基于信息融合燃燒穩(wěn)定性映射關(guān)系模型的研究

華北電力大學(xué)碩士學(xué)位論文摘要PAGE1摘要電站鍋爐燃燒是一個(gè)及其復(fù)雜的過(guò)程，燃燒穩(wěn)定性的影響因素眾多，本文根據(jù)煤粉著火穩(wěn)燃機(jī)理，對(duì)影響鍋爐燃燒穩(wěn)定性的因素進(jìn)行了分析。從信息融合的角度出發(fā)，利用解決不確定性問(wèn)題的有力方法D-S證據(jù)理論建立燃燒穩(wěn)定性評(píng)判模型，并結(jié)合現(xiàn)場(chǎng)的熱工測(cè)點(diǎn)，選取煤質(zhì)、負(fù)荷、負(fù)壓、煤粉濃度、火檢信號(hào)、一次風(fēng)溫、一次風(fēng)速、一次風(fēng)率作為D-S證據(jù)理論的證據(jù)體，利用模糊數(shù)學(xué)中的隸屬函數(shù)給出了各個(gè)證據(jù)的基本概率賦值。通過(guò)用現(xiàn)場(chǎng)72小時(shí)內(nèi)的運(yùn)行數(shù)據(jù)對(duì)評(píng)判模型進(jìn)行測(cè)評(píng)，測(cè)試結(jié)果表明，該模型能夠較準(zhǔn)確的對(duì)燃燒穩(wěn)定性進(jìn)行評(píng)判。關(guān)鍵詞：信息融合，證據(jù)理論，燃燒穩(wěn)定性ABSTRACTBoilercombustionisaverycomplexprocess.Therearemanyinfluencingfactorsincombustionstability.Accordingtocombustionmechanismofpulverized-coal,thispaperanalyzedthekeyfactorstotheboilercombustionstability.Inthispaperamethodofsolvinguncertaintyproblem—Dempster-Shaferevidencetheorywasappliedtocombustionstabilityjudgementmodelconstructionfromtheviewoftheinformationfusion.Takethelayoutofthermodynamicmeasuringpointsinthepowerplantintoconsideration,itchosecoal,load,furnacenegativepressure,thecoalpowder'sconcentration,flamedetectingsignal,primaryairtemperature,primaryairflowandprimaryairflowrateasevidencesofDempster-Shaferevidencetheory,andgavebasicprobabilityassignmentofeachevidencethroughmembershipfunctionoffuzzymathematics.Finally,themodelwastestedby72-hourdatafromthepowerplant.Theresultshowedthatthismodelcanjudgetheboilercombustionstabilityaccurately.LianQian(controltheoryandcontrolengineering)Directedbyviceprof.SuJieKEYWORDS:informationfusion，Dempster-Shaferevidencetheory,combustionstability華北電力大學(xué)碩士學(xué)位論文目錄 PAGEII目錄中文摘要英文摘要第一章緒論 11.1選題的背景和意義 