基于改进证据融合的高可靠产品可靠性评估方法

doi:10.11772/j.issn.1001-9081.2022060867

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (7): 2140-2146.DOI: 10.11772/j.issn.1001-9081.2022060867

所属专题：人工智能

基于改进证据融合的高可靠产品可靠性评估方法

王思蕊, 程世娟(), 袁非梦

西南交通大学数学学院，成都 611756

收稿日期:2022-06-16 修回日期:2022-09-24 接受日期:2022-09-26 发布日期:2022-10-08 出版日期:2023-07-10
通讯作者: 程世娟
作者简介:王思蕊（1998—），女，四川绵阳人，硕士研究生，主要研究方向：可靠性理论与工程、信息融合；
程世娟（1973—），女，山东临沂人，副教授，博士，主要研究方向：可靠性理论与工程、信息融合；
袁非梦（1998—），女，河南新乡人，硕士研究生，主要研究方向：可靠性理论与工程、信息融合。
基金资助:
教育部人文社会科学研究规划基金资助项目(20XJAZH009)

Reliability evaluation method of high-reliability products based on improved evidence fusion

Sirui WANG, Shijuan CHENG(), Feimeng YUAN

School of Mathematics，Southwest Jiaotong University，Chengdu Sichuan 611756，China

Received:2022-06-16 Revised:2022-09-24 Accepted:2022-09-26 Online:2022-10-08 Published:2023-07-10
Contact: Shijuan CHENG
About author:WANG Sirui， born in 1998， M. S. candidate. Her research interests include reliability theory and engineering， information fusion.
CHENG Shijuan， born in 1973， Ph. D.， associate professor. Her research interests include reliability theory and engineering， information fusion.
YUAN Feimeng， born in 1998， M. S. candidate. Her research interests include reliability theory and engineering， information fusion.
Supported by:
Humanities and Social Science Research Foundation of Ministry of Education(20XJAZH009)

摘要/Abstract

摘要：

对许多高可靠、高价值的产品进行可靠性评估时，常由于客观试验数据缺乏导致无法对产品可靠性进行准确评估。针对这个问题，为充分利用不同来源的可靠性信息，提出一种基于改进证据融合的高可靠产品可靠性评估方法。首先，结合可靠性工程特点，分别由各证据在信度层、决策层的一致性以及证据自身的不确定度来确定证据修正权重；其次，基于博弈论原理对各权重向量进行线性组合，从而得到最优综合权重；最后，利用Dempster组合规则融合修正后的证据，并通过Pignistic概率转化公式得到产品可靠性指标的概率分布，以完成产品可靠性评估。某电子设备的可靠度评估结果显示，所提方法相较于同样考虑多维权重修正的Jiang组合方法和Yang组合方法，赋予冲突区间的信度分别减小了69.6%、54.6%，赋予整个识别框架的信度分别减小了5.6%、3.7%。因此，在可靠性工程应用中，所提方法化解证据冲突、降低融合结果不确定性的表现优于对比方法，能够有效融合多源可靠性信息，提高产品可靠性评估结果可信度。

关键词: D-S证据理论, 信息融合, 修正权重, 博弈论, 可靠性评估

Abstract:

In the reliability evaluation of many high-reliability and high-value products， product reliability often cannot be accurately evaluated due to the lack of objective test data. Aiming at this problem， a reliability evaluation method for high-reliability products based on improved evidence fusion was proposed in order to make full use of reliability information from different sources. Firstly， combining the characteristics of reliability engineering， the modified weight of each evidence was determined by the consistency of the evidence at credal level， pignistic level and the uncertainty of the evidence itself. Secondly， the optimal comprehensive weight was obtained by linear combination of each weight vector based on game theory. Finally， the Dempster’s combination rule was used to fuse the modified evidence， and the probability distribution of the product reliability index was obtained through the Pignistic probability transformation formula to complete the product reliability evaluation. The reliability evaluation results of one electronic device show that compared with the results of Jiang’s combination method and Yang’s combination method， which also consider multi-dimensional weight modification， the credibility of the conflict interval given by the proposed method is reduced by 69.6% and 54.6% respectively， and the credibility of the overall frame of discrimination given by the proposed method is reduced by 5.6% and 3.7% respectively. Therefore， in the application of reliability engineering， the performance of the proposed method in solving evidence conflict and reducing the uncertainty of fusion results is better than that of the comparison methods， and this method can fuse multi-source reliability information effectively and improve the credibility of the results of product reliability evaluation.

