D-S证据理论(D-S Evidential Theory)相关资料源码打包 D-S证据理论PPT课件 C源码 java源码 Matlab源码

D-S证据理论的融合思想主要体现在待识别对象的多个证据的基本概率分配函数通过某种规则融合在一起，求出所有证据的总支持程度，证据理论给出了多源数据的组合规则

针对配电网故障信息出现异常尤其是不可识别异常而导致误判的问题，提出了一种基于网络树状图和改进D-S证据理论的配电网故障定位新方法。该方法的突出优点在于使用多源信息进行故障定位，可避免因单源信息发生异常导致的误判。首先提出了一种新的基于网络树状图的搜索算法，该算法利用配电网故障时产生的故障指示器信息、配变报警信息和电话投诉信息建立相应的网络树状图，并通过搜索网络树状图进行故障初步定位。然后利用改进D-S证据理论将每种故障信息的定位结果进行信息融合，得到最终的定位结果。实例结果表明所提方法有效、可行，可以解决故障信息出现不可识别异常时的定位问题。

基本概率分配函数 定义1 基本概率分配函数 M 设函数 M 是满足下列条件的映射： ① 不可能事件的基本概率是0，即 ； ② 中全部元素的基本概率之和为1，即 则称 M 是 上的概率分配函数，M(A)称为A的基本概率数，表示对A的精确信任。 幂集构成一个框架。

研究了一种基于D-S证据理论的多证据数据融合决策的开关磁阻发电机（SRG）故障诊断方法。根据SRG电流、电压、转矩三个证据信号进行融合处理，提高了其故障诊断的精确性和可靠性。文章对D-S证据理论在开关磁阻发电机故障诊断中的应用进行了实例分析，结果表明该方法能够有效提高故障诊断精度。

D-S证据理论，matlab实现

D-S证据理论matlab实现算法 以函数形式编写，只需输入参数即可，简单易用， 如果改进，只需稍加修改 D-S证据理论matlab实现算法 以函数形式编写，只需输入参数即可，简单易用， 如果改进，只需稍加修改

D-S证据理论matlab实现算法 以函数形式编写，只需输入参数即可，简单易用， 如果改进，只需稍加修改 D-S证据理论matlab实现算法 以函数形式编写，只需输入参数即可，简单易用， 如果改进，只需稍加修改

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。

D-S证据理论(D-S Evidential Theory)相关资料源码打包 D-S证据理论PPT课件 C源码 java源码 Matlab源码