11.2鍋爐燃燒優(yōu)化控制技術(shù)的研究現(xiàn)狀 21.2.1國(guó)外的燃燒優(yōu)化控制技術(shù) 21.2.2國(guó)內(nèi)的燃燒優(yōu)化控制技術(shù) 41.3信息融合技術(shù)的研究現(xiàn)狀 61.4本文主要的研究?jī)?nèi)容 6第二章 燃燒理論基礎(chǔ) 92.1煤粉的燃燒過(guò)程 92.2煤粉迅速而又安全燃燒的條件 102.3影響煤粉氣流著火與燃燒的因素 112.4本章小結(jié) 16第三章 信息融合技術(shù) 173.1信息融合的理論基礎(chǔ) 173.1.1信息融合的基本原理 173.1.2信息融合的級(jí)別 183.1.3信息融合的方法 183.2D-S證據(jù)理論 203.2.1證據(jù)理論的基本概念 203.2.2Dempster組合規(guī)則 223.2.3基于證據(jù)理論的決策 243.2.4D-S證據(jù)理論在信息融合中的基本應(yīng)用過(guò)程 253.2.5證據(jù)理論的優(yōu)缺點(diǎn) 253.3粗糙集理論基礎(chǔ) 263.3.1知識(shí)與知識(shí)庫(kù) 273.3.2粗糙集理論的知識(shí)表示 283.3.3不可分辨關(guān)系 293.3.4上近似集和下近似集 303.3.5屬性的依賴(lài)度和重要性 323.4D-S證據(jù)理論與粗糙集理論的關(guān)系 333.5本章小結(jié) 33第四章基于D-S證據(jù)理論的燃燒穩(wěn)定性評(píng)判 344.1研究對(duì)象 344.2基于D-S證據(jù)理論的燃燒穩(wěn)定性評(píng)判 344.2.1基本概率賦值的獲取 354.2.2證據(jù)的折扣及推理決策 414.2.3應(yīng)用實(shí)例 424.3本章小結(jié) 48第五章 結(jié)論 495.1結(jié)論 495.2工作展望 49參考文獻(xiàn) 50致謝 53在學(xué)期間發(fā)表的學(xué)術(shù)論文和參加科研情況 54華北電力大學(xué)碩士學(xué)位論文 PAGE3第一章緒論1.1選題的背景和意義本課題受到國(guó)家自然科學(xué)基金項(xiàng)目“基于信息融合的鍋爐燃燒狀態(tài)檢測(cè)及控制優(yōu)化”（編號(hào)50576022）的資助。隨著我國(guó)國(guó)民經(jīng)濟(jì)迅速發(fā)展，我國(guó)電力設(shè)備裝機(jī)容量以每年7%~8%的速率遞增，其中火電燃煤機(jī)組占有很大比重。雖然近年來(lái)核電、水電、風(fēng)電、生物質(zhì)發(fā)電等新能源發(fā)電都發(fā)展迅速，我國(guó)的能源結(jié)構(gòu)得到了優(yōu)化和調(diào)整，燃煤發(fā)電所占比例有所減小，但是由煤電扮演主角的局面在較長(zhǎng)時(shí)間內(nèi)還難以改變。按照我國(guó)電力工業(yè)發(fā)展的總目標(biāo)：2010年發(fā)電裝機(jī)容量將達(dá)到4.5億kW，預(yù)計(jì)到2050年我國(guó)裝機(jī)容量將達(dá)到16億kW，其中火電機(jī)組仍將占總裝機(jī)容量的60%以上，并且95%以上都是燃煤機(jī)組[1]。目前，我國(guó)的火力電站鍋爐以亞臨界和超臨界大容量鍋爐為主，由于設(shè)備本身及操作管理等方面的原因，性能指標(biāo)與發(fā)達(dá)國(guó)家相比有較大差距，主要表現(xiàn)在熱效率低。2003年，我國(guó)供電的平均標(biāo)準(zhǔn)煤耗為381g/kw.h，與發(fā)達(dá)國(guó)家相比，多耗60g/kw.h，熱效率低10個(gè)百分點(diǎn)。