基于最优协调与迭代校正的故障诊断证据融合方法 刘晓阳、 刘树林、 魏莎

《Mathematics》：Evidence Fusion Method for Fault Diagnosis Based on Optimal Coordination and Iteration Correction Xiaoyang Liu, Shulin Liu and Sha Wei

　　

摘要

在故障诊断中，多源信息融合（MSIF）通常比单源信息更可靠，而Dempster–Shafer（D-S）证据理论为MSIF提供了一个通用且流行的决策级融合框架。然而，现有的证据融合方法仍存在两个局限性：（1）高信息量对不可靠证据的过度影响被忽视；（2）由于只考虑了一次性证据修正，融合精度无法进一步提高。为了克服这些局限性，提出了一种基于最优协调和迭代修正的证据融合方法用于故障诊断。首先，分别使用Jousselme距离和Deng熵来量化每条证据的可信度和信息量。然后，利用博弈论组合加权（GTCW）来最优协调可信度和信息量，以修正所有证据，并使用Dempster规则进行初步融合。最后，以初始融合结果为参考，不断迭代重新计算可信度，直到融合结果收敛。最优协调机制抑制了高信息量造成的过度影响，而迭代修正打破了一次性融合的限制。实验结果表明，所提出的方法优于现有方法，能够显著提高故障诊断的融合效果。