基于RBF神經(jīng)網(wǎng)絡與D-S證據(jù)理論的數(shù)據(jù)融合方法及應用研究.pdf

1、隨著科學技術的發(fā)展和現(xiàn)代工業(yè)的需要，數(shù)據(jù)融合作為一門新興交叉學科在近年來得到了廣泛關注和飛速發(fā)展。數(shù)據(jù)融合技術能夠綜合多個傳感器提供的互補和冗余信息，獲得觀測對象更全面、更準確的信息，從而得到準確、快捷的決策和判斷。針對工業(yè)現(xiàn)場傳感器狀態(tài)類型復雜多變、被測參量難于準確可靠獲得的問題，本文提出基于RBF神經(jīng)網(wǎng)絡和證據(jù)理論的兩級數(shù)據(jù)融合方法。
　　本文首先對數(shù)據(jù)融合的基本原理、概念進行了闡述，并對數(shù)據(jù)融合的關鍵技術，常用融合算法進行了

2、分類總結。分別對數(shù)據(jù)融合算法、神經(jīng)網(wǎng)絡方法和證據(jù)理論方法進行了詳細的闡述，同時對神經(jīng)網(wǎng)絡的結構設計進行了深入研究，對神經(jīng)網(wǎng)絡和證據(jù)理論方法優(yōu)缺點進行了分析，具體內容概括如下：
　　在分析了數(shù)據(jù)融合的層次和模型結構的基礎上，構建了RBF神經(jīng)網(wǎng)絡與證據(jù)理論的兩級融合的體系結構和功能模型，整個融合體系分為數(shù)據(jù)層、特征融合層、決策融合層，此融合體系為數(shù)據(jù)融合方法的研究提供了框架基礎。
　　基于RBF神經(jīng)網(wǎng)絡的特征層融合，研究了RBF

3、神經(jīng)網(wǎng)絡的基本原理、拓撲結構和映射關系，對RBF神經(jīng)網(wǎng)絡的訓練方法進行了對比研究。將傳感器采集的工業(yè)現(xiàn)場數(shù)據(jù)預處理后輸入RBF神經(jīng)網(wǎng)絡，得出精確融合輸出結果。此外，網(wǎng)絡輸出還作為決策層證據(jù)理論的初始證據(jù)，再進行證據(jù)組合規(guī)則融合計算，得到每個傳感器狀態(tài)的信任度。
　　基于D-S證據(jù)理論的決策層融合，用于判斷工業(yè)現(xiàn)場傳感器的有效工作狀態(tài)，詳細分析了D-S組合規(guī)則、不同識別框架的組合原理、算法等;研究證據(jù)理論決策方法，并用實例對證據(jù)理論