CN112488497A - 一种融合多元信息的激光惯组性能评估方法 - Google Patents

一种融合多元信息的激光惯组性能评估方法 Download PDF

Info

Publication number
CN112488497A
CN112488497A CN202011358770.5A CN202011358770A CN112488497A CN 112488497 A CN112488497 A CN 112488497A CN 202011358770 A CN202011358770 A CN 202011358770A CN 112488497 A CN112488497 A CN 112488497A
Authority
CN
China
Prior art keywords
index
evaluation
measurement unit
inertial measurement
reliability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011358770.5A
Other languages
English (en)
Inventor
周志杰
陈雷雨
胡昌华
冯志超
曹友
唐帅文
陈满林
董昕昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rocket Force University of Engineering of PLA
Original Assignee
Rocket Force University of Engineering of PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rocket Force University of Engineering of PLA filed Critical Rocket Force University of Engineering of PLA
Priority to CN202011358770.5A priority Critical patent/CN112488497A/zh
Publication of CN112488497A publication Critical patent/CN112488497A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/257—Belief theory, e.g. Dempster-Shafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Gyroscopes (AREA)

Abstract

一种融合多元信息的激光惯组性能评估方法，属于惯性组合性能评估领域，其特征在于：根据激光惯组结构建立评估指标体系；所述激光惯组包括陀螺仪和加速度计；根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度；使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果。依据激光惯组结构建立评估指标体系，利用陀螺仪和加速度计输出脉冲信号得到各指标的权重和可靠度，使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果，可以依据评估结果适时组织维修保养，提高产品激光惯组的可靠性。

