[發明專利]一種用于多參數儀表檢定的數據融合方法

有效

• 申請號: 201110457767.3
• 申請日: 2011-12-31
• 公開（公告）號: CN102609612A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 王振林;秦光旭;袁太文;李迅波
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06N3/02
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周永宏

1.一種用于多參數儀表檢定的數據融合方法，其特征在于，包括如下步驟：

步驟一、對多次測量的多組歷史數據，進行去噪處理，根據校準規則提取每組歷史數據儀表校準項的特征參數；

步驟二、根據步驟一得到的特征參數建立并訓練人工蜂群數據融合模型，具體過程如下：

(1)建立包含輸入層、單隱含層和輸出層的三層人工蜂群神經網絡結構；

依據步驟一中提取的特征參數種類，確定人工蜂群神經網絡的輸入層神經元數p；根據預先設定的檢定結果的級別數q，確定人工蜂群神經網絡輸出層的神經元數為q；單隱含層的神經元數n₀：

n₀＝2p+β；其中，β為無量綱的修正參數；

(2)優化人工蜂群神經網絡結構的權值參數；具體步驟如下：

設標準網絡模型中待優化的數目為N，利用Pareto最優概念，將優于某個體的個體適應度值作為該個體的適應度值，一個觀察蜂選擇蜜源的概率取決于蜜源的概率值prob_i，具體采用下式計算：

其中，fit_i是第i個個體的適應度值，SN是采蜜蜂數量；

通過得到的蜜源的概率值prob_i，利用人工蜂群算法優化人工蜂群神經網絡結構的權值參數；

步驟三、根據得到的人工蜂群神經網絡結構的權值參數對人工蜂群神經網絡的識別結果進行歸一化處理，構造證據的基本概率指派函數；

步驟四、根據證據組合結果，做出最終決策：若信任度值最大的命題滿足預先設定的閥值條件，則該命題為決策的目標，否則不做決策。

2.根據權利要求1所述的數據融合方法，其特征在于，所述的去噪處理的過程如下：對歷史數據進行小波分解；選取啟發式閥值法對分解后的信號進行去噪。

3.根據權利要求1或2所述的數據融合方法，其特征在于，所述的特征參數具體包括峰值、平均幅值、方差、方根幅值、峭度和能量比分布系數。

4.根據權利要求1或2所述的數據融合方法，其特征在于，步驟二中所述的第i個個體的適應度值fit_i計算過程如下：

首先根據Pareto的支配關系，對群體中的每一個個體排序，再根據周圍的擁擠情況計算適應度密度值，最后綜合確定適應度值；其過程如下：

1)計算群體Q中每個個體i的排序R′(i)

R′(i)＝|{j|j∈Q，jfi}|

其中，符號″f″表示Pareto支配關系；

2)個體i的排序R(i)：

R(i)=R′(i)+Σj∈Q,i<jR′(j)∀i∈Q]]>

3)根據采蜜蜂數量SN將目標空間劃分成個網格，n_e表示每維目標空間的網格數，設的整數部分為a，小數部分為r，則

ne=ar=0a+1r≠0]]>

將每個個體所在的網格區域的個體數作為給個體的密度值。

4)個體適應度值：

fiti=1exp(R(i)*ρ(i))]]>

式中，R(i)表示個體i的排序號，ρ(i)表示個體i的密度值。