تشخیص خطای موتور براساس ترکیب داده‌های حسگر با در نظر گرفتن کیفیت اطلاعات و نظریه شواهد

تشخیص خطا یک مسئله‌ی پردازش اطلاعات به‌دست‌آمده از منابع مختلف در طبیعت است. نظریه‌ی شواهد ، که برای مقابله با اطلاعات به عنوان مدرک، کارآمد است، به طور گسترده در تشخیص خطا مورد استفاده قرار می‌گیرد. با این حال، نقص روش‌های تشخیص خطای موجود ،تنها توزیع احتمال را به جای تخصیص احتمال پایه دریافت می‌کند. یک روش جدید تولید احتمالات پایه که کیفیت اطلاعات را در نظر می‌گیرد ،پیشنهاد می‌شود. توزیع احتمال توسط ماتریس اولیه و ماتریس نمونه‌گیری که توسط داده‌های حسگر ساخته‌شده است، تعیین می‌شود. و کیفیت توزیع احتمال به عنوان عامل تخفیف درنظر گرفته می‌شود و بقیه باورها به مجموعه کلی واگذار می‌شود. از این رو، تخصیص احتمال اولیه به دست می‌آید. سپس، تخصیص احتمال اساسی را می توان با نظریه شواهد دمپستر و شفر برای تعیین وضعیت موتور ترکیب کرد. یک کاربرد از خطای موتور، عملی بودن روش پیشنهادی را نشان می‌دهد. سپس با مقایسه نتایج روشی که کیفیت اطلاعات را در نظر می‌گیرد (روش پیشنهادی)و آن را انجام نمی‌دهد،مشخص می‌شود که اولی بهتر از دومی است. در نهایت، تحلیل قابلیت اطمینان نشان می‌دهد که روش پیشنهادی قابلیت اط

Fault diagnosis is a problem processing variable information obtained from different sources in nature. Evidence theory, efficient to deal with information viewed as evidence, is widely used in fault diagnosis. However, a shortcoming of the existing fault diagnosis methods only gets probability distribution rather than the basic probability assignment. A novel method of generating basic probability assignment that takes information quality into account is proposed. The probability distribution is determined by the preliminary matrix and sampling matrix that are constructed by sensor data. And the quality of probability distribution is taken as the discount factor and the rest of belief is assigned to the universal set. Hence, the basic probability assignment is obtained. Then, basic probability assignment can be combined with Dempster and Shafer evidence theory to determine the status of the engine. An application of engine fault is shown to illustrate the practicability of the propose