一種基于證據(jù)理論的可靠性信息融合方法

魯 靖，卞樹檀

（第二炮兵工程大學101教研室，陜西 西安 710025）

現(xiàn)代高技術(shù)兵器系統(tǒng)復雜，試驗代價昂貴且周期太長，以及技術(shù)條件等方面的原因，系統(tǒng)級的試驗越來越少，導致復雜系統(tǒng)現(xiàn)場試驗數(shù)據(jù)很少。因此，以數(shù)理統(tǒng)計大樣本理論為基礎(chǔ)的可靠性評定方法已經(jīng)不能適應現(xiàn)代武器系統(tǒng)的可靠性評定。Bayes方法[2]可以充分利用各種驗前信息輔助可靠性評定。工程實際中普遍存在的仿真數(shù)據(jù)、歷史試驗、專家經(jīng)驗、子系統(tǒng)試驗等同總體、同環(huán)境下的多源驗前信息[1]，此類信息在產(chǎn)品的設(shè)計、研制、生產(chǎn)、使用等各個環(huán)節(jié)都較為容易獲取。而單一的驗前信息對于裝備可靠性試驗評定來說，置信度較低，只有由多個單一驗前分布融合得到一個合理的綜合驗前分布，才能提高評定的精度和可信度。上述同一狀態(tài)產(chǎn)品多源信息的融合為加權(quán)融合問題，融合的關(guān)鍵是要確定不同驗前分布在融驗前分布中的合理的權(quán)重

目前，研究加權(quán)融合問題方法有很多：專家設(shè)定融合權(quán)重[3]、最大熵準則融合方法[2]、采用Bayes相繼律融合法[4]、基于可信度的多源驗前信息融合法[5]、相關(guān)函數(shù)方法[1]、模糊邏輯算子方法[1]、最大熵-矩估計方法[1]和充分性測度方法[1]等等。這些方法各具優(yōu)勢和適用范圍。可信度融合方法較為合理，但可信度的計算比較困難。最大熵方法隨著驗前信息的增多，推導出來的驗前分布的形式愈加復雜，會給驗后分布的求取及Bayes推斷造成一些計算困難，但是只要驗前信息可信并且充分，得到的驗前分布將會非常逼近實際的驗前分布。而專家設(shè)定權(quán)重的方法雖然簡便易操作，但卻具有難以克服的主觀隨意性。

文中在簡單介紹D-S證據(jù)理論的基礎(chǔ)上，深入研究了加權(quán)融合的基本方法，將驗前信息πi（θ）的融合問題轉(zhuǎn)化為驗后信息πi（θ|X）的融合問題，在小子樣情況下，充分利用了驗前信息和現(xiàn)場有限的數(shù)據(jù)X，在不考慮驗后信息質(zhì)量和相關(guān)性的前提下，利用各單一驗后信息概率分布之間的一致性程度，確定線性加權(quán)中各驗后分布的權(quán)重因子，最后得到一個綜合的驗后分布形式π（θ|X），結(jié)合現(xiàn)場數(shù)據(jù)亦可求取驗前分布的綜合形式π（θ），為同一狀態(tài)產(chǎn)品多源信息融合提供新的思路。

1 D-S證據(jù)理論基礎(chǔ)

D-S證據(jù)理論是用來處理由認識的局限性所帶來的不確定性問題的有力工具。D-S證據(jù)理論是由Shafer[10]在1976年正式創(chuàng)立的。近年來，D-S證據(jù)理論在理論上得到了很大發(fā)展，在人工智能、決策、專家系統(tǒng)等領(lǐng)域得到了初步應用[7-8]，另一面，D-S證據(jù)理論已經(jīng)成功地應用在故障診斷、狀態(tài)監(jiān)測、信息融合、模式識別、智能決策等領(lǐng)域[9]。