Key words: Dempster-Shafer (D-S) evidence theory, information fusion, modified weight, game theory, reliability evaluation

中图分类号:

TP391.1

王思蕊, 程世娟, 袁非梦. 基于改进证据融合的高可靠产品可靠性评估方法[J]. 计算机应用, 2023, 43(7): 2140-2146.

Sirui WANG, Shijuan CHENG, Feimeng YUAN. Reliability evaluation method of high-reliability products based on improved evidence fusion[J]. Journal of Computer Applications, 2023, 43(7): 2140-2146.

图/表 8

图1 改进证据融合流程

Fig. 1 Improved evidence fusion process

图2 置信区间转换的可靠度概率密度

Fig. 2 Probability density of reliability transformed by confidence interval

图3 基于改进证据融合的可靠性评估流程

Fig. 3 Reliability evaluation flowchart based on improved evidence fusion

表1 基于信度层证据一致性确定的相似性权重

Tab. 1 Similarity weights defined based on consistency of evidence at credal level

$m i$	$d i j i ≠ j$	$d i$	$s u p m i$	$w a i$
$m 1$	$d 12 = 0.856 6, d 13 = 0.496 9, d 14 = 0.560 6$	1.914 1	0.978 4	0.265 6
$m 2$	$d 21 = 0.856 6, d 23 = 0.833 3, d 24 = 0.838 1$	2.528 0	0.740 8	0.201 1
$m 3$	$d 31 = 0.496 9, d 32 = 0.833 3, d 34 = 0.542 6$	1.872 8	1.000 0	0.271 4
$m 4$	$d 41 = 0.560 6, d 42 = 0.838 1, d 43 = 0.542 6$	1.941 3	0.964 7	0.261 9

表1 基于信度层证据一致性确定的相似性权重

Tab. 1 Similarity weights defined based on consistency of evidence at credal level

$m i$	$d i j i ≠ j$	$d i$	$s u p m i$	$w a i$
$m 1$	$d 12 = 0.856 6, d 13 = 0.496 9, d 14 = 0.560 6$	1.914 1	0.978 4	0.265 6
$m 2$	$d 21 = 0.856 6, d 23 = 0.833 3, d 24 = 0.838 1$	2.528 0	0.740 8	0.201 1
$m 3$	$d 31 = 0.496 9, d 32 = 0.833 3, d 34 = 0.542 6$	1.872 8	1.000 0	0.271 4
$m 4$	$d 41 = 0.560 6, d 42 = 0.838 1, d 43 = 0.542 6$	1.941 3	0.964 7	0.261 9

表2 基于决策层证据一致性确定的相似性权重

Tab. 2 Similarity weights defined based on consistency of evidence at pignistic level

$m i$	$S i m i j i ≠ j$	$S u p m i$	$w b i$
$m 1$	$S i m 12 = 0.028 6, S i m 13 = 0.941 7, S i m 14 = 0.596 8$	1.561 7	0.357 3
$m 2$	$S i m 21 = 0.028 6, S i m 23 = 0.045 3, S i m 24 = 0.000 1$	0.074 0	0.016 9
$m 3$	$S i m 31 = 0.596 8, S i m 32 = 0.045 3, S i m 34 = 0.580 4$	1.567 4	0.357 4
$m 4$	$S i m 41 = 0.596 8, S i m 42 = 0.000 1, S i m 43 = 0.580 4$	1.177 3	0.268 4

