MétaCan
Menu
Retour à la cohorte
Enregistrement W2010064657 · doi:10.4028/www.scientific.net/amm.16-19.1310

Fault Diagnosis of Engine Based on Improved Dempster-Shafer Information Fusion Method

2009· article· en· W2010064657 sur OpenAlexaff
Wei Zhou, Ying Ji Liu, Qing Fu Cao, Tian Xia Zhang

Notice bibliographique

RevueApplied Mechanics and Materials · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésCredibilityDempster–Shafer theoryInformation fusionFault (geology)Function (biology)FusionData miningSensor fusionArtificial intelligenceDegree (music)Computer scienceEngineeringMachine learningMathematics

Résumé

récupéré en direct d'OpenAlex

In order to enhance the accuracy of engine fault diagnosis, information fusion technology was applied and a novel combination method is proposed based on D-S evidence theory. The evidence groups were classified by evidence conflict coefficient, the importance of each highly conflict evidence was calculated, and the credibility of each evidence was determined with a distance function of evidence bodies. Then the weight value of each evidence was revised with its importance and credibility respectively. Finally, the Dempster combination rule was used to realize the information fusion. The effectiveness of the new approach proposed was verified by theoretical analysis and experiment research results. Comparing with D-S evidence theory and the improved synthesis formula, the new combination method is more efficient in improving the accuracy and the certainty degree of engine fault diagnosis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,206
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetFault Detection and Control SystemsTravaux en français237 207