D-S證據(jù)理的基本概念介紹：

對于一個判決問題，假設(shè)所有的可能結(jié)果用集合Θ表示，那么任何命題都將是集合Θ的一個子集，稱Θ為識別框架[7，12]。

2 加權(quán)融合的一般描述

3 基于證據(jù)理論的驗后分布計算

用Bayes法進行可靠性推斷時，由先驗數(shù)據(jù)x（i）1，x（i）

2，…，x（i）n，i=1，…，m，求得先驗分布后πi（θ），結(jié)合現(xiàn)場樣本X=（x1，…，xn），可得到θ的后驗分布π（θ|X），即

其中，Ω為參數(shù)θ的取值空間；f（t|θ）為可靠性指標隨機變量T（如系統(tǒng)壽命）的概率密度函數(shù)；θ為待估計的分布參數(shù)。

假設(shè)事先知道θ的兩組先驗信息，通過先驗信息獲取的先驗分布為π1（θ）和π2（θ），結(jié)合現(xiàn)場樣本X=（x1，…，xn）得到π1（θ|X）和π2（θ|X）如圖1所示。

圖1 有交集的兩個概率分布Fig.1 Distributions of two probability with intersection

4 仿真實例

5 結(jié) 論

從信息論的角度來看，這種基于D－S證據(jù)理論融合方法合理充分地利用了產(chǎn)品同一狀態(tài)的多源驗前信息，融合得到的驗后分布π（θ|X）增強了統(tǒng)計推斷結(jié)論的穩(wěn)健性，可以有效地減少試驗的次數(shù)，從而減少了試驗費用。從仿真實例計算說明，該方法簡單易行，結(jié)果的精度和可信度是值得信賴的，在工程實踐中有良好的前景和推廣價值。

從上述仿真實例來看，得到結(jié)果π（θ）＝N（4.9501，1）與仿真時采樣分布N（5，1）非常接近。而從驗后分布πi（θ|X）權(quán)重來看，π1（θ|X）與π2（θ|X）、π3（θ|X）一致度計算都較大，分別為0.5382和0.4769，由證據(jù)規(guī)則計算得到的權(quán)重γ1＝0.5也較大，說明本文針對產(chǎn)品同一狀態(tài)信息融合問題提出的方法是合理而有效的。融合得到驗后分布π（θ|X）后，通過貝葉斯分析理論，進而以驗后分布密度函數(shù)為基礎(chǔ)進行點估計、區(qū)間估計、假設(shè)檢驗等統(tǒng)計推斷。

[1]馮靜.小子樣復雜系統(tǒng)可靠性信息融合方法與應用研究[D].長沙：國防科學技術(shù)大學，2004.

[2]張金槐，唐雪梅.Bayes方法[M].2版.長沙：國防科技大學出版社，1992.

[3]Lesley W，John Q.Building prior distributions to support Baysian reliability growth modeling using expert judgement[J].Reliability Engineering and System Safety，2001（74）：117－128.

[4]Xie M，Hong G Y，Wohlin C.Software reliability prediction incorporating information from a similar project[J].The Journal of System and Software，1999（49）：43－48.

[5]張金槐.多種驗前信息源情況下的融合驗后分布[J].飛行器測控技術(shù)，1998，17（3）：28－35.ZHANG Jin-kui.A variety of prior information source case fusion posterior distribution[J].Spacecraft TT&C Technology，1988，17（3）：28－35.

[6]Shafer G.A mathematical theory of evidence[M].Princo-ton University Press，1976.

[7]段新生.證據(jù)理論與決策、人工智能[M].北京：中國人民大學出版社，1993.

[8]何友，王國宏，陸大紹，等.多傳感器信息融合及應用[M].北京：電子工業(yè)出版社，2000.

[9]耿俊豹，邱瑋，孔祥純，等.基于粗糙集和D－S證據(jù)理論的設(shè)備技術(shù)狀態(tài)評估[J].系統(tǒng)工程與電子技術(shù)，2008，30（1）：27.GENG Jun-bao，QIU Wei，KONG Xiang-Chun，et al.Technical condition evaluation for devices based on rough set theory and D－S evidence theory[J].Systems Engineering and Electronics，2008，30（1）：27.

[10]Shafer G.A Mathematical theory of evidence[M].Princeton：Princeton University Press，1976.

[11]楊軍，武小悅，馬溧梅.可靠性試驗評定中專家信息融合[J].航空計算技術(shù)，2007.YANG Jun，WU Xiao-yue，MA Li-mei.Reliability test evaluation expert information fusion[J]. Aeronautical Computing Technique，2007，37（5）：14－17.

[12]楊風暴，王肖霞.D－S證據(jù)理論的沖突證據(jù)合成方法[M].北京：國防工業(yè)出版社，2010.