Description

一种融合多元信息的激光惯组性能评估方法
技术领域
本发明属于惯性组合性能评估领域，尤其涉及一种融合多元信息的激光惯性组合性能评估方法。
背景技术
惯性组合作为大型火箭、飞机、轮船等装备中的核心结构组成，其工作状态将直接影响装备性能的发挥。惯性组合具有较强的自主性，能够实时提供位置、速度和姿态等导航参数，针对这一特点，在军用和民用领域中，惯性组合成为装备导航系统的核心。
由于惯组的工作环境一般比较复杂，不确定的干扰因素较多，因此，惯组在实时工作状态下易出现性能下降的情况。如果惯组在使用过程中性能下降，且难以满足导航需求，那么会导致装备的导航定位功能失效，这有可能会对装备使用效果产生影响，甚至会导致灾难性的后果。因此，针对惯组进行性能评估，根据评估结果采取相应维修策略。
激光惯性组合的工作状态主要由安装在平台上的加速度计、陀螺仪和相关电路组成，且陀螺仪和加速度计是惯组的关键部件。在对惯组性能评估过程中，测试指标较多，单一指标信息难以反映整个系统或部件的性能，通常要将各类信息进行融合处理。在进行信息融合之前，通常会同时面临定量信息和定性信息的处理。常用的信息融合方法有主观贝叶斯方法、D-S证据理论、模糊集合理论等。主观贝叶斯方法是一种建立在概率逻辑基础上用于处理不确定问题的方法，但其要求所有的概率满足独立的条件，且需要得到先验概率和条件概率，而这些条件在实际应用中很难得到。D-S证据理论是在传统概率推理的基础上由Dempster和Shafer两人提出的用于不确定性推理和信息融合的方法，由于难以处理高度冲突的证据以及容易出现“组合爆炸”情况，所以该方法使用范围也受到限制。
发明内容
本发明旨在解决上述问题，提供一种融合多元信息的激光惯组性能评估方法。
本发明所述融合多元信息的激光惯组性能评估方法，根据激光惯组结构建立评估指标体系；所述激光惯组包括陀螺仪和加速度计；根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度；使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果。
进一步，本发明所述融合多元信息的激光惯组性能评估方法，所述根据激光惯组结构建立评估指标体系，构建分层的激光惯组评估指标体系。
进一步，本发明所述融合多元信息的激光惯组性能评估方法，所述根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度，具体包括：以陀螺仪和加速度计的脉冲输出脉冲信号为基础，采用基于距离的方法计算指标的可靠度，使用变异系数法计算指标的权重。
进一步，本发明所述融合多元信息的激光惯组性能评估方法，所述构建分层的激光惯组评估指标体系具体包括：设z为需评估的对象，所述z为某个部件或某个系统或单个指标，将评估目标细化为对多个一级指标y的性能评估，每个一级指标y继续细化为多个二级指标s；以此类推，可继续对二级指标进行细分，将上一级指标向下一级指标划分；通过多级ER融合自下而上构建下一级指标与上一级指标之间的映射关系，最终得到对于目标z的性能状态的评估等级体系。
进一步，本发明所述融合多元信息的激光惯组性能评估方法，所述根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度，包括：
数据可靠性计算；数据可靠性表示性能指标反应真实特征的能力，下面给出一种较为客观的基于距离的可靠度求取方法；基于距离的可靠度计算方法是通过计算数据中的平均距离来反应可靠度，可以直接通过数据求出。
若zi(t)为指标xi在时间T内第t时刻的测试值，
Figure BDA0002803389460000021
为时间T内所有测试值的平均值，则zi(t)与
Figure BDA0002803389460000022
之间的距离为：
Figure BDA0002803389460000023
那么，指标xi在时间T内的所有测试数据间的平均距离为：
Figure BDA0002803389460000024
指标的可靠度定义为：
Figure BDA0002803389460000025
在(3)式中，
Figure BDA0002803389460000026
反映了指标测试数据的波动性，其值越大，数据的可靠度就越低。根据可靠度的客观特性和统计思想，基于观测数据得到的结果可以被认作指标的可靠度；因此，式(3)的定义是合理有效的。
指标权重获取；为了解决不同指标信息重要程度不同的问题，下面引出变异系数法对不同的指标进行权重计算。变异系数法是指根据各指标的相对改变幅度大小动态地对指标进行权重分配。指标数值的改变幅度越大，其识别相应指标特征的能力就越强，对应的指标权重就越大。若第i个一级指标xi在时刻t的权重为ωi(t)：
Figure BDA0002803389460000031
其中：
Figure BDA0002803389460000032
Figure BDA0002803389460000033
式中，zi(t)，
Figure BDA0002803389460000034
Szi分别表示指标xi在时间T内的测试值、均值与方差。
Figure BDA0002803389460000035
可以反映指标xi的相对改变幅度，其取值越大，ωi(t)就越大，即表征相应性能指标的能力越强的指标权重越大，故式(4)-(7)具有一定的直观性与合理性。
输入信息转换；采用基于规则或者效用的方式，可以将输入信息转换为置信度分布形式。首先要定义N个评估等级F＝{F1,F2,...,FN}，其中，F能够代表全部完备的评估等级，Fj代表第j个评估等级。置信度分布的形式如下所示
Figure BDA0002803389460000036
其中，Fn表示评估等级，βn,i表示对于评估等级Fn的置信度。且βn,i有如下形式
Figure BDA0002803389460000037
其中hn和hn+1表示相邻的两个评估等级参考值。
