摘要: 智能制造时代的来临一方面给制造业发展提供了新的契机，另一方面也对机械设备及其关键部件的性能和可靠性提出了更高的要求。在实际生产过程中，出于经济性和安全性的考虑，科学准确地评估关键部件状态，进而保证设备的运行可靠性和系统的生产连续性... 展开 智能制造时代的来临一方面给制造业发展提供了新的契机，另一方面也对机械设备及其关键部件的性能和可靠性提出了更高的要求。在实际生产过程中，出于经济性和安全性的考虑，科学准确地评估关键部件状态，进而保证设备的运行可靠性和系统的生产连续性是当前研究的重点。此外，多传感器系统的发展也给关键部件状态评估提供了有效的数据支撑。 为了有效利用多源信息对设备关键部件状态进行评估，本文构造了基于多源信息融合的三层状态评估框架，首先，在数据分析层收集和分析多源信息；其次，在初始评估层建立基于智能算法和评估体系的模型进行状态评估，得到初始评估结果；最后，在决策融合层采用基于最优支持度因子的改进证据理论对初始评估结果进行融合，并在此基础上建立了基于改进证据理论的状态评估模型，旨在有效提高状态评估的有效性和准确性，具有重要的学术意义和现实意义。论文的主要工作分为以下三个方面： ① 本文概述了状态评估的研究现状，阐述了多源信息融合理念及方法，探究了设备关键部件状态评估和多源信息融合的意义，并介绍了多源信息融合在状态评估的应用，提出了研究问题。 ② 本文对状态评估的信息和方法进行了阐述和分类，总结和构造了基于决策级信息融合的状态评估框架，在此基础上，提出了基于改进证据理论的状态评估模型。通过建立相应的评估体系和神经网络结构，采用模糊综合评判法和BP神经网络算法来对多源信息进行分析和处理，得到初始评估结果，再运用改进的证据理论对初始结果进行融合，从而得到最终的状态评估结果。 ③ 经典证据理论难以处理不一致的证据，故本文首先从证据理论的研究热点出发，分析了证据理论的悖论及产生原因，对证据的度量指标进行了分类。接着针对传统证据理论的改进研究主要局限于单类度量指标，无法全面表达证据性质的这一缺陷，本文同时考虑了证据间的冲突度和差异度，也注重了证据本身的离散度，据此提出了基于最优支持度因子的改进证据理论。最后通过案例分析和理论研究，验证了改进方法的优越性及有效性。由于保留了融合规则的优良特质，而且对证据改进因子进行了多方面的描述，因此对比其他改进方法，融合结果更为准确。 收起