表2 基于决策层证据一致性确定的相似性权重

Tab. 2 Similarity weights defined based on consistency of evidence at pignistic level

$m i$	$S i m i j i ≠ j$	$S u p m i$	$w b i$
$m 1$	$S i m 12 = 0.028 6, S i m 13 = 0.941 7, S i m 14 = 0.596 8$	1.561 7	0.357 3
$m 2$	$S i m 21 = 0.028 6, S i m 23 = 0.045 3, S i m 24 = 0.000 1$	0.074 0	0.016 9
$m 3$	$S i m 31 = 0.596 8, S i m 32 = 0.045 3, S i m 34 = 0.580 4$	1.567 4	0.357 4
$m 4$	$S i m 41 = 0.596 8, S i m 42 = 0.000 1, S i m 43 = 0.580 4$	1.177 3	0.268 4

表3 基于证据不确定度确定的可靠性权重

Tab. 3 Reliability weights defined based on evidence uncertainty

$m i$	$E d i$	$w c i$	$m i$	$E d i$	$w c i$
$m 1$	1.537 8	0.288 5	$m 3$	1.250 9	0.354 7
$m 2$	2.875 0	0.154 3	$m 4$	2.191 8	0.202 4

表3 基于证据不确定度确定的可靠性权重

Tab. 3 Reliability weights defined based on evidence uncertainty

$m i$	$E d i$	$w c i$	$m i$	$E d i$	$w c i$
$m 1$	1.537 8	0.288 5	$m 3$	1.250 9	0.354 7
$m 2$	2.875 0	0.154 3	$m 4$	2.191 8	0.202 4

表4 不同方法融合后的BPA

Tab. 4 BPA after fusing by different methods

方法	各命题BPA
方法	m（ $[0.4,0.5]$ ）	m（ $[0.6,0.8]$ ）	m（ $[0.65,0.8]$ ）	m（ $[0.65,0.85]$ ）	m（ $[0.7,0.8]$ ）	m（ $[0,1]$ ）
传统D-S方法	0.076 9	0.028 9	0.124 9	0.041 7	0.717 8	0.009 8
基于信度层证据一致性修正	0.097 7	0.123 5	0.031 6	0.114 7	0.183 8	0.448 7
基于决策层证据一致性修正	0.006 3	0.166 9	0.061 1	0.149 6	0.207 5	0.408 6
基于证据不确定度修正	0.070 0	0.134 9	0.048 8	0.159 5	0.146 4	0.440 4
文献［12］方法	0.090 4	0.127 6	0.033 3	0.116 7	0.185 0	0.447 0
文献［22］方法	0.060 6	0.132 2	0.042 8	0.142 0	0.184 1	0.438 3
本文方法	0.027 5	0.155 5	0.055 8	0.151 3	0.187 8	0.422 1

表4 不同方法融合后的BPA

Tab. 4 BPA after fusing by different methods

方法	各命题BPA
方法	m（ $[0.4,0.5]$ ）	m（ $[0.6,0.8]$ ）	m（ $[0.65,0.8]$ ）	m（ $[0.65,0.85]$ ）	m（ $[0.7,0.8]$ ）	m（ $[0,1]$ ）
传统D-S方法	0.076 9	0.028 9	0.124 9	0.041 7	0.717 8	0.009 8
基于信度层证据一致性修正	0.097 7	0.123 5	0.031 6	0.114 7	0.183 8	0.448 7
基于决策层证据一致性修正	0.006 3	0.166 9	0.061 1	0.149 6	0.207 5	0.408 6
基于证据不确定度修正	0.070 0	0.134 9	0.048 8	0.159 5	0.146 4	0.440 4
文献［12］方法	0.090 4	0.127 6	0.033 3	0.116 7	0.185 0	0.447 0
文献［22］方法	0.060 6	0.132 2	0.042 8	0.142 0	0.184 1	0.438 3
本文方法	0.027 5	0.155 5	0.055 8	0.151 3	0.187 8	0.422 1

图4 不同方法所得产品可靠度概率分布曲线

Fig. 4 Probability distribution curves of reliability obtained by different methods

参考文献 25

1	王博，蒋平，郭波.基于多源信息融合的航天阀门可靠性评估［J］.兵工学报， 2022， 43（1）： 199-206. 10.3969/j.issn.1000-1093.2022.01.022
	WANG B， JIANG P， GUO B. Reliability evaluation of aerospace valves based on multi-source information fusion［J］. Acta Armamentarii， 2022， 43（1）： 199-206. 10.3969/j.issn.1000-1093.2022.01.022
2	唐莉，唐家银，程世娟.多源异构数据贝叶斯统计融合可靠性评估模型［J］.机械强度， 2022， 44（1）： 126-132. 10.16579/j.issn.1001.9669.2022.01.017
	TANG L， TANG J Y， CHENG S J. Bayesian statistical fusion reliability evaluation model of multi-source heterogeneous data［J］. Journal of Mechanical Strength， 2022， 44（1）： 126-132. 10.16579/j.issn.1001.9669.2022.01.017
3	邵松世，刘海涛，张志华.融合多源先验信息的舰船备件可靠性评估［J］.系统工程与电子技术， 2019， 41（12）： 2905-2910. 10.3969/j.issn.1001
	SHAO S S， LIU H T， ZHANG Z H. Reliability estimation for warship spares by fusing multi-source prior information［J］. Systems Engineering and Electronics， 2019， 41（12）： 2905-2910. 10.3969/j.issn.1001
4	郭宇，李海阳，周伟勇，等.基于证据融合的固体发动机贮存寿命评估方法［J］.固体火箭技术， 2021， 44（4）： 448-453. 10.7673/j.issn.1006
	GUO Y， LI H Y， ZHOU W Y， et al. Evaluation methods for storage life of solid rocket motor based on evidence fusion［J］. Journal of Solid Rocket Technology， 2021， 44（4）： 448-453. 10.7673/j.issn.1006
5	刘佳俊，胡昌华，周志杰，等.基于证据推理和置信规则库的装备寿命评估［J］.控制理论与应用， 2015， 32（2）： 231-238. 10.7641/CTA.2015.40406
	LIU J J， HU C H， ZHOU Z J， et al. Life assessment approach of equipment based on belief-rule-base and evidential reasoning［J］. Control Theory and Applications， 2015， 32（2）： 231-238. 10.7641/CTA.2015.40406
6	丁瑞，陆宁云，程月华，等.基于D-S证据理论的航天设备寿命预测方法［J］.中国空间科学技术， 2016， 36（4）： 58-66.
	DING R， LU N Y， CHENG Y H， et al. Lifetime prediction of aerospace equipment based on D-S evidence theory［J］. Chinese Space Science and Technology， 2016， 36（4）： 58-66.
7	赵新超，吕卫民，金国富.基于性能退化与D-S证据理论的可靠性评估方法［J］.兵工自动化， 2019， 38（4）： 53-56， 83.
	ZHAO X C， LYU W M， JIN G F. Reliability evaluation method based on performance degradation and D-S evidence theory［J］. Ordnance Industry Automation， 2019， 38（4）： 53-56， 83.
8	SALLAK M， SCHÖN W， AGUIRRE F. Reliability assessment for multi-state system under uncertainties based on the Dempster-Shafer theory［J］. IIE Transactions， 2013， 45（9）： 995-1007. 10.1080/0740817x.2012.706378
9	孙锐.基于D-S证据理论的信息融合及在可靠性数据处理中的应用研究［D］.成都：电子科技大学， 2012： 43-75.
	SUN R. Research on D-S evidence theory based information fusion and its application in reliability data processing［D］. Chengdu： University of Electronic Science and Technology of China， 2012： 43-75.
10	YAGER R R. On the Dempster-Shafer framework and new combination rules［J］. Information Sciences， 1987， 41（2）： 93-137. 10.1016/0020-0255(87)90007-7
11	孙全，叶秀清，顾伟康.一种新的基于证据理论的合成公式［J］.电子学报， 2000， 28（8）： 117-119. 10.3321/j.issn:0372-2112.2000.08.036
	SUN Q， YE X Q， GU W K. A new combination rules of evidence theory［J］. Acta Electronica Sinica， 2000， 28（8）： 117-119. 10.3321/j.issn:0372-2112.2000.08.036
12	YANG Y X， PAN X， CUI Q D. An evidence combination rule based on transferable belief model and application in reliability assessment with multi-source data［J］. IEEE Access， 2020， 8： 69096-69104. 10.1109/access.2020.2985872
13	MURPHY C K. Combining belief functions when evidence conflicts［J］. Decision Support Systems， 2000， 29（1）： 1-9. 10.1016/s0167-9236(99)00084-6
14	CHEN L Z， SHI W K， DENG Y， et al. A new fusion approach based on distance of evidences［J］. Journal of Zhejiang University — SCIENCE A （Applied Physics & Engineering）， 2005， 6（5）： 476-482. 10.1631/jzus.2005.a0476
15	黄建招，谢建，李良，等.基于冲突系数和Pignistic概率距离的改进证据组合方法［J］.传感器与微系统， 2013， 32（9）： 21-24. 10.3969/j.issn.1000-9787.2013.09.006
	HUANG J Z， XIE J， LI L， et al. Improved combination method of evidence based on conflict coefficient and Pignistic probability distance［J］. Transducer and Microsystem Technologies， 2013， 32（9）： 21-24. 10.3969/j.issn.1000-9787.2013.09.006
16	汤潮，蒋雯，陈运东，等.新不确定度量下的冲突证据融合［J］.系统工程理论与实践， 2015， 35（9）： 2394-2400. 10.12011/1000-6788(2015)9-2394
	TANG C， JIANG W， CHEN Y D， et al. Conflicting evidence combination based on a new measure method of uncertainty［J］. Systems Engineering — Theory & Practice， 2015， 35（9）： 2394-2400. 10.12011/1000-6788(2015)9-2394
17	孟晨晨，肖建于. D-S证据组合规则下的修正系数的研究［J］.计算机工程与应用， 2016， 52（19）： 63-67， 200. 10.3778/j.issn.1002-8331.1603-0138
	MENG C C， XIAO J Y. Study on correction coefficient of D-S evidence combination rule［J］. Computer Engineering and Applications， 2016， 52（19）： 63-67， 200. 10.3778/j.issn.1002-8331.1603-0138
18	WANG Z， XIAO F Y. An improved multi-source data fusion method based on the belief entropy and divergence measure［J］. Entropy， 2019， 21（6）： No.611. 10.3390/e21060611
19	吕佳朋，史贤俊，秦玉峰.一种修正证据冲突的D-S改进算法［J］.电子测量技术， 2019， 42（19）： 96-100.
	LYU J P， SHI X J， QIN Y F. An improved D-S algorithm for correcting evidence conflicts［J］. Electronic Measurement Technology， 2019， 42（19）： 96-100.
20	徐孙庆，耿俊豹，魏曙寰，等.一种改进的D-S冲突证据合成方法［J］.火力与指挥控制， 2019， 44（10）： 84-88. 10.3969/j.issn.1002-0640.2019.10.017
	XU S Q， GENG J B， WEI S H， et al. An improved D-S conflicting evidence combination method［J］. Fire Control & Command Control， 2019， 44（10）： 84-88. 10.3969/j.issn.1002-0640.2019.10.017
21	李波.基于Pignistic相似度与改进DS证据理论的综合评估方法［J］.计算机应用研究， 2018， 35（12）： 3682-3684， 3688. 10.3969/j.issn.1001-3695.2018.12.036
	LI B. Synthesis assessment method based on Pignistic similarity and improved DS evidence theory［J］. Application Research of Computers， 2018， 35（12）： 3682-3684， 3688. 10.3969/j.issn.1001-3695.2018.12.036
22	蒋斌，梁小安，张亮，等.基于改进修正权重的证据组合方法［J］.计算机工程与应用， 2021， 57（24）： 100-106.
	JIANG B， LIANG X A， ZHANG L， et al. Evidence combination method based on improved modified weight［J］. Computer Engineering and Applications， 2021， 57（24）： 100-106.
23	SMETS P， KENNES R. The transferable belief model［J］. Artificial Intelligence， 1994， 66（2）： 191-234. 10.1016/0004-3702(94)90026-4
24	JOUSSELME A L， GRENIER D， BOSSÉ É. A new distance between two bodies of evidence［J］. Information Fusion， 2001， 2（2）： 91-101. 10.1016/s1566-2535(01)00026-4
25	DENG Y. Uncertainty measure in evidence theory［J］. Science China Information Sciences， 2020， 63（11）： No.210201. 10.1007/s11432-020-3006-9

