[发明专利]一种基于模糊集合的证据理论智能巡检信息融合方法

说明书

技术领域

本发明属于智能巡检技术领域，尤其涉及一种基于模糊集合的证据理论智能巡检信息融合方法。

背景技术

在变电站智能巡检领域存在一个信息融合的问题，智能巡检机器人采集到了多个传感器的信息，智能巡检系统需要对这些信息进行融合，进而得出有用可靠的信息。

多传感器信息融合技术是对来自不同传感器(信息源)的数据信息进行分析与综合，以产生对被测对象统一的最佳估计，因而可以使信息在准确性、可靠性及完备性等方面比其中任何一个单个传感器有明显的提高.由于传感器所提供的信息都具有一定程度的不确定性，信息融合过程实质上是一个非确定性推理与决策的过程，

D-S证据理论很好地表示了“不确定性”及“无知”等认知学上的重要概念，是处理不确定性信息的一个有效手段，且推理形式简单，因而在信息融合方面起着重要的作用.证据理论的主要特点是可以通过证据的积累逐步缩小假设集，其基本策略是将证据集合划分为两个或多个不相关的部分，并利用它们分别对辨识框架独立进行判断；然后用D-S组合规划将它们组合起来.基于证据理论的信息融合方法是以基本概率分配函数(mass函数)为基础，mass函数表示人们对目标可信程度的一种推理，不同的思想会构成不同的mass函数，得到不同的融合结果。因而，如何合理构造mass函数一直是智能巡检系统信息融合的关键问题；而现有技术中对智能巡检系统传感器信息进行融合其数据来源比较主观，没有客观的反应各传感器的可靠度和各传感器之间的相互关系，导致最终的信息融合误差大，准确度低。

发明内容：

本发明要解决的技术问题是：提供一种基于模糊集合的证据理论智能巡检信息融合方法，以解决现有技术中对智能巡检系统传感器信息进行融合其数据来源比较主观，没有客观的反应各传感器的可靠度和各传感器之间的相互关系，导致最终的信息融合误差大，准确度低等技术问题。

本发明技术方案：

一种基于模糊集合的证据理论智能巡检信息融合方法，它包括：

步骤1、采集智能巡检中机器人获取的各个传感器信息；

步骤2、利用模糊相关函数计算多传感器的相互支持度；

步骤3、根据各传感器的测量数据计算出每个传感器所得数据的模糊隶属度，并用隶属度来表征各传感器提供信息的可信度；

步骤4、将各传感器的支持度和可信度转化成基本概率赋值即mass函数；

步骤5、利用D-S理论合成规则对各个传感器的信息进行融合。

步骤2所述利用模糊相关函数计算多传感器的相互支持度的方法包括:

步骤2.1、设各个传感器测量同一参数，第i个传感器和第j个传感器测得的数据分别为X_i和X_j，且均服从高斯分布，以其pdf(概率分布函数)曲线作为传感器的特性函数，记为p_i(x)和p_j(x)，x_i和x_j分别为x_i和X_j的一次观测值；

步骤2.2、置信距离测度：为了反映x_i和x_j之间的偏差大小，引进置信距离测度.设

式中：

d_ij为第i个传感器观测值相对于第j个传感器观测值的置信距离测度，d_ij的值可借助误差函数er∫(0)直接求得，即p_i(x/x_i)表示第i个传感器取值为x_i的置信水平，其中σ_i为第i个传感器数据分布的标准差。

步骤2.3、置信距离矩阵：设有n个传感器测量同一指标参数，则置信距离测度d_ij(i，j＝1，2，...，n)构成n个传感器数据的置信距离矩阵D_n为

由d_ij的运算可知0≤d_ij≤1，且有其运算公式的统计意义可见，d_ij越小说明第i个传感器和第j个传感器支持的程度越高；

步骤2.4、相关性函数：令g(i/j)＝1-d_ij，i，j＝1，2，...，n；

f(i/j)＝g(i/j)/max[g(i/j)，g(j/i)]，i，j＝1，2，...，n；

相关性函数f(i/j)的大小表示传感器i被传感器j支持度。

步骤3所述表征可信度的方法包括：