2003年全國(guó)年發(fā)電量為19080億千瓦時(shí)，以此推算，全國(guó)一年發(fā)電就要多耗標(biāo)準(zhǔn)煤約1.2億噸，多花費(fèi)購(gòu)煤款100多億元火電廠中大量的煤炭燃燒，隨之而來(lái)的是嚴(yán)重的環(huán)境污染問(wèn)題。氮氧化物(NOx)就是煤炭燃燒過(guò)程中產(chǎn)生的主要污染物之一，它是一種危害人體健康和破壞大氣環(huán)境的有毒物質(zhì)。隨著我國(guó)火力發(fā)電量快速增長(zhǎng)，NOx的排放總量逐年增加。燃煤電站NOx的排放問(wèn)題已引起社會(huì)各界的廣泛關(guān)注。國(guó)家環(huán)保局在2003年12月頒布的新的《火電廠大氣污染物排放標(biāo)準(zhǔn)》(GB13223-2003)，取代了1996年頒布的標(biāo)準(zhǔn)(GB13223-1996)，對(duì)我國(guó)火電廠機(jī)組的NOx排放標(biāo)準(zhǔn)作出了新的規(guī)定，要求更加嚴(yán)格。電站煤耗的影響因素是多方面的，包括鍋爐、汽輪機(jī)和發(fā)電機(jī)等設(shè)備的結(jié)構(gòu)和運(yùn)行操作、使用壽命、自動(dòng)化程度和生產(chǎn)管理水平等，其中主要因素是鍋爐運(yùn)行偏離最佳工況，熱效率降低。實(shí)踐表明，受煤炭市場(chǎng)的影響，我國(guó)發(fā)電用煤的煤質(zhì)往往變化很大，電站鍋爐偏離最佳工況的現(xiàn)象是時(shí)常發(fā)生的。當(dāng)鍋爐運(yùn)行很長(zhǎng)一段時(shí)間后，由于風(fēng)機(jī)或燃燒器等機(jī)械部件的老化、煙道漏風(fēng)、燃用煤種的變化等因素，致使鍋爐的運(yùn)行工況偏離實(shí)際的最佳工況。隨著環(huán)境保護(hù)要求的日益嚴(yán)格，燃煤價(jià)格的不斷上漲，在“廠網(wǎng)分開(kāi)，競(jìng)價(jià)上網(wǎng)”的運(yùn)行機(jī)制下，電站鍋爐面臨降低運(yùn)行成本與降低污染物排放的雙重要求，高效低污染燃燒優(yōu)化控制技術(shù)日益引起人們的關(guān)注。所以，火電廠鍋爐的燃燒及控制優(yōu)化一直是國(guó)內(nèi)的研究熱點(diǎn)。鍋爐燃燒優(yōu)化系統(tǒng)的核心目標(biāo)就在于提高燃燒的穩(wěn)定性、經(jīng)濟(jì)性、環(huán)保性，鍋爐燃燒狀況直接影響機(jī)組的經(jīng)濟(jì)性和安全性，成為火電機(jī)組性能優(yōu)化的關(guān)鍵。目前，電站鍋爐燃燒工況的判斷大多依靠運(yùn)行人員的經(jīng)驗(yàn)，這存在著判斷不及時(shí)或誤判的危險(xiǎn)，具有很大的局限性。為了解決這一問(wèn)題，本文將信息融合技術(shù)引入到燃燒穩(wěn)定性評(píng)判領(lǐng)域，根據(jù)影響燃燒穩(wěn)定性的因素來(lái)判斷鍋爐燃燒的工況。1.2鍋爐燃燒優(yōu)化控制技術(shù)的研究現(xiàn)狀鍋爐燃燒優(yōu)化有多種實(shí)現(xiàn)方案，但大體上可以分為兩大類(lèi)，即“硬”的方案和“軟”的方案?！坝病钡姆桨钢饕蕾?lài)設(shè)備改造，例如更換燃燒器、鍋爐爐膛改造、送引風(fēng)設(shè)備改造等等?！坝病狈桨妇哂屑夹g(shù)成熟，效果明顯的優(yōu)點(diǎn)，但一般需要大量資金投入，同時(shí)設(shè)備也不可能無(wú)限升級(jí)?！败洝钡姆桨竸t更多地依賴(lài)于檢測(cè)、控制、操作、決策等，這是一門(mén)正在發(fā)展中的技術(shù)，風(fēng)險(xiǎn)相對(duì)大，但也能獲得更大的性能價(jià)格比，具有更為廣闊的發(fā)展前景。下面僅對(duì)國(guó)內(nèi)外燃燒控制優(yōu)化方面“軟”方案的研究進(jìn)行介紹。1.2.1國(guó)外的燃燒優(yōu)化控制技術(shù)國(guó)外的燃燒優(yōu)化控制技術(shù)發(fā)展較早，現(xiàn)在已經(jīng)有成熟的優(yōu)化軟件，并在歐美地區(qū)一些大型電廠得到推廣應(yīng)用，國(guó)內(nèi)電廠也有引進(jìn)。此類(lèi)運(yùn)行優(yōu)化軟件根據(jù)開(kāi)發(fā)商的不同大致可以分為兩類(lèi)，一是由國(guó)際上知名的DCS廠商，基于其多年從事電廠控制和計(jì)算機(jī)應(yīng)用所積累的經(jīng)驗(yàn)以及電廠生產(chǎn)過(guò)程和設(shè)備特性的知識(shí)，來(lái)進(jìn)行多功能模塊集成化的火電廠優(yōu)化軟件[2]，如ABB公司推出的優(yōu)化控制系統(tǒng)OPTIMAX、通用物理（GP）的優(yōu)化運(yùn)行和狀態(tài)檢測(cè)系統(tǒng)EtaPRO等；二是由一些軟件設(shè)計(jì)公司開(kāi)發(fā)的可用于火電廠過(guò)程優(yōu)化的軟件，這類(lèi)軟件以成熟的多目標(biāo)最優(yōu)理論為指導(dǎo)，以模型預(yù)測(cè)和優(yōu)化搜索為核心，以神經(jīng)網(wǎng)絡(luò)、概率統(tǒng)計(jì)等為建模手段來(lái)模擬燃燒的過(guò)程反應(yīng)，通過(guò)改變控制參數(shù)的設(shè)定值來(lái)達(dá)到優(yōu)化燃燒降低污染物排放的目的，如美國(guó)Pegasus公司的PowerPerfecterTM系統(tǒng)、美國(guó)俄亥俄州Ultramax公司的Ultramax燃燒優(yōu)化系統(tǒng)等[3]。美國(guó)Peagasus公司1995年開(kāi)發(fā)的NeuSIGHT燃燒優(yōu)化控制系統(tǒng)，是全球電力工業(yè)的第一套閉環(huán)監(jiān)督控制系統(tǒng)，其核心技術(shù)基于ComputerAssociates公司的神經(jīng)網(wǎng)絡(luò)平臺(tái)。該系統(tǒng)在美國(guó)中西部燃煤電廠中的應(yīng)用，取得了降低煤耗、降低NOx排放的明顯效果，但是這種燃燒優(yōu)化控制技術(shù)沒(méi)有考慮機(jī)組運(yùn)行的動(dòng)態(tài)特性和過(guò)程，所以這種優(yōu)化只是穩(wěn)態(tài)優(yōu)化。為了能夠?qū)崿F(xiàn)動(dòng)態(tài)過(guò)程優(yōu)化，該公司開(kāi)發(fā)的另一套燃燒優(yōu)化軟件PowerPerfecterTM系統(tǒng)，在基于與NeuSIGHT系統(tǒng)類(lèi)似的神經(jīng)網(wǎng)絡(luò)技術(shù)基礎(chǔ)上，增加了模型預(yù)測(cè)控制（MPC）技術(shù)，并能通過(guò)建立多目標(biāo)的動(dòng)態(tài)優(yōu)化控制器，動(dòng)態(tài)調(diào)整DCS設(shè)定參數(shù)與偏置。PowerPerfecterTM系統(tǒng)的核心思想是利用神經(jīng)網(wǎng)絡(luò)的離線建模功能建立燃燒控制目標(biāo)量與鍋爐可操作變量及干擾變量的非線性模型，再利用非線性模型預(yù)測(cè)控制（MPC）技術(shù)，通過(guò)動(dòng)態(tài)調(diào)整DCS設(shè)定參數(shù)與偏置，實(shí)現(xiàn)鍋爐燃燒優(yōu)化與降低排放，其工作原理如圖1-1所示。