公开(公告)号：CN113177328A

公开(公告)日：2021-07-27

申请号：CN202110563661.5

申请日：2021-05-24

Applicant: 河南大学

Inventor： 李军伟 ,  谢保林 ,  赵奥祥 ,  金勇 ,  胡振涛

IPC: G06F30/20 ,  G06K9/62 ,  G01M99/00 ,  G01M13/04 ,  G06F111/08

Abstract: 本发明公开了一种基于多传感器融合的机械故障诊断方法，包括如下步骤：将不同位置的传感器观测到的机械设备的运行数据转换为证据信息；计算证据中焦元的支持区间，通过区间距离衡量证据之间的冲突程度进而获得各个证据的支持度；通过改进的信度熵来量化证据的不确定性程度作为证据的信息量；综合考虑区间距离和改进的信度熵确定证据的信任度并获得权重因子；利用权重因子对获取的证据进行加权平均，输出机械故障诊断的决策结果。本发明方案与传统算法相比，通过区间距离能够有效地衡量证据之间的差异性，同时通过改进的信度熵量化证据的不确定程度，综合考虑支持度和信息量共同确定证据的权重因子。

公开(公告)号：CN112598037A

公开(公告)日：2021-04-02

申请号：CN202011479705.8

申请日：2020-12-15

Applicant: 河南大学

Inventor： 李军伟 ,  谢保林 ,  刘桓宇 ,  赵奥祥

IPC: G06K9/62 ,  G06F17/16

Abstract: 本发明公开了一种基于区间数距离和模型可靠性的目标识别方法，包括如下步骤：首先，根据传感器采集的目标样本建立各个属性的区间数模型；然后，计算测试样本在对应属性下的区间数与该属性下区间数模型之间的区间数距离；其次，将所求的区间数距离转化为相似度并归一化处理作为初始基本概率指派；再次，计算各个属性下区间数模型的静态可靠性和动态可靠性，并将其结合作为综合可靠性对初始基本概率指派进行折扣，折扣的结果作为最终基本概率指派；最后，采用Dempster组合规则对最终基本概率指派进行逐个融合，输出最终目标识别的决策结果。本发明方案综合考虑了区间数距离和模型的综合可靠性，可以有效地处理不确定和不精确的信息，具有重要的理论意义和应用价值。

公开(公告)号：CN112598037B

公开(公告)日：2022-12-16

申请号：CN202011479705.8

申请日：2020-12-15

Applicant: 河南大学

Inventor： 李军伟 ,  谢保林 ,  刘桓宇 ,  赵奥祥

IPC: G06K9/62 ,  G06F17/16

Abstract: 本发明公开了一种基于区间数距离和模型可靠性的目标识别方法，包括如下步骤：首先，根据传感器采集的目标样本建立各个属性的区间数模型；然后，计算测试样本在对应属性下的区间数与该属性下区间数模型之间的区间数距离；其次，将所求的区间数距离转化为相似度并归一化处理作为初始基本概率指派；再次，计算各个属性下区间数模型的静态可靠性和动态可靠性，并将其结合作为综合可靠性对初始基本概率指派进行折扣，折扣的结果作为最终基本概率指派；最后，采用Dempster组合规则对最终基本概率指派进行逐个融合，输出最终目标识别的决策结果。本发明方案综合考虑了区间数距离和模型的综合可靠性，可以有效地处理不确定和不精确的信息，具有重要的理论意义和应用价值。

公开(公告)号：CN114792112A

公开(公告)日：2022-07-26

申请号：CN202210430919.9

申请日：2022-04-22

Applicant: 河南大学

Inventor： 李军伟 ,  连猛猛 ,  谢保林 ,  金勇 ,  刘桓宇

IPC: G06K9/62

Abstract: 本发明公开了一种基于自适应处理策略的时域证据融合方法，包括如下步骤：首先，将多个传感器收集的信息转化为证据信息；其次，计算各个历史时刻证据信息的相关性，并确定历史证据信息的权重因子；对历史证据信息进行加权平均获得当前时刻的预测值，根据预测值和真实值判断当前时刻是否出现失真；再通过可信度衰减模型，获得相邻时刻证据的实时可靠度，根据实时可靠度对时域证据进行折扣；最后，利用Dempster组合规则对时域证据进行融合。本发明考虑了当前时刻的证据有可能出现失真的情况，同时对失真情况进行了研究，对当前时刻获取的证据和历史积累的证据进行对比，选择最合适的处理策略，具有重要的理论意义和应用价值。

公开(公告)号：CN114519728A

公开(公告)日：2022-05-20

申请号：CN202210098227.9

申请日：2022-01-25

Applicant: 河南大学

Inventor： 付春玲 ,  杨琳琳 ,  白可 ,  杨诗博 ,  孙辰辰 ,  谢保林

IPC: G06T7/277 ,  G06N7/00

Abstract: 本发明公开了一种未知噪声下的变分贝叶斯强跟踪PHD多目标跟踪方法，引入强跟踪原理，通过衰减因子来进一步修正状态估计协方差矩阵来增强卡尔曼滤波中新息或者说观测的作用，修正过程噪声的不精确对状态协方差的影响；利用逆威沙尔特分布和高斯乘积联合分布近似联合后验分布，采用VB近似技术推导鲁棒PHD滤波迭代，通过最小化KL散度来逼近后验概率密度；进而可有效地提高跟踪精度和计算时间效率。