基于粗糙集和D-S证据理论的信息融合技术应用研究.pdfVIP

18 传感器与微系统(T啪sducerandMicrosystemTechnologies) 2010年 第29卷 第6期 基于粗糙集和 D-S证据理论的信息融合技术应用研究 ． 付 华，聂小芳 (辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125105) 摘 要：针对井下信息量大、噪声多、参数多、动态等特征 ，提出了一种基于粗糙集数据挖掘和D．S证据理 论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理；利用径向基函数(RBF) 神经网络建立了井下环境识别模型；利用D—S证据理论进行两级融合决策，并对井下安全状况进行判断。 仿真结果表明：该方法提高了井下信息的识别和决策效果，极大地降低了不确定性。 关键词：粗糙集；RBF神经网络；信息融合 ；D—S证据理论；矿井环境监测 中图分类号：TP183 文献标识码：A 文章编号：1000-9787(2010)06-0018-03 Ap‘pllic‘anJ●0n researCn1 0n in‘t^orm at·i·on [一usi·on tec_hno一lol~y based0nrough setandD．Sevidencetheory FU Hua，NIE Xiao-fang (SchoolofElectricalandControlEngineering，LiaoningTechnicalUniversity， Huludao125105．China) Abstract：Aimedatthecharacteristicsofcoalminesuchaslargequantityofinformation，much noises，many parametersanddynamicchraacteristics，etc．A coalmineenvironmental monitoringmethodofinformationfusion technologyoptimizedbyroughsetdataminingandD—Sevidencetheoryraeconducted．Theroughsetwascarried outtodealwiththeinfomr ationofcoal mine．Distinguishingmodelofcoal mineenvironmentWas establishedby usingtheradialbasicfunction(RBF)neuralnetwork．Two—gradedfusiondecisionWas conductedbyusingD—S evidencetheorytojudgethesecuritysituationunderground．Thesimulationresultsshowthatthismethod improved theidentificationanddecision—makingeffectsofcoalmineenvironmentalinformation，whichgreatlyreducedthe uncertainty． Keywords：roughset(RS)；radialbasicfunction(RBF)neuralnetwork；infomrationfusion；D-Sevidence theory；coalmineenvironmentalmonitoring 、 0 引 言 络的结构，选择训练参数，进行训练，获得连接权值 。最 煤矿井下环境监测主要是通过多种传感器获得矿井大 后用每个子神经网络的识别结果作为一条证据，将结果归 气中的瓦斯体积分数 、一氧化碳体积分数、