进一步，本发明所述融合多元信息的激光惯组性能评估方法，所述使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果，包括：激光惯性组合性能状态可以由各下级指标状态反映，当得到所有下一级指标信息，并将输入信息转化为置信分布形式后，可以直接通过ER方法进行融合。在ER方法中，定义证据ei的可靠度为ri，它作为证据的固有特征，表示生成证据ei的信息源能对所给问题提供精确评估或解答的能力。定义证据ei的权重ωi，它作为证据的相对特征，表示证据ei相对于其它证据的重要性，取决于决策者的偏好和实际融合环境。ER方法的解析算法可表示为：
Figure BDA0002803389460000041
Figure BDA0002803389460000042
Figure BDA0002803389460000043
其中，L表示证据个数，N表示评估等级数；
Figure BDA0002803389460000044
为综合考虑证据可靠度和权重的混合权重；βn,i为证据ei相对于评估等级hn的置信度；βn为相对于评估结果Hn的置信度。采用ER方法融合得到的分布式置信结构可表述为：
O＝{(Hn,βn),n＝1,2,…,N} (13)
其中，Hn表示评估等级，βn表示对于评估等级Hn的置信度。
本发明所述融合多元信息的激光惯组性能评估方法，依据激光惯组结构建立评估指标体系，利用陀螺仪和加速度计输出脉冲信号得到各指标的权重和可靠度，使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果，可以依据评估结果适时组织维修保养，提高产品激光惯组的可靠性。
附图说明
图1为本发明所述基于证据推理的性能评估指标体系示意图；
图2为本发明所述惯组性能指标体系示意图；
图3为本发明所述精简后惯组性能指标体系示意图；
图4为本发明所述激光惯组性能评估结果等级为好的分布示意图；
图5为本发明所述激光惯组性能评估结果等级为中的分布示意图；
图6为本发明所述激光惯组性能评估结果等级为差的分布示意图；
图7为本发明所述激光惯组性能评估效用分布示意图。
具体实施方式
下面通过附图及实施例对本发明所述融合多元信息的激光惯组性能评估方法进行详细说明。
本发明的整体构思为，基于惯性组合输出数据采用变异系数法和基于距离的可靠度计算方法得到相应的性能指标的可靠度和权重，利用证据推理方法将指标信息进行融合，得到相应的惯组评估结果。
如图1所示，主要包括以下步骤：
步骤S1：构建装备的性能评估指标体系；
加速度计和陀螺仪是惯性平台的核心组成，激光惯组本体XYZ三方向的正反方向上各安装一个加速度计和陀螺仪，根据图1所示，在本公开实施例中设z为需要评估的对象，其可以为某个部件、某个系统或者单个指标，评估目标可以细化为对多个一级指标y的性能评估，而每个一级指标y可以继续细化为多个二级指标s，若有必要可以继续进行指标的细分。图1中二级ER融合构建了二级指标与一级指标之间的映射关系，一级ER融合构建了一级指标与评估目标之间的映射关系。建立指标体系如图2所示。
由于在同一方向的陀螺仪和加速度计表征的是同一指标信息，故采用差分方式将各轴向的累计脉冲量进行处理，进一步简化指标个数，这样所得到的指标可以简化成为6个，简化后的指标结构图如图3所示。
步骤S2：获取相关指标测试数据或定性信息，计算数据可靠性和指标权重，并转化为置信分布形式；
在本公开实施例中所采用的数据来自设备生产厂家对所生产的某型激光惯组连续测试时收集到的累计脉冲量，但由于数据中存在异常值，且测试时间长，数据量较大，故对异常值进行剔除，并从剔除异常值后的数据中随机挑选一部分按测试时间顺序进行排列。经过处理后，得到96组数据，每组数据为6维，分别表示加速度计和陀螺仪在XYZ三个方向上的累计脉冲量。
根据基于距离的可靠度求取方法计算各指标的可靠度，采用变异系数法计算各二级指标的权重，计算得到结果如表1所示。
表1激光惯组性能指标可靠度和权重计算结果
Figure BDA0002803389460000061
步骤S3：采用证据推理规则进行信息融合，得到激光惯组性能评估结果；
惯组性能的好坏应该由导航结果来评估，即依据导航结果偏差值反映惯组性能状态。根据专家经验，对惯组性能设置三个参考等级“好”、“中”、“差”，其对应的导航偏差参考值分别为5m、50m、200m。基于导航精度参考值，结合设备相关资料和专家经验知识，计算出惯组的陀螺仪和加速度计各二级指标的参考等级和参考值，如表2所示。
表2激光惯组性能指标的参考等级和参考值
Figure BDA0002803389460000062
在本公开实施例中假设惯组的性能全部由加速度计和陀螺仪决定，即在图3中，陀螺仪和加速度计对于惯性组合是同等重要的，而惯组其他部分的重要性忽略不计。基于证据推理规则对激光惯组性能进行评估，根据构建的指标体系结构，需要分两层进行评估，加速度计和陀螺仪的性能分别通过各自三个方向的三个指标的二级ER融合得到评估结果，在此基础上，对陀螺仪和加速度计的评估结果继续使用ER进行融合，得到激光惯组性能评估结果，如图4、图5、图6所示。
通过图4、图5、图6可以看出激光惯组性能评估结果的分布，评估结果中高和中两个等级的分布最多，这反映了该激光惯组在多数时间能够保持中等以上的状态，评估结果为差的等级只在测试最后出现小部分的分布，原因可能是由于连续工作时间较长，导致性能状态有所下降，所以在连续使用激光惯组时，要注意持续观察其状态，及时更换或维修，避免对激光惯组性能造成影响。
为得到数值化的结果，便于对不同结果进行对比分析，这里引入期望效用的概念。假设等级Hn的效用为u(Hn)，则评估结果的期望效用计算如下：
Figure BDA0002803389460000071
βn表示评估结果中Hn等级的置信度，u(Hn)表示对应于等级Hn的参考值。假设装备中其他系统和部件工作正常，外界环境对装备性能的影响忽略，采用惯组输出产生的静态导航偏差来反映惯组性能，确定三个参考等级和参考值，其分布为表3所示。
表3激光惯组性能参考等级和参考值
Figure BDA0002803389460000072
结合公式(14)可以得到激光惯组性能状态的效用分布，如图7所示。
如果性能评估等级和参考值改变时，得到的效用结果也是不同的。从图7中可以看出，在表3所示的性能评估等级和参考值前提下，采用效用的评估方式，该型激光惯组在连续测试的初期和中期可以保持较好的性能状态，产生的导航偏差较小，在测试后期会出现性能下降、导航偏差逐渐增大的情况，需要及时进行维护保养或者更换。

