一种证据合成方法、模块及多Agent诊断系统技术方案

本发明专利技术公开了一种证据合成方法、模块及多Agent诊断系统，所述证据合成方法包括，首先，计算证据集中每两个证据间的距离；根据所述每两个证据间的距离计算每两个证据间的相似度；根据每两个证据间的相似度计算每个证据的支持度；根据每个证据的支持度计算每个证据的可信度；然后，将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成，以解决证据的冲突问题，实现多源证据的有效合成。

【技术实现步骤摘要】
一种证据合成方法、模块及多Agent诊断系统
本专利技术涉及多Agent诊断领域，特别涉及一种证据合成方法、模块及多Agent诊断系统。
技术介绍
Dempster合成规则一直是困扰证据理论的一个重点和难点问题，这直接关系到证据理论的实用性。在多Agent并行诊断过程中，冲突的存在是必然的。对于高度冲突和完全冲突证据的合成，单一地否定冲突证据或者单一地否定冲突证据中的某一个，所得的合成结果都可能是不正确的。因此，如何在证据高度冲突和完全冲突的情况下实现多源证据的有效合成是一个迫切需要解决的问题，很多学者为此提出了许多不同的改进思想和方法。总的来说，这些方法可以分为两类：一类是认为Dempster合成规则没有问题，给出的证据需要修改，如Murphy方法；另一类是认为Dempster合成规则有问题，需要修改合成规则，如Yager方法，但是这些方法没有从根本上解决证据冲突问题，在一定程度上解决证据冲突问题的同时又带来了新的问题，无法实现多源证据的有效合成。
技术实现思路
本专利技术目的是为了实现多源证据的有效合成，提供一种证据合成方法、模块及多Agent诊断系统。为实现上述目的，本专利技术提供了如下方案：一种证据合成方法，所述证据合成方法包括如下步骤：获取证据集；计算证据集中每两个证据间的距离；根据每两个证据间的距离计算每两个证据间的相似度；根据每两个证据间的相似度计算每个证据的支持度；根据每个证据的支持度计算每个证据的可信度；将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成。可选的，所述计算证据集中每两个证据间的距离，具体步骤包括：利用公式(1)，计算每两个证据间的距离：其中，mi、mj为证据集中的两个证据,i,j＝1,2,…,n，i≠j，n为证据集中证据的数量；为证据mi中的基本可信度分配函数组成的向量；为证据mj中的基本可信度分配函数值组成的向量。可选的，所述根据每两个证据间的距离计算每两个证据间的相似度，具体步骤包括：根据每两个证据间的距离，利用公式(2)，计算每两个证据的相似度：Sim(mi,mj)＝1-d(mi,mj)(2)其中，mi、mj为证据集中的两个证据i,j＝1,2,…,n，i≠j，n为证据集中证据的数量，d(mi,mj)为证据mi和mj间的距离。可选的，所述根据每两个证据间的相似度计算每个证据的支持度，具体步骤包括：根据每两个证据间的相似度，利用公式(3)计算每个证据的支持度：其中，mi、mj为证据集中的两个证据i,j＝1,2,…,n，i≠j，n为证据集中证据的数量，Sim(mi,mj)为证据mi和mj间的相似度。可选的，所述根据每个证据的支持度计算每个证据的可信度，具体步骤包括：根据每个证据的支持度，利用公式(4)，计算每个证据的可信度：其中，mi为证据集中的证据i＝1,2,…,n，n为证据集中证据的数量，Sup(mi)为证据mi的支持度。一种证据合成模块，所述证据合成模块应用于所述证据合成方法，所述证据合成模块包括：证据集获取子模块，用于获取证据集；距离计算子模块，用于计算证据集中每两个证据间的距离；相似度计算子模块，用于根据所述每两个证据间的距离计算每两个证据间的相似度；支持度计算子模块，用于根据每两个证据间的相似度计算每个证据的支持度；可信度计算子模块，用于根据每个证据的支持度计算每个证据的可信度；证据合成子模块，用于将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成。一种多Agent诊断系统，所述多Agent诊断系统包括多个诊断Agent子系统、组长Agent子系统和知识库，所述多个诊断Agent子系统分别与组长Agent子系统连接，所述知识库分别与多个所述诊断Agent子系统和组长Agent子系统连接；所述知识库用于为多个所述诊断Agent子系统和组长Agent子系统提供证据和知识。每个所述诊断Agent子系统包括一个证据合成模块，所述诊断Agent子系统用于，确定故障源，得到初步诊断结果，并将诊断结果发送给组长Agent结构；所述组长Agent子系统包括证据合成模块，所述组长Agent子系统用于对多个Agent子系统发送的多个初步诊断结果进行融合，得到最终诊断结果。可选的，所述诊断Agent子系统包括还包括命令监测模块、证据获取模块、控制器、故障判定模块、通信模块和Agent模块；所述Agent模块分别与组长Agent子系统和所述通信模块连接，所述Agent模块用于接收所述组长Agent子系统发送的诊断命令，并将所述诊断命令发送给所述通信模块；所述通信模块与所述命令监测模块连接，所述通信模块用于将所述诊断命令发送给所述命令监测模块；所述命令监测模块与所述控制器连接，所述命令监测模块用于监测所述诊断命令，生成诊断任务，并将所述诊断任务发送给所述控制器；所述控制器还与所述证据获取模块，所述控制器用于根据所述诊断任务确定诊断活动，并将所述诊断活动发送给所述证据获取模块；所述证据获取模块还分别与知识库和诊断Agent子系统中的证据合成模块连接，所述证据获取模块用于根据所述诊断活动从所述知识库中提取证据集，并将所述证据集发送给所述诊断Agent子系统中的证据合成模块；所述诊断Agent子系统中的证据合成模块还与所述故障判定模块连接，所述诊断Agent子系统中的证据合成模块用于对所述证据集进行合成，获得合成结果，并将所述合成结果发送给所述故障判定模块连接；所述故障判定模块还分别与所述知识库和所述通信模块连接，所述故障判定模块用于根据所述合成结果和知识库知识定位故障源，获得最初诊断结果，并将所述最初诊断结果发送给所述通信模块；所述通信模块还用于将所述最初诊断结果发送给所述Agent模块；所述Agent模块还用于将所述最初诊断结果发送给所述组长Agent子系统。可选的，所述组长Agent子系统还包括事件监测模块、选择模块、一致性判断模块、BPA化模块、组长通信模块和组长Agent模块；所述组长Agent模块与所述组长通信模块连接，所述组长Agent模块用于产生主诊断任务，并将所述主诊断任务发送给组长通信模块；所述组长通信模块与所述事件监测模块连接，所述组长通信模块用于将所述主诊断任务发送给所述事件监测模块；所述事件监测模块与所述选择模块，所述事件监测模块用于根据所述主诊断任务生成主诊断活动，并将所述主诊断活动发送给所述选择模块；所述选择模块分别与所述知识库和所述组长通信模块连接，所述选择模块用于根据所述主诊断活动和知识库知识选择进行诊断的诊断Agent子系统，生成诊断命令，并将所述诊断命令发送给组长通信模块；所述组长通信模块还用于将所述诊断命令发送给所述组长Agent模块；所述组长Agent模块还分别与各诊断Agent子系统连接，所述组长Agent模块用于接收所述诊断命令，并将所述诊断命令发送给各诊断Agent子系统，所述组长Agent模块还用于接收各诊断Agent子系统发送的各最初诊断结果，并将各最初诊断结果发送给组长通信模块；所述组长通信模块还与所述一致性判断模块连接，所述组长通信模块还用于接收所述最初诊断结果，并将所述最初诊断结果发送给所述一致性判断模块；所述一致性判断模块与所述BP本文档来自技高网...

