基于证据推理的煤气管道检测研究.docVIP

基于证据推理的煤气管道检测研究 　　摘 要 采用基于推理的数据融合方法，将 Dempster-Shafer 证据推理应用于煤气管道的检测实验中。通过用多个传感器对煤气管道损伤信息进行采样，提取特征量，利用神经网络进行融合识别，然后把神经网络的输出值归一化后作为证据，利用Dempster合成法则进一步对所得数据进行融合，提高可信度，有效地决策识别出管道的损伤类型。本实验显示了D-S证据推理具有较强的处理不确定性信息的能力，结果证明了该方法的正确性和有效性。 　　关键词 D-S证据推理；数据融合；煤气管道检测； 　　中图分类号TP391 文献标识码A 文章编号 1674-6708（2013）91-0071-02 　　1 D-S证据推理简介 　　Dempster-Shafer证据推理理论也称D-S证据理论，比较适合用于满足比概率论更弱的公理体系，对于由未知引起的不确定性因素有很好的处理能力，能较有效地把不确定和未知区分开。D-S证据推理起源于多值映射导出的所谓上限概率和下限概率，后来在文献[2]中得到了进一步发展。 　　1.1 基本置信指派m 　　假设空间S的概率分布为P，且空间S和空间具有一致性关系（若一个多值映射把空间S的元素s和空间中的元素集合联系起来，即：S→。映射下的元素s的像被称为S的粒子（granule），表示为G（S）。S到的多值映射关系被Dempster称为空间S到的一致性关系[2]。），则空间上的基本置信指派（基本概率赋值函数BPA ）m可以定义如下： 　　其中称的子集A为焦点元素（focal element），又叫做命题， Φ为空集。m（A）表现出对A本身的信任度，即m（A ）是局限于子集A中的可以自由移动到A的每一个点的信任因子。m（A）通常凭人们的经验而给出，或者根据传感器所得到的数据进行构造得到。 　　在证据推理中，基本概率赋值函数分布仅需满足其和为1这一约束条件，即： 　　1.2 置信函数bel和似然函数pls 　　空间也叫做鉴别框架（the frame of discernment），所有的命题都可以用其子集表示，其概率分布可以用基本概率赋值函数来表示，也可以采用置信函数bel和似然函数pls 表示： 　　式中B是中不同于A的另一命题。 　　置信函数bel（B）和似然函数pls（B）即为文献[1]中提到的上限概率和下限概率，这表示置信区间[bel（B），pls（B）]即为集合B的概率变化范围，它表示了对B的不确定性度量。减小不确定区间是证据推理的目的之一。似然函数定义为： 　　1.3 Dempster合成法则 　　通常采用Dempster合成法则来组合两个或多个的置信函数，方法是通过计算基于不同来源的置信度的正交和找到一个新的置信函数。 　　设Bel1，Bel2均为空间上的置信函数，其对应的基本置信指派分别为m1和m2，焦元分别为A1，……Ak和B1，……Bl，如果1，那么，函数m：→[0，1]对于所有的非空集合满足m（Φ）=0 且 　　此函数是基本置信指派函数，其中0。 　　Bel1、Bel2的正交和就是由m给定的置信函数，记作：Bel1Bel2。 　　2 基于证据推理的煤气管道检测 　　2.1 煤气管道检测系统结构模型 　　实验建立的检测系统模型如下图所示： 　　目前，煤气管道检测的无损检测方法很多，主要有：渗透检测法、微波检测法、涡流检测法、超声检测法、漏磁检测法等。鉴于检测的安全性及对管道的最大无损伤原则，本实验主要采用超声检测法和漏磁检测法建立系统。超声法在检测的准确度和精度方面有很好的效果，但其要求的检测条件较为苛刻，被测对象表面必须光滑，检测时要有耦合剂（比如油等）；实际检测时，对解释人员的素质要求也较高；漏磁法对输送的介质要求不高，这一点刚好弥补了超声检测的不足，但其应用也受限制，比如待检管壁不能太厚，需要特殊的信号处理以及干扰因素多等。两种方法各有利弊，在应用方面各有所长：漏磁法较适合用于比较微小的损伤，比如面积很小的腐蚀点；超声法更适合于管壁较厚时的检测。实验结合采用两种方法，发挥各自的优点并弥补了另一种方法的不足，力图为检测提供更准确的信息。 　　利用漏磁法和超声法检测出煤气管道的损伤信息，并对信息进行特征提取，提取的特征信号输入各自的网络作为样本进行神经网络识别，输出结果经过归一化处理后作为D-S证据推理的证据进行融合，进一步对损伤信息进行确认，最终决策出识别结果。 　　2.2 证据推理识别判定准则 　　先由Dempster合成法则得到组合的基本可信度分配，然后根据得到的m（Aj）进行目标判断。主要判断方法有三种[7-13]：基于基本置信指派m的方法、基于置信函数bel的方法和基于最小风险的方法。本文采用基于基本置信指派