Claims (6)

1.一种融合多元信息的激光惯组性能评估方法，其特征在于：根据激光惯组结构建立评估指标体系；所述激光惯组包括陀螺仪和加速度计；根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度；使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果。
2.根据权利要求1所述融合多元信息的激光惯组性能评估方法，其特征在于，所述根据激光惯组结构建立评估指标体系，构建分层的激光惯组评估指标体系。
3.根据权利要求1所述融合多元信息的激光惯组性能评估方法，其特征在于，所述根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度，具体包括：以陀螺仪和加速度计的脉冲输出脉冲信号为基础，采用基于距离的方法计算指标的可靠度，使用变异系数法计算指标的权重。
4.根据权利要求2所述融合多元信息的激光惯组性能评估方法，其特征在于，所述构建分层的激光惯组评估指标体系具体包括：设z为需评估的对象，所述z为某个部件或某个系统或单个指标，将评估目标细化为对多个一级指标y的性能评估，每个一级指标y继续细化为多个二级指标s；以此类推，可继续对二级指标进行细分，将上一级指标向下一级指标划分；通过多级ER融合自下而上构建下一级指标与上一级指标之间的映射关系，最终得到对于目标z的性能状态的评估等级体系。
5.根据权利要求4所述融合多元信息的激光惯组性能评估方法，其特征在于，所述根据陀螺仪和加速度计输出脉冲信号得到前述所建立的指标的权重和可靠度，包括：
数据可靠性计算：通过计算数据中的平均距离来反应可靠度，可以直接通过数据求出：
若zi(t)为指标xi在时间T内第t时刻的测试值，
Figure FDA0002803389450000011
为时间T内所有测试值的平均值，则zi(t)与
Figure FDA0002803389450000012
之间的距离为：
Figure FDA0002803389450000013
那么，指标xi在时间T内的所有测试数据间的平均距离为：
Figure FDA0002803389450000014
指标的可靠度定义为：
Figure FDA0002803389450000021
在(3)式中，
Figure FDA0002803389450000022
反映指标测试数据的波动性；
指标权重获取；若第i个一级指标xi在时刻t的权重为ωi(t)：
Figure FDA0002803389450000023
其中：
Figure FDA0002803389450000024
Figure FDA0002803389450000025
Figure FDA0002803389450000026
式中，zi(t)，
Figure FDA0002803389450000027
Figure FDA0002803389450000028
分别表示指标xi在时间T内的测试值、均值与方差。
输入信息转换；将输入信息转换为置信度分布形式：首先定义N个评估等级F＝{F1,F2,...,FN}，其中，F能够代表全部完备的评估等级，Fj代表第j个评估等级；置信度分布的形式如下所示
Figure FDA0002803389450000029
其中，Fn表示评估等级，βn,i表示对于评估等级Fn的置信度；且βn,i有如下形式
Figure FDA00028033894500000210
其中hn和hn+1表示相邻的两个评估等级参考值。
6.根据权利要求5所述融合多元信息的激光惯组性能评估方法，其特征在于，所述使用证据推理规则对初始信度进行融合，得到信度分布形式的惯性组合性能评估结果，包括：作为证据的固有特征，定义证据ei的可靠度为ri，表示生成证据ei的信息源能对所给问题提供精确评估或解答的能力；作为证据的相对特征，定义证据ei的权重ωi，表示证据ei相对于其它证据的重要性；
ER方法的解析算法可表示为：
Figure FDA0002803389450000031
Figure FDA0002803389450000032
Figure FDA0002803389450000033
其中，L表示证据个数，N表示评估等级数；
Figure FDA0002803389450000034
为综合考虑证据可靠度和权重的混合权重；βn,i为证据ei相对于评估等级hn的置信度；βn为相对于评估结果Hn的置信度；
采用ER方法融合得到的分布式置信结构可表述为：
O＝{(Hn,βn),n＝1,2,…,N} (13)
其中，Hn表示评估等级，βn表示对于评估等级Hn的置信度。
CN202011358770.5A 2020-11-27 2020-11-27 一种融合多元信息的激光惯组性能评估方法 Pending CN112488497A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011358770.5A CN112488497A (zh) 2020-11-27 2020-11-27 一种融合多元信息的激光惯组性能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011358770.5A CN112488497A (zh) 2020-11-27 2020-11-27 一种融合多元信息的激光惯组性能评估方法