【技术保护点】
一种证据合成方法，其特征在于，所述证据合成方法包括如下步骤：获取证据集；计算证据集中每两个证据间的距离；根据每两个证据间的距离计算每两个证据间的相似度；根据每两个证据间的相似度计算每个证据的支持度；根据每个证据的支持度计算每个证据的可信度；将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成。

【技术特征摘要】
1.一种证据合成方法，其特征在于，所述证据合成方法包括如下步骤：获取证据集；计算证据集中每两个证据间的距离；根据每两个证据间的距离计算每两个证据间的相似度；根据每两个证据间的相似度计算每个证据的支持度；根据每个证据的支持度计算每个证据的可信度；将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成。2.根据权利要求1所述的证据合成方法，其特征在于，所述计算证据集中每两个证据间的距离，具体步骤包括：利用公式(1)，计算每两个证据间的距离d(mi,mj)：其中，mi、mj为证据集中的两个证据,i,j＝1,2,…,n，i≠j，n为证据集中证据的数量；为证据mi中的基本可信度分配函数组成的向量；为证据mj中的基本可信度分配函数值组成的向量。3.根据权利要求1所述的证据合成方法，其特征在于，所述根据每两个证据间的距离计算每两个证据间的相似度，具体步骤包括：根据每两个证据间的距离，利用公式(2)，计算每两个证据的相似度Sim(mi,mj)：Sim(mi,mj)＝1-d(mi,mj)(2)其中，mi、mj为证据集中的两个证据i,j＝1,2,…,n，i≠j，n为证据集中证据的数量，d(mi,mj)为证据mi和mj间的距离。4.根据权利要求1所述的证据合成方法，其特征在于，所述根据每两个证据间的相似度计算每个证据的支持度，具体步骤包括：根据每两个证据间的相似度，利用公式(3)，计算每个证据的支持度Sup(mi)：其中，mi、mj为证据集中的两个证据i,j＝1,2,…,n，i≠j，n为证据集中证据的数量，Sim(mi,mj)为证据mi和mj间的相似度。5.根据权利要求1所述的证据合成方法，其特征在于，所述根据每个证据的支持度计算每个证据的可信度，具体步骤包括：根据每个证据的支持度，利用公式(4)，计算每个证据的可信度：其中，mi为证据集中的证据i＝1,2,…,n，n为证据集中证据的数量，Sup(mi)为证据mi的支持度。6.一种证据合成模块，其特征在于，所述证据合成模块应用于权利要求1-5任意一项所述的证据合成方法，所述证据合成模块包括：证据集获取子模块，用于获取证据集；距离计算子模块，用于计算证据集中每两个证据间的距离；相似度计算子模块，用于根据所述每两个证据间的距离计算每两个证据间的相似度；支持度计算子模块，用于根据每两个证据间的相似度计算每个证据的支持度；可信度计算子模块，用于根据每个证据的支持度计算每个证据的可信度；证据合成子模块，用于将每个证据的可信度作为权重，对证据集中的证据的基本概率指派进行加权平均，对所述证据集中的证据进行合成。7.一种多Agent诊断系统，其特征在于，所述多Agent诊断系统包括多个诊断Agent子系统、组长Agent子系统和知识库，所述多个诊断Agent子系统分别与组长Agent子系统连接，所述知识库分别与多个所述诊断Agent子系统和组长Agent子系统连接；所述知识库用于为多个所述诊断Agent子系统和组长Agent子系统提供证据和知识；每个所述诊断Agent子系统包括一个权利要求6所述的证据合成模块，所述诊断Agent子系统用于，确定故障源，得到初步诊断结果，并将诊断结果发送给组长Agent结构；所述组长Agent子系统包括一个权利要求6所述的证据合成模块，所述组长Agent子系统用于对多个Agent子系统发送的多个初步诊断结果进行...

【专利技术属性】
技术研发人员：李鸣，段修生，杨青，付强，徐艳，赵喜，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：河北,13