后所有参与融 合证据之间的局部冲突系数。
证据中最大的相对支持程度因子 trufmax和第i个证据与其它n‑1个证据的相对支持程度因
子truf(mi)由 下述两个公式②③得到权重系数ωi;假设第i个证据与其他n‑1个证据 的相
对支持程度因子用truf(mi)表示,n个证据中最大的相对支持程度 因子用trufmax表示,第i
个证据的权重系数用ωi表示。具体公式为:
式 仅对干扰 证据进行修正。
偏差较大的证据对整个融合结果 会产生很大的影响。
的电力故障类型,即为决 策最终结果。本发明方案与传统算法相比,利用证据之间同一焦
元的 基本概率赋值最大值和最小值之间的关系提出新的衡量证据之间的 相似度,另外考
虑到各证据对融合证据冲突程度的影响引入了虚假度 概念,进而获得各融合证据的相对
支持程度因子确定融合证据的权重 系数,根据权重系数与1/n的关系判断出干扰证据,并
对干扰证据进 行修正后采用Dempster组合规则对修正后的证据进行逐个融合,获 得合理
的决策结果,可以很好的应用于电力故障诊断决策领域中,具 有重要的理论意义和应用价
值。