Publications (1)

Publication Number Publication Date
CN112488497A true CN112488497A (zh) 2021-03-12

Family

ID=74935910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011358770.5A Pending CN112488497A (zh) 2020-11-27 2020-11-27 一种融合多元信息的激光惯组性能评估方法

Country Status (1)

Country Link
CN (1) CN112488497A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115619106A (zh) * 2022-12-19 2023-01-17 中国人民解放军火箭军工程大学 一种考虑性能退化的激光陀螺仪备件数量确定方法及系统
CN115638808A (zh) * 2022-12-23 2023-01-24 中国人民解放军火箭军工程大学 综合时空域信息的惯导系统质量状态确定方法及系统
CN115993138A (zh) * 2023-03-23 2023-04-21 中国人民解放军火箭军工程大学 一种多表冗余激光惯组故障诊断方法及系统
CN116933181A (zh) * 2023-09-18 2023-10-24 中国人民解放军火箭军工程大学 等级不对称情况下的复杂装备质量状态认证方法
CN117609703A (zh) * 2024-01-18 2024-02-27 中国人民解放军火箭军工程大学 融合多源异构信息的复杂设备健康管理方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780108A (zh) * 2016-11-25 2017-05-31 武汉大学 一种基于改进证据推理融合的配电变压器状态评估方法
CN109784762A (zh) * 2019-01-31 2019-05-21 中国人民解放军92942部队 一种基于证据推理的舰船装备安全性评估方法
CN110348752A (zh) * 2019-07-16 2019-10-18 中国人民解放军火箭军工程大学 一种考虑环境干扰的大型工业系统结构安全性评估方法
CN110516920A (zh) * 2019-08-05 2019-11-29 西安电子科技大学 基于指标融合的陀螺仪质量等级评估方法
CN111238534A (zh) * 2020-01-17 2020-06-05 中国人民解放军火箭军工程大学 基于证据推理的激光惯组最优测试时机确定方法
CN111259551A (zh) * 2020-01-17 2020-06-09 中国人民解放军火箭军工程大学 一种基于置信规则库的惯组故障预测方法
CN111967791A (zh) * 2020-08-28 2020-11-20 中国人民解放军火箭军工程大学 一种考虑扰动与故障阈值的设备性能评估方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106780108A (zh) * 2016-11-25 2017-05-31 武汉大学 一种基于改进证据推理融合的配电变压器状态评估方法
CN109784762A (zh) * 2019-01-31 2019-05-21 中国人民解放军92942部队 一种基于证据推理的舰船装备安全性评估方法
CN110348752A (zh) * 2019-07-16 2019-10-18 中国人民解放军火箭军工程大学 一种考虑环境干扰的大型工业系统结构安全性评估方法
CN110516920A (zh) * 2019-08-05 2019-11-29 西安电子科技大学 基于指标融合的陀螺仪质量等级评估方法
CN111238534A (zh) * 2020-01-17 2020-06-05 中国人民解放军火箭军工程大学 基于证据推理的激光惯组最优测试时机确定方法
CN111259551A (zh) * 2020-01-17 2020-06-09 中国人民解放军火箭军工程大学 一种基于置信规则库的惯组故障预测方法
CN111967791A (zh) * 2020-08-28 2020-11-20 中国人民解放军火箭军工程大学 一种考虑扰动与故障阈值的设备性能评估方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈雷雨: "融合多元信息的武器装备性能评估方法", 《系统工程与电子技术》, vol. 42, no. 7, 22 February 2020 (2020-02-22), pages 1527 - 1533 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115619106A (zh) * 2022-12-19 2023-01-17 中国人民解放军火箭军工程大学 一种考虑性能退化的激光陀螺仪备件数量确定方法及系统
CN115638808A (zh) * 2022-12-23 2023-01-24 中国人民解放军火箭军工程大学 综合时空域信息的惯导系统质量状态确定方法及系统
CN115993138A (zh) * 2023-03-23 2023-04-21 中国人民解放军火箭军工程大学 一种多表冗余激光惯组故障诊断方法及系统
CN116933181A (zh) * 2023-09-18 2023-10-24 中国人民解放军火箭军工程大学 等级不对称情况下的复杂装备质量状态认证方法
CN116933181B (zh) * 2023-09-18 2024-02-02 中国人民解放军火箭军工程大学 等级不对称情况下的复杂装备质量状态认证方法
CN117609703A (zh) * 2024-01-18 2024-02-27 中国人民解放军火箭军工程大学 融合多源异构信息的复杂设备健康管理方法及系统
CN117609703B (zh) * 2024-01-18 2024-04-26 中国人民解放军火箭军工程大学 融合多源异构信息的复杂设备健康管理方法及系统

