.png){kind=icon}
返回
Robust Nonlinear Transform Belief Rule Base Based on Double Fuzziness Processing
.png){kind=icon}
PRE
AI
DOI：10.1002/adts.70411.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
健康评估对于确保系统的安全性和稳定性至关重要。然而，由于存在诸多不确定性挑战，信念规则库模型的鲁棒性仍存在三个问题：首先，专家知识的模糊性影响评估结果的可靠性；其次，输入信息的模糊性增加了输入变换的不确定性；第三，衡量模糊性对鲁棒性影响的有效方法仍然缺乏。本文提出了一种鲁棒非线性变换BRB（RN-BRB）健康评估方法以解决这些问题。首先，通过参考值优化缓解了专家知识模糊性对输入的影响，提高了结果的可靠性。其次，引入非线性输入变换以确保输入变换的灵活性，在此基础上构建RN-BRB评估模型以进一步增强健康评估方法的鲁棒性。此外，调用鲁棒性度量以实现非线性输入变换方法下模型鲁棒性的度量，这有助于识别和改进模型的薄弱环节。最后，通过健康评估案例研究验证了RN-BRB模型的有效性和优越性。
Keyword:
belief rule base
fuzziness processing
health state assessment
nonlinear input
robustness
期刊
IF:
2.9
论文数:
592
被引数:
3.6K
机构
引用论文
A capacity model based on charging process for state of health estimation of lithium ion batteries基于充电过程的锂离子电池健康状态估计容量模型.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏A model for real-time failure prognosis based on hidden Markov model and belief rule base基于隐马尔可夫模型和置信规则库的实时故障预测模型
OAAI
OAAI分享收藏State-of-health (SOH) evaluation on lithium-ion battery by simulating the voltage relaxation curves通过模拟电压松弛曲线评估锂离子电池的健康状态 (SOH)ELECTROCHIMICA ACTA
ELECTROCHIMICA ACTAIF5.6
PREAI
分享收藏Composite Activation Belief Rule Base Model for Complex Systems Based on Multi-Dimensional Reduction基于多维约简的复杂系统复合激活信度规则库模型
PREAI
分享收藏
查看更多内容