دانلود ترجمه مقاله مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد (MDPI ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory

چکیده

1- مقدمه

2- اصول مقدماتی

1- 2 تئوری شواهد دمپستر-شافر

2- 2 روش ترکیب میانگین وزن دار (موزون)

3- 2 آنتروپی دنگ

4- 2 روش Fan و Zuo

3- روش پیشنهادی

1- 3 قابلیت اطمینان ایستا

2- 3 قابلیت اطمینان پویا

3- 3 قابلیت اطمینان جامع حسگر

4- کاربرد

5- نتایج

چکیده

ترکیب داده های حسگر نقش مهمی در عیب شناسی ایفا می نماید. تئوری (نظریه) شواهد دمپستر- شافر (D-R) در عیب شناسی کاربرد وسیعی دارد، زیرا در ترکیب شواهد بدست آمده از حسگرهای مختلف، کارآمد ظاهر می شود. اما، در موقعیت های شواهد ضد و نقیض، نتیجه ای دور از عقل بدست می آید. برای بررسی این مسئله، در این مقاله روش جدیدی پیشنهاد می شود. در اینجا قابلیت اطمینان آماری و پویای حسگر مورد توجه قرار می گیرد. برای دستیابی برای قابلیت اطمینان پویای هر گزارش حسگر، تابع فاصله شواهد و آنتروپی باور باهم ترکیب می شوند. از روش میانگین گیری وزنی برای تغییر شواهد متناقض با تخصیص اوزان متفاوت به شواهد طبق قابلیت اطمینان حسگر استفاده می شود. به خاطر توجه به حجم اطلاعات هر گزارش حسگر، روش پیشنهادی در زمینه مدیریت تعارض و عیب شناسی، عملکرد بهتری به معرض نمایش می گذارد. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی مبتنی بر ترکیب و تلفیق حسگر شرح داده می شود. نتایج بدست آمده نشان می دهد که در مقایسه با روشهای موجود، روش پیشنهادی، صحت عیب شناسی را از 19. 81 درصد به 48. 89 درصد افزایش می دهد.

5- نتایج

چگونگی مدلسازی کارآمد قابلیت اطمینان حسگر، عملکرد سیستم ترکیب حسگر را به میزان زیادی تحت تاثیر قرار می دهد. برای بررسی این موضوع، در این مقاله، یک مدل قابلیت اطمینان حسگر جدید مرکب از قابلیت اطمینان پویا وایستا مطرح شده است. خصوصیت پویای قابلیت اطمینان حسگر با تابع فاصله گزارش حسگر و حجم اطلاعات هرگزارش حسگر تعیین می شود. برای بهبود قاعده ترکیب کلاسیکی دمپستر، ضریب تنزیل جدیدی پیشنهاد می شود. برای نشان دادن کارایی روش پیشنهادی، یکی از کاربردهای عیب شناسی شرح داده می شود. به نظر می رسد روش پیشنهادی در مقابله با شواهد متعارض، کارآمدتر ظاهر می شود. به علاوه، طبق نتایج بدست آمده در این مقاله، روش جدید قادر به شناسایی درست عیب و بهبود صحت عیب شناسی از 81.19 درصد به 89.48 درصد می باشد.

Abstract

Sensor data fusion plays an important role in fault diagnosis. Dempster–Shafer (D-R) evidence theory is widely used in fault diagnosis, since it is efficient to combine evidence from different sensors. However, under the situation where the evidence highly conflicts, it may obtain a counterintuitive result. To address the issue, a new method is proposed in this paper. Not only the statistic sensor reliability, but also the dynamic sensor reliability are taken into consideration. The evidence distance function and the belief entropy are combined to obtain the dynamic reliability of each sensor report. A weighted averaging method is adopted to modify the conflict evidence by assigning different weights to evidence according to sensor reliability. The proposed method has better performance in conflict management and fault diagnosis due to the fact that the information volume of each sensor report is taken into consideration. An application in fault diagnosis based on sensor fusion is illustrated to show the efficiency of the proposed method. The results show that the proposed method improves the accuracy of fault diagnosis from 81.19% to 89.48% compared to the existing methods.

5- Conclusions

How to efficiently model sensor reliability greatly affects the performance of the sensor fusion system. To address this issue, a new sensor reliability model combining both dynamic reliability and static reliability is presented in this paper. The dynamic property of the sensor reliability is determined by the distance function of the sensor report and the information volume of each sensor report. A new discounting coefficient is proposed to improve the classical Dempster combination rule. An application in fault diagnosis is illustrated to show the efficiency of our proposed method. It seems that our proposed method is more efficient for handling highly conflicting evidence. In addition, from the result obtained in this paper, the new method can identify the fault correctly and improve the accuracy of fault diagnosis from 81.19% to 89.48%.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مدلسازی قابلیت اطمینان سنسور در تشخیص خطا بر اساس نظریه شواهد

Modeling Sensor Reliability in Fault Diagnosis Based on Evidence Theory