Similar Documents

Publication Publication Date Title
CN112488497A (zh) 一种融合多元信息的激光惯组性能评估方法
Wu et al. An improved failure mode and effects analysis method based on uncertainty measure in the evidence theory
Asadabadi The stratified multi-criteria decision-making method
Dong Failure mode and effects analysis based on fuzzy utility cost estimation
CN110033028B (zh) 基于算术平均贴近度的冲突证据融合方法
Huang et al. Risk evaluation model for failure mode and effect analysis using intuitionistic fuzzy rough number approach
Hu et al. Failure mode and effect analysis using multi‐linguistic terms and Dempster–Shafer evidence theory
Fan et al. An integrated FMEA approach using Best-Worst and MARCOS methods based on D numbers for prioritization of failures
Dubois et al. Adaptive task allocation in human-machine teams with trust and workload cognitive models
Seiti et al. A new risk-based fuzzy cognitive model and its application to decision-making
CN116519021A (zh) 一种惯性导航系统故障诊断方法、系统及设备
Askari et al. A fuzzy AHP model in risk ranking
CN115979310A (zh) 一种惯导系统性能退化评估方法、系统、电子设备及介质
Peng et al. Health indicator construction based on multisensors for intelligent remaining useful life prediction: A reinforcement learning approach
Azarian et al. A new strategy for automotive off-board diagnosis based on a meta-heuristic engine
CN115238394B (zh) 复合材料结构多源不确定性混合可靠性数字孪生建模方法
CN116484645A (zh) 一种飞行器优选决策方法、系统、电子设备及介质
Luo et al. Three-way multi-attribute decision-making under the double hierarchy hesitant fuzzy linguistic information system
Mousavi et al. Hierarchical group compromise ranking methodology based on Euclidean–Hausdorff distance measure under uncertainty: An application to facility location selection problem
Li et al. Method for predicting failure rate of airborne equipment based on optimal combination model
CN115171816A (zh) 一种用于航空装备关键材料应用验证的综合评价方法
Zhang et al. Multi-target threat assessment in air combat based on AHP and FVIKOR
Xiao et al. An intuitionistic fuzzy cloud model-based risk assessment method of failure modes considering hybrid weight information
Wang et al. Improved q-Rung Orthopair Fuzzy WASPAS Method Based on Softmax Function and Frank operations for Investment Decision of Community Group-Buying Platform
Valin et al. A Pragmatic Approach for the use of Dempster-Shafer Theory in Fusing Realistic Sensor Data.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination