مدلسازی قابلیت اعتماد حسگر در عیب شناسی بر اساس تئوری شواهد
چکیده
ترکیب داده های حسگر نقش مهمی در عیب شناسی ایفا می نماید. تئوری (نظریه) شواهد دمپستر- شافر (D-R) در عیب شناسی کاربرد وسیعی دارد، زیرا در ترکیب شواهد بدست آمده از حسگرهای مختلف، کارآمد ظاهر می شود. اما، در موقعیت های شواهد ضد و نقیض، نتیجه ای دور از عقل بدست می آید. برای بررسی این مسئله، در این مقاله روش جدیدی پیشنهاد می شود. در اینجا قابلیت اطمینان آماری و پویای حسگر مورد توجه قرار می گیرد. برای دستیابی برای قابلیت اطمینان پویای هر گزارش حسگر، تابع فاصله شواهد و آنتروپی باور باهم ترکیب می شوند. از روش میانگین گیری وزنی برای تغییر شواهد متناقض با تخصیص اوزان متفاوت به شواهد طبق قابلیت اطمینان حسگر استفاده می شود. به خاطر توجه به حجم اطلاعات هر گزارش حسگر، روش پیشنهادی در زمینه مدیریت تعارض و عیب شناسی، عملکرد بهتری به معرض نمایش می گذارد. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی مبتنی بر ترکیب و تلفیق حسگر شرح داده می شود. نتایج بدست آمده نشان می دهد که در مقایسه با روشهای موجود، روش پیشنهادی، صحت عیب شناسی را از 19. 81 درصد به 48. 89 درصد افزایش می دهد.
1. مقدمه
با توسعه تکنولوژی ترکیب داده های حسگر، نقش مهمتری در عیب شناسی ایفا می نماید. به خاطر پیچیدگی هدف و زمینه، داده های تشخیص داده شده توسط یک حسگر، برای تصمیم گیری کافی و مطمئن نیستند. به علاوه، به خاطر تاثیر محیط اطراف، اطلاعات بدست آمده از حسگرها ممکن است دارای خطا باشد، که این امر منجر به یک نتیجه نادرست در سیستم عیب شناسی می گردد. سیستم چند حسگری با ترکیب گروهی از حسگرها جهت تشخیص اطلاعات تا حدی بر محدودیتهای فوق غلبه نموده و با در نظر گرفتن کلیه اطلاعات بدست آمده از سیستم تشخیص، تصمیم گیری می نماید، که این امر قابلیت اطمینان و صحت سیستم عیب شناسی را به شکلی موثر و کارآمد بهبود می بخشد.
Abstract
Sensor data fusion plays an important role in fault diagnosis. Dempster–Shafer (D-R) evidence theory is widely used in fault diagnosis, since it is efficient to combine evidence from different sensors. However, under the situation where the evidence highly conflicts, it may obtain a counterintuitive result. To address the issue, a new method is proposed in this paper. Not only the statistic sensor reliability, but also the dynamic sensor reliability are taken into consideration. The evidence distance function and the belief entropy are combined to obtain the dynamic reliability of each sensor report. A weighted averaging method is adopted to modify the conflict evidence by assigning different weights to evidence according to sensor reliability. The proposed method has better performance in conflict management and fault diagnosis due to the fact that the information volume of each sensor report is taken into consideration. An application in fault diagnosis based on sensor fusion is illustrated to show the efficiency of the proposed method. The results show that the proposed method improves the accuracy of fault diagnosis from 81.19% to 89.48% compared to the existing methods.
1. Introduction
With the development of sensor data fusion technology, it is playing a more and more important role in fault diagnosis. On account of the complexity of the target and the background, the data detected by a single sensor are insufficient and unreliable to make a decision. In addition, due to the impact of the surroundings, the information derived from the sensors may contain errors, which leads to an incorrect result in the fault diagnosis system. A multi-sensor system can partially overcome the above limitations and shortages by combining a group of sensors to detect information and make a decision by considering all of the information obtained from the detection system [1,2], which improves the reliability and accuracy of the fault diagnosis system effectually [3,4].
چکیده
1. مقدمه
2. اصول مقدماتی
1. 2 تئوری شواهد دمپستر-شافر
2. 2 روش ترکیب میانگین وزن دار (موزون)
3. 2 آنتروپی دنگ
4. 2 روش Fan و Zuo
3. روش پیشنهادی
1. 3 قابلیت اطمینان ایستا
2. 3 قابلیت اطمینان پویا
3. 3 قابلیت اطمینان جامع حسگر
4. کاربرد
5. نتایج
Abstract
1. Introduction
2. Preliminaries
2.1. Dempster–Shafer Evidence Theory
2.2. Weighted Average Combination Method
2.3. Deng Entrop
2.4. Fan and Zuo’s Method
3. The Proposed Method
3.1. Static Reliability
3.2. Dynamic Reliability
3.3. Comprehensive Reliability of Sensor
4. Application
5. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه