煤矿带式输送机健康诊断方法.pdf

第４５卷第２期２０１９年２月工矿自动化ＩｎｄｕｓｔｒｙａｎｄＭｉｎｅＡｕｔｏｍａｔｉｏｎＶｏｌ．４５Ｎｏ．２Ｆｅｂ．２０１９文章编号１６７１－２５１Ｘ（２０１９）０２－００７５－０４ＤＯＩ１０．１３２７２／ｊ．ｉｓｓｎ．１６７１－２５１ｘ．２０１８０８００１２煤矿带式输送机健康诊断方法祁瑞敏１，王新２（１．郑州工业应用技术学院机电工程学院，河南郑州４５１１５０；２．河南理工大学物理与电子信息学院，河南焦作４５４０００）摘要针对基于多传感器信息融合的煤矿带式输送机健康诊断方法运用Ｄ－Ｓ证据理论在处理冲突证据时失效的问题，提出了一种基于模糊证据理论的带式输送机健康诊断方法。该方法首先利用多种传感器采集带式输送机信息，并根据隶属度函数获取基本概率赋值，从而提取信息特征；然后通过对冲突证据进行修正并应用Ｄ－Ｓ证据理论的合成规则，实现基于模糊证据理论的信息融合；最后根据决策规则判断带式输送机运行状态。通过实例验证了该方法的有效性。关键词煤矿带式输送机；健康诊断；模糊证据理论；多传感器信息融合；Ｄ－Ｓ证据理论；基本概率赋值；冲突证据中图分类号ＴＤ６３４．１文献标志码Ａ网络出版地址ｈｔｔｐ／／ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／３２．１６２７．ＴＰ．２０１９０１２４．１４５４．００４．ｈｔｍｌＨｅａｌｔｈｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒＱＩＲｕｉｍｉｎ１，ＷＡＮＧＸｉｎ２（１．ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＩｎｄｕｓｔｒｉａｌＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｇｚｈｏｕ４５１１５０，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＰｈｙｓｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｅｎａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｊｉａｏｚｕｏ４５４０００，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＩｎｖｉｅｗｏｆｐｒｏｂｌｅｍｏｆｉｎｖａｌｉｄａｔｉｏｎｉｎｄｅａｌｉｎｇｗｉｔｈｃｏｎｆｌｉｃｔｉｎｇｅｖｉｄｅｎｃｅｏｆＤ－Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙｕｓｅｄｉｎｈｅａｌｔｈｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒｂａｓｅｄｏｎｍｕｌｔｉ－ｓｅｎｓｏｒｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ，ａｈｅａｌｔｈｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒｂａｓｅｄｏｎｆｕｚｚｙｅｖｉｄｅｎｃｅｔｈｅｏｒｙｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｉｎｆｏｒｍａｔｉｏｎｏｆｂｅｌｔｃｏｎｖｅｙｏｒａｒｅｃｏｌｌｅｃｔｅｄｂｙｕｓｅｏｆｍｕｌｔｉ－ｓｅｎｓｏｒ，ａｎｄｂａｓｉｃｐｒｏｂａｂｉｌｉｔｙａｓｓｉｇｎｍｅｎｔｓａｒｅｏｂｔａｉｎｅｄａｃｃｏｒｄｉｎｇｔｏｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎ，ｓｏａｓｔｏｅｘｔｒａｃｔｉｎｆｏｒｍａｔｉｏｎｆｅａｔｕｒｅ．ＴｈｅｎｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｂａｓｅｄｏｎｆｕｚｚｙｅｖｉｄｅｎｃｅｔｈｅｏｒｙｉｓｒｅａｌｉｚｅｄｂｙｍｏｄｉｆｙｉｎｇｃｏｎｆｌｉｃｔｉｎｇｅｖｉｄｅｎｃｅａｎｄａｐｐｌｙｉｎｇｓｙｎｔｈｅｓｉｓｒｕｌｅｏｆＤ－Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙ．Ｆｉｎａｌｌｙ，ｒｕｎｎｉｎｇｓｔａｔｅｏｆｂｅｌｔｃｏｎｖｅｙｏｒｉｓｊｕｄｇｅｄａｃｃｏｒｄｉｎｇｔｏｄｅｃｉｓｉｏｎｒｕｌｅ．Ｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｍｅｔｈｏｄｉｓｖｅｒｉｆｉｅｄｂｙａｎｅｘａｍｐｌｅ．Ｋｅｙｗｏｒｄｓｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒ；ｈｅａｌｔｈｄｉａｇｎｏｓｉｓ；ｆｕｚｚｙｅｖｉｄｅｎｃｅｔｈｅｏｒｙ；ｍｕｌｔｉ－ｓｅｎｓｏｒｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ；Ｄ－Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙ；ｂａｓｉｃｐｒｏｂａｂｉｌｉｔｙａｓｓｉｇｎｍｅｎｔ；ｃｏｎｆｌｉｃｔｉｎｇｅｖｉｄｅｎｃｅ收稿日期２０１８－０８－０６；修回日期２０１９－０１－１８；责任编辑盛男。基金项目河南省科技攻关项目（１４２１０２２１００４８）。作者简介祁瑞敏（１９８４－），女，河南开封人，讲师，硕士，主要研究方向为智能控制与信息处理技术，Ｅ－ｍａｉｌｑｒｍ２００７＠１２６．ｃｏｍ。引用格式祁瑞敏，王新．煤矿带式输送机健康诊断方法［Ｊ］．工矿自动化，２０１９，４５（２）７５－７８．ＱＩＲｕｉｍｉｎ，ＷＡＮＧＸｉｎ．Ｈｅａｌｔｈｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒ［Ｊ］．ＩｎｄｕｓｔｒｙａｎｄＭｉｎｅＡｕｔｏｍａｔｉｏｎ，２０１９，４５（２）７５－７８．０引言带式输送机具有自动化程度高和运输量大等特点，目前已成为应用最广泛、最重要的煤炭运输设备［１］。带式输送机运行环境恶劣、距离长，会出现火灾、超温、打滑、纵向撕裂、断带等故障，对煤矿安全生产造成很大影响［２］。因此，对煤矿带式输送机进行健康诊断尤为重要。目前，多传感器信息融合技术在带式输送机健康诊断中得到广泛应用，通过对来自多个传感器的信息进行多级别、多方面的处理，可使信息在准确性、可靠性及完备性等方面比单一传感器有明显提高，获得对带式输送机运行状态的最佳评估［３］。文献［４－５］利用Ｄ－Ｓ证据理论将多个传感器采集的信息进行融合，并根据判断规则对带式输送机运行状态进行判断，但未考虑当某个传感器出现异常时提供的信息与其他传感器提供的信息出现冲突，导致Ｄ－Ｓ证据理论失效的问题。鉴此，笔者提出了一种基于模糊证据理论的带式输送机健康诊断方法，可降低冲突证据对诊断结果的影响，提高带式输送机健康诊断的准确性。１方法原理煤矿带式输送机健康诊断方法流程如图１所示。首先利用烟雾传感器、温度传感器、速度传感器、压力传感器、霍尔传感器分别采集带式输送机烟雾浓度、温度、转速、压力及张力信号，再进行特征提取，即根据隶属度函数获取对应的基本概率赋值；然后利用基于模糊证据理论的信息融合算法对冲突证据进行修正后实现信息融合；最后根据决策规则进行带式输送机健康诊断。图１煤矿带式输送机健康诊断方法流程Ｆｉｇ．１Ｆｌｏｗｏｆｈｅａｌｔｈｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｃｏａｌｍｉｎｅｂｅｌｔｃｏｎｖｅｙｏｒ１．１特征提取模糊理论的基本思想是将普通集合中的绝对隶属关系数字化，使元素对集合的隶属度从原来只能取｛０，１｝中的值扩充到可取［０，１］区间的任意数，用于对传感器所获信息进行不确定描述［６］。假设在论域Ｕ中的模糊子集Ｍ是以隶属度函数μＭ为表征的集合，即由映射μＭＵ∈［０，１］确定论域Ｕ的模糊子集Ｍ［７－８］。根据模糊理论，带式输送机健康状态和非健康状态这２种不确定状态可由隶属度函数表示［９－１０］。带式输送机健康状态的隶属度函数 μ１＝１ｘ≤ｄ１ｄ２－ｘｄ２－ｄ１ｄ１＜ｘ＜ｄ２０ｘ≥ｄ烅烄烆２（１）带式输送机非健康状态的隶属度函数 μ２＝０ｘ≤ｄ１ｘ－ｄ１ｄ２－ｄ１ｄ１＜ｘ＜ｄ２１ｘ≥ｄ烅烄烆２（２）式中ｘ为传感器测量值；ｄ１，ｄ２分别为带式输送机处于健康状态、非健康状态的临界值。设带式输送机识别框架为Θ＝Ｏ１，Ｏ｛｝２，Ｏ１，Ｏ２为识别目标，其中Ｏ１表示健康状态，Ｏ２表示非健康状态。利用隶属度函数可确定第ｉ（ｉ＝１，２，，ｎ，ｎ为传感器数量）个传感器对健康状态的支持度，用基本概率赋值ｍｉ（Ｏ１）表示ｍｉ（Ｏ１）＝μ１（３）第ｉ个传感器对非健康状态的支持度可用基本概率赋值ｍｉ（Ｏ２）表示ｍｉ（Ｏ２）＝μ２（４）第ｉ个传感器对目标的不确定性（既不支持健康状态，也不支持非健康状态）可用基本概率赋值ｍｉ（Θ ）表示［９］ｍｉ（Θ）＝１－ｍｉ（Ｏ１）－ｍｉ（Ｏ２）（５）１．２基于模糊证据理论的信息融合由ｎ个传感器提供ｎ组基本概率赋值，即可得到ｎ个证据Ｅ１，Ｅ２，，Ｅｎ。基于模糊证据理论的信息融合具体步骤（１）计算证据间的冲突因子ｋｐｑ（表示证据之间的差异性）［１０－１１］ｋｐｑ＝ｍｐ（Ｏ１）ｍｑ（Ｏ２）＋ｍｐ（Ｏ２）ｍｑ（Ｏ１）ｐ，ｑ＝１，２，，ｎ，ｐ≠ｑ（６）则ｎ个证据的冲突矩阵为Ｃ＝０ｋ１２ｋ１ｎｋ２１０ｋ２ｎ  ｋｎ１ｋｎ２熿燀燄燅０ｎｎ（７）（２）计算证据间的相似度（表示证据之间的相似性）ｄｐｑ＝１－ｋｐｑ（８）则ｎ个证据的相似矩阵［１２－１３］为Ｓ＝１ｄ１２ｄ１ｎｄ２１１ｄ２ｎ  ｄｎ１ｄｎ２熿燀燄燅１ｎｎ（９）（３）计算各证据的信任度系数（表示某证据被其他证据支持的程度）ｓｕｐ（Ｅｉ）＝ ∑ ｎｐ，ｑ＝１，ｐ≠ｑｄｐｑ（１０）（４）计算各证据的权重（即对信任度系数进行归一化处理）［１０］６７工矿自动化２０１９年第４５卷ｗｉ＝ｃｒｄ（Ｅｉ）＝ｓｕｐ（Ｅｉ） ∑ ｎｐ，ｑ＝１，ｐ≠ｑｓｕｐ（Ｅｉ）（１１）（５）计算各证据的信息熵（即对证据包含的信息量或不确定性的度量）Ｈｉ＝－ｗｉｌｎｗｉ（１２）（６）比较各证据信息熵，判断信息熵最小的证据为冲突证据，并对冲突证据进行修正ｍ＊ｑ（Ｏｊ）＝αｉｍｑ（Ｏｊ）ｍ＊ｑ（ Θ）＝αｉｍｑ（Θ）＋１－α 烅烄烆ｉｊ＝１，２（１３）式中 αｉ为修正系数，αｉ＝ＨｍｉｎＨｍａｘ，Ｈｍｉｎ，Ｈｍａｘ分别为证据信息熵最小值和最大值；ｍ＊ｑ（Ｏｊ），ｍ＊ｑ（ Θ）为修正后的基本概率赋值。（７）利用Ｄ－Ｓ证据理论合成规则进行信息融合［１４］ｍＯ（）ｊ＝ｍｐＯ（）ｊｍ＊ｑＯ（）ｊ＋ｍｐＯ（）ｊｍ＊ｑ（）Θ １－ｋ′ｐｑＯｊ≠φ ０Ｏｊ＝烅烄烆φ （１４）式中ｍＯ（）ｊ为融合后获取的基本概率赋值（即多传感器对带式输送机健康状态或非健康状态的支持度）；ｋ ′ ｐｑ为修正后证据间的冲突因子，ｋ′ｐｑ＝ｍｐ（Ｏ１）ｍ＊ｑ（Ｏ２）＋ｍｐ（Ｏ２）ｍ＊ｑ（Ｏ１）； φ为空集，不属于识别框架。若ｋ′ ｐｑ≠１，表示证据间相互支持，可运用合成规则进行信息融合；若ｋ′ ｐｑ＝１，表示证据间出现冲突，导致合成规则失效，不能直接运用合成规则进行信息融合。１．３决策规则若Ｏ１，Ｏ２满足式（１５）中的条件［１５］，则Ｏ１为诊断结果，否则为不确定状态，即诊断不出健康状态还是非健康状态。ｍ（Ｏ１）－ｍ（Ｏ２）＞ε１ｍ（Θ）＜ε２ｍ（Ｏ１）＞ｍ（Θ 烅烄烆）（１５）式中ε １，ε２为预先设定的门限，本文取ε１＝０．７５， ε２＝０．２。２实例分析烟雾传感器、温度传感器、速度传感器、测力传感器、霍尔传感器所测信号Ｓ１Ｓ５组成向量Ｓ＝（Ｓ１Ｓ２Ｓ３Ｓ４Ｓ５），隶属度函数参数取值见表１。由某时刻现场传感器测量值得Ｓ＝（２３３９２．２２．３２２．１８），根据式（１）式（５）得出测量值相应的基本概率赋值，见表２。表１隶属度函数参数取值Ｔａｂｌｅ１Ｖａｌｕｅｏｆｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎｐａｒａｍｅｔｅｒ信号类型ｄ１ｄ２烟雾浓度／（ｍｇｍ－３）２０４０温度／℃ ３０４０转速／（ｍｓ－１）２３压力／Ｐａ２．２５３张力／ｋＮ２３表２基本概率赋值Ｔａｂｌｅ２Ｂａｓｉｃｐｒｏｂａｂｉｌｉｔｙａｓｓｉｇｎｍｅｎｔ信号ｍｉ（Ｏ１）ｍｉ（Ｏ２）ｍｉ（Θ）Ｓ１０．７２２５０．０２２５０．２５５０Ｓ２０．０１０００．８１０００．１８００Ｓ３０．６４０００．０４０００．３２００Ｓ４０．８２２１０．００８７０．１６９２Ｓ５０．６７２４０．０３２４０．２９５２从表２可看出，大多数传感器所提供的信息都支持健康状态，除霍尔传感器所提供的信息不确定性较大外，只有温度传感器提供的信息支持非健康状态，说明该传感器所提供的信息与其他传感器所提供的信息出现冲突，可能是由于巷道内环境使温度传感器信号受到干扰，但其仍包含有用信息。通过基于模糊证据理论的信息融合算法可得ｍ（Ｏ１）＝０．９７７７，ｍ（Ｏ２）＝０．０１３１，ｍ（Θ）＝０．００９２，且满足ｍ（Ｏ１）－ｍ（Ｏ２）＝０．９６４６＞ε１ｍ（Θ）＝０．００９２＜ε２ｍ（Ｏ１）＞ｍ（Θ 烅烄烆），根据决策规则，可判断带式输送机处于健康状态，该诊断结果与大多数传感器所提供信息的支持度一致。３结语煤矿带式输送机健康诊断方法首先通过多种传感器实时采集带式输送机信息，并对信息进行特征提取，即根据隶属度函数获取基本概率赋值；然后通过对冲突证据进行修正并应用Ｄ－Ｓ证据理论的合成规则实现基于模糊证据理论的信息融合；最后根据决策规则进行带式输送机健康诊断。实例分析表明，该方法可准确诊断带式输送机状态。参考文献（Ｒｅｆｅｒｅｎｃｅｓ）［１］黄民，魏任之．矿用钢绳芯带式输送机实时工况监测与故障诊断技术［Ｊ］．煤炭学报，２００５，３０（２）２４５－２５０．７７２０１９年第２期祁瑞敏等煤矿带式输送机健康诊断方法ＨＵＡＮＧＭｉｎ，ＷＥＩＲｅｎｚｈｉ．Ｒｅａｌｔｉｍｅｍｏｎｉｔｏｒｉｎｇｔｅｃｈｎｉｑｕｅｓａｎｄｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｍｉｎｉｎｇｓｔｅｅｌｃｏｒｄｂｅｌｔｃｏｎｖｅｙｏｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２００５，３０（２）２４５－２５０．［２］王金华．井下带式输送机煤流控制系统现状及发展趋势［Ｊ］．工矿自动化，２０１５，４１（３）３２－３４．ＷＡＮＧＪｉｎｈｕａ．Ｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎａｎｄｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｃｏａｌｆｌｏｗｃｏｎｔｒｏｌｓｙｓｔｅｍｏｆｂｅｌｔｃｏｎｖｅｙｏｒ［Ｊ］．ＩｎｄｕｓｔｒｙａｎｄＭｉｎｅＡｕｔｏｍａｔｉｏｎ，２０１５，４１（３）３２－３４．［３］徐琰珂，梁晓庚，贾晓洪．利用模糊证据理论的信息融合方法及其应用［Ｊ］．哈尔滨工业大学学报，２０１２，４４（３）１０７－１１１．ＸＵＹａｎｋｅ，ＬＩＡＮＧＸｉａｏｇｅｎｇ，ＪＩＡＸｉａｏｈｏｎｇ．Ｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｂａｓｅｄｏｎｆｕｚｚｙｅｖｉｄｅｎｃｅｔｈｅｏｒｙａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，２０１２，４４（３）１０７－１１１．［４］任海东．基于Ｄ－Ｓ证据理论的带式输送机故障诊断［Ｊ］．煤炭技术，２０１７，３６（１１）２７３－２７５．ＲＥＮＨａｉｄｏｎｇ．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｂｅｌｔｃｏｎｖｅｙｏｒｂａｓｅｄｏｎＤ－Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙ［Ｊ］．ＣｏａｌＴｅｃｈｎｏｌｏｇｙ，２０１７，３６（１１）２７３－２７５．［５］吴定会，王莉，纪志成．信息融合在带式输送机故障诊断中的应用［Ｊ］．控制工程，２０１４，２１（４）４８３－４８６．ＷＵＤｉｎｇｈｕｉ，ＷＡＮＧＬｉ，ＪＩＺｈｉｃｈｅｎｇ．Ａｐｐｌｉｃａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｙｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｂｅｌｔｃｏｎｖｅｙｏｒ［Ｊ］．ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇｏｆＣｈｉｎａ，２０１４，２１（４）４８３－４８６．［６］胡伟，李欧．模糊信息融合在带式输送机故障诊断中的应用［Ｊ］．工矿自动化，２０１３，３９（５）４８－５１．ＨＵＷｅｉ，ＬＩＯｕ．Ａｐｐｌｉｃａｔｉｏｎｏｆｆｕｚｚｙｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｉｎｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｂｅｌｔｃｏｎｖｅｙｏｒ［Ｊ］．ＩｎｄｕｓｔｒｙａｎｄＭｉｎｅＡｕｔｏｍａｔｉｏｎ，２０１３，３９（５）４８－５１．［７］杨棉绒，张鑫．多传感器模糊信息融合算法在煤矿瓦斯监测中的应用［Ｊ］．煤炭技术，２０１３，３２（７）１３２－１３３．ＹＡＮＧＭｉａｎｒｏｎｇ，ＺＨＡＮＧＸｉｎ．Ａｐｐｌｉｃａｔｉｏｎｏｆｍｕｌｔｉｓｅｎｓｏｒｆｕｚｚｙｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｉｎｃｏａｌｍｉｎｅｇａｓｍｏｎｉｔｏｒｉｎｇ［Ｊ］．ＣｏａｌＴｅｃｈｎｏｌｏｇｙ，２０１３，３２（７）１３２－１３３．［８］韩峰，杨万海，袁晓光．基于模糊集合的证据理论信息融合方法［Ｊ］．控制与决策，２０１０，２５（３）４４９－４５２．ＨＡＮＦｅｎｇ，ＹＡＮＧＷａｎｈａｉ，ＹＵＡＮＸｉａｏｇｕａｎｇ．Ｅｖｉｄｅｎｃｅｔｈｅｏｒｙｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｆｕｚｚｙｓｅｔ［Ｊ］．ＣｏｎｔｒｏｌａｎｄＤｅｃｉｓｉｏｎ，２０１０，２５（３）４４９－４５２．［９］王新，马庆林．一种新型的基本概率赋值分配函数获取方法及其应用［Ｃ］／／第２９届中国控制会议，北京，２０１０４０３７－４０４０．［１０］胡海亮，钟求喜，刘浏．基于迭代合成的Ｄ－Ｓ证据理论改进方法［Ｊ］．计算机应用研究，２０１６，３３（１０）２９８５－２９８７．ＨＵＨａｉｌｉａｎｇ，ＺＨＯＮＧＱｉｕｘｉ，ＬＩＵＬｉｕ．ＩｍｐｒｏｖｅｄｍｅｔｈｏｄｔｏＤ－Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙｂａｓｅｄｏｎｉｔｅｒａｔｉｖｅｓｙｎｔｈｅｓｉｓ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，２０１６，３３（１０）２９８５－２９８７．［１１］ＪＯＵＳＳＥＬＭＥＡＬ，ＭＡＵＰＩＮＰ．Ｄｉｓｔａｎｃｅｓｉｎｅｖｉｄｅｎｃｅｔｈｅｏｒｙｃｏｍｐｒｅｈｅｎｓｉｖｅｓｕｒｖｅｙａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｒｏｘｉｍａｔｅＲｅａｓｏｎｉｎｇ，２０１２，５３（２）１１８－１４５．［１２］刘兵，李辉，邢刚．基于加权证据理论的模糊信息融合目标识别［Ｊ］．计算机工程，２０１２，３８（１５）１７２－１７４．ＬＩＵＢｉｎｇ，ＬＩＨｕｉ，ＸＩＮＧＧａｎｇ．Ｆｕｚｚｙｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｔａｒｇｅｔｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｗｅｉｇｈｔｅｄｅｖｉｄｅｎｃｅｔｈｅｏｒｙ［Ｊ］．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，２０１２，３８（１５）１７２－１７４．［１３］田鹤，韩刚．信息融合技术在带式输送机故障诊断中的应用［Ｊ］．矿山机械，２０１１，３９（３）４７－５０．ＴＩＡＮＨｅ，ＨＡＮＧａｎｇ．Ａｐｐｌｉｃａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｔｅｃｈｎｏｌｏｇｙｔｏｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｂｅｌｔｃｏｎｖｅｙｏｒｓ［Ｊ］．ＭｉｎｉｎｇａｎｄＰｒｏｃｅｓｓｉｎｇＥｑｕｉｐｍｅｎｔ，２０１１，３９（３）４７－５０．［１４］璩晶磊，李少波，张成龙．基于模糊证据理论的多传感器数据融合算法［Ｊ］．仪表技术与传感器，２０１７（１０）１１８－１２２．ＱＵＪｉｎｇｌｅｉ，ＬＩＳｈａｏｂｏ，ＺＨＡＮＧＣｈｅｎｇｌｏｎｇ．Ｍｕｌｔｉ－ｓｅｎｓｏｒｄａｔａｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｕｚｚｙｅｖｉｄｅｎｃｅｔｈｅｏｒｙ［Ｊ］．ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒ，２０１７（１０）１１８－１２２．［１５］张国栋，祁瑞敏．基于信息融合的煤矿绞车健康诊断系统设计［Ｊ］．工矿自动化，２０１７，４３（６）７６－７９．ＺＨＡＮＧＧｕｏｄｏｎｇ，ＱＩＲｕｉｍｉｎ．Ｄｅｓｉｇｎｏｆｈｅａｌｔｈｄｉａｇｎｏｓｉｓｓｙｓｔｅｍｏｆｃｏａｌｍｉｎｅｗｉｎｃｈｂａｓｅｄｏｎｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎ［Ｊ］．ＩｎｄｕｓｔｒｙａｎｄＭｉｎｅＡｕｔｏｍａｔｉｏｎ，２０１７，４３（６）７６－７９．８７工矿自动化２０１９年第４５卷