[1]	王蕾, 程世娟, 韩雨. 基于时变Copula函数的多部件系统可靠性评估[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 953-959.
[2]	马国帅, 钱宇华, 张亚宇, 李俊霞, 刘郭庆. 动态异构信息融合的科研合作潜力预测[J]. 《计算机应用》唯一官方网站, 2023, 43(9): 2775-2783.
[3]	李豆豆, 李汪根, 夏义春, 束阳, 高坤. 基于特征交互与自适应融合的骨骼动作识别[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2581-2587.
[4]	王昱, 范子琳, 任田君, 姬晓飞. 不完备信息下基于切换推理证据网络的空中目标识别方法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1071-1078.
[5]	许蕴韬, 朱俊武, 孙彬文, 孙茂圣, 陈四海. 选举供应链：基于区块链的供应链自治框架[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1770-1775.
[6]	丁行硕, 李翔, 谢乾. 基于标签分层延深建模的企业画像构建方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1170-1177.
[7]	焦守龙, 段友祥, 孙歧峰, 庄子浩, 孙琛皓. 融合实体描述信息和邻居节点特征的知识表示学习方法[J]. 《计算机应用》唯一官方网站, 2022, 42(4): 1050-1056.
[8]	李昕, 贾韬. 基于组蛋白修饰数据预测基因差异性表达的深度融合模型[J]. 《计算机应用》唯一官方网站, 2022, 42(11): 3404-3412.
[9]	龚胜佳, 张琳琳, 赵楷, 刘军涛, 杨涵. 基于区块链技术的虚假新闻检测方法[J]. 《计算机应用》唯一官方网站, 2022, 42(11): 3458-3464.
[10]	张露, 刘家鹏, 田冬梅. 基于Stacking-Bagging-Vote多源信息融合模型的财务预警应用[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 280-286.
[11]	曹建芳, 田晓东, 贾一鸣, 闫敏敏. 改进DeepLabV3+模型在壁画分割中的应用[J]. 计算机应用, 2021, 41(5): 1471-1476.
[12]	王艺洁, 凡佳飞, 王陈宇. 云边环境下基于博弈论的两阶段任务迁移策略[J]. 计算机应用, 2021, 41(5): 1392-1398.
[13]	毛莺池, 徐雪松, 刘鹏飞. 基于稳定匹配的多用户任务卸载策略[J]. 计算机应用, 2021, 41(3): 786-793.
[14]	张舒瑶, 李勇华, 范家佳. 基于博弈论的散货港口堆场堆位分配算法[J]. 计算机应用, 2021, 41(3): 867-874.
[15]	雷鹰, 郑万波, 魏嵬, 夏云霓, 李晓波, 刘诚武, 谢洪. 基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3302-3308.

基于改进证据融合的高可靠产品可靠性评估方法

Reliability evaluation method of high-reliability products based on improved evidence fusion

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 25

相关文章 15

编辑推荐

Metrics