基于粗糙集和D-S证据理论的信息融合技术应用研究.pdf

《基于粗糙集和D-S证据理论的信息融合技术应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、18传感器与微系统(T啪sducerandMicrosystemTechnologies)2010年第29卷第6期基于粗糙集和D-S证据理论的信息融合技术应用研究．付华，聂小芳(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)摘要：针对井下信息量大、噪声多、参数多、动态等特征，提出了一种基于粗糙集数据挖掘和D．S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理；利用径向基函数(RBF)神经网络建立了井下环境识别模型；利用D—S证据理论进行两级融合决策，并对井下安全

2、状况进行判断。仿真结果表明：该方法提高了井下信息的识别和决策效果，极大地降低了不确定性。关键词：粗糙集；RBF神经网络；信息融合；D—S证据理论；矿井环境监测中图分类号：TP183文献标识码：A文章编号：1000-9787(2010)06-0018-03A‘ppl‘icanJ●0nresearC1n0ni‘nt^ormat··ion[一us·iontec_hno一lol~ybased0nroughsetandD．SevidencetheoryFUHua，NIEXiao-fang(SchoolofEle

3、ctricalandControlEngineering，LiaoningTechnicalUniversity，Huludao125105．China)Abstract：Aimedatthecharacteristicsofcoalminesuchaslargequantityofinformation，muchnoises，manyparametersanddynamiccharacteristics，etc．Acoalmineenvironmentalmonitoringmethodofinfo

4、rmationfusiontechnologyoptimizedbyroughsetdataminingandD—Sevidencetheoryareconducted．Theroughsetwascarriedouttodealwiththeinformationofcoalmine．DistinguishingmodelofcoalmineenvironmentWasestablishedbyusingtheradialbasicfunction(RBF)neuralnetwork．Two—gra

5、dedfusiondecisionWasconductedbyusingD—Sevidencetheorytojudgethesecuritysituationunderground．Thesimulationresultsshowthatthismethodimprovedtheidentificationanddecision—makingeffectsofcoalmineenvironmentalinformation，whichgreatlyreducedtheuncertainty．Keyw

6、ords：roughset(RS)；radialbasicfunction(RBF)neuralnetwork；informationfusion；D-Sevidencetheory；coalmineenvironmentalmonitoring、0引言络的结构，选择训练参数，进行训练，获得连接权值。最煤矿井下环境监测主要是通过多种传感器获得矿井大后用每个子神经网络的识别结果作为一条证据，将结果归气中的瓦斯体积分数、一氧化碳体积分数、风速、粉尘和温一化，作为证据理论的基本概率赋值，从而完成信息的融合度

7、等环境参数，这些环境因素超限时会对煤矿安全生产和决策。融合原理图如图1所示。矿工的生命造成极大的威胁。因此，本文采用粗糙集、神经神经网络训练网络网络和证据理论相结合的多传感器信息融合技术，将来自传感器l工多只传感器的观测信息进行多级别、多方面、多层次的处融台模型知识库理，完成对井下环境监测信息的一致性解释和描述J，从工传感器2测试应用融合算法而提高监测系统的准确率。1基于RBF神经网络的信息融合模型建立传蹲器n首先，利用样本空间建立决策表，并通过粗糙集理论的知识约简减少信息表达的属性数量，去掉冗余信息

8、。接着，图1神经网络融合原理图将化简后的决策属性集作为神经网络的输入，确定神经网Fig1Schematicdiagramofneuralnetworkfll~onprinciple收稿日期：2009-10—15基金项目：国家自然科学基金资助项目(50874059)；辽宁省重大科技计划资助项目(2007231003)；辽宁省优秀人才基金资助项目(2007R24)；辽宁省创新团队基金资助项目(2007T071)第6期付华，等：基于粗糙集和D—S证据理论的信息