PowerPerfecterTM系統(tǒng)首先利用歷史數(shù)據(jù)站存儲(chǔ)的大量來(lái)自DCS的運(yùn)行數(shù)據(jù)，建立鍋爐操作變量（如：氧量設(shè)定、給煤機(jī)偏移量、風(fēng)量偏移量等）、干擾變量與反應(yīng)鍋爐燃燒經(jīng)濟(jì)性、安全運(yùn)行、污染物排放的控制目標(biāo)量（如：鍋爐效率、飛灰含碳、排放等）之間的多變量非線性動(dòng)力學(xué)模型。離線建模調(diào)試結(jié)束后，可在線利用模型進(jìn)行動(dòng)態(tài)優(yōu)化控制，通過(guò)對(duì)風(fēng)、粉、氧量等影響鍋爐燃燒特性的操作變量的設(shè)定值或偏置進(jìn)行動(dòng)態(tài)優(yōu)化調(diào)整，實(shí)現(xiàn)基于多目標(biāo)的鍋爐安全運(yùn)行、低排放運(yùn)行、經(jīng)濟(jì)運(yùn)行。優(yōu)化的結(jié)果可以以開(kāi)環(huán)操作指導(dǎo)、閉環(huán)監(jiān)督控制兩種工作模式與機(jī)組的DCS控制系統(tǒng)相連接。Pegasus公司稱(chēng)PowerPerfecterTM系統(tǒng)可以提高鍋爐熱效率0.5%~2.5%；降低NOx排放10%~30%，同時(shí)降低SOx和COx的排放；降低飛灰含碳量；改善再熱蒸汽溫度控制品質(zhì)，減少兩側(cè)偏差；延長(zhǎng)設(shè)備的使用壽命；減少事故，提高安全生產(chǎn)率。目前我國(guó)山東省的華電萊城電廠和華能天津楊柳青電廠已引進(jìn)該公司的燃燒優(yōu)化產(chǎn)品。2006年5月26日，美國(guó)NeuCo公司收購(gòu)了Peagasus公司，以ProcessLink為技術(shù)平臺(tái)，推出了燃燒優(yōu)化系統(tǒng)CombustionOptTM。[4,5]圖1-1PowerPerfecterTM系統(tǒng)工作原理ABB公司推出了其在線的電廠效率計(jì)算優(yōu)化軟件包Optimax，是以成本為核心，將機(jī)組或整個(gè)電廠置于最優(yōu)狀態(tài)下運(yùn)行，最大限度地優(yōu)化電廠運(yùn)行，燃燒優(yōu)化只是其中一部分。該軟件包含多個(gè)功能模塊，主要包括過(guò)程信息管理模塊（PIMS）、性能計(jì)算模塊（Performance）、電廠負(fù)荷優(yōu)化調(diào)度軟件模塊（PowerFit）、鍋爐清潔模塊（BoilerC1eanliness）、鍋爐壽命管理模塊（BoilerLife）、汽機(jī)壽命管理模塊（TurbineLife）、基于模型的診斷專(zhuān)家系統(tǒng)（MODI）、電廠設(shè)備測(cè)試模塊（EquipmentTest）、調(diào)整數(shù)據(jù)模塊（DataReconciliationwithVali）、維護(hù)管理模塊（MaintenanceManagieentwithAPl）等。其中鍋爐清潔模塊主要是在線計(jì)算鍋爐熱交換面的清潔度，結(jié)果用于鍋爐優(yōu)化吹灰。Optimax-MODI是一個(gè)實(shí)時(shí)的專(zhuān)家系統(tǒng)，具有專(zhuān)用于電廠的知識(shí)庫(kù)。通過(guò)狀態(tài)監(jiān)測(cè)和診斷，在故障早期就可為運(yùn)行和管理人員提供有關(guān)故障信息，避免重大事故發(fā)生[2]。另外，Ultramax公司、艾默生過(guò)程控制有限公司、通用物理（GP）、Honeywell公司、Foxboro公司、HITACHI公司、西門(mén)子公司等都提出了各自的優(yōu)化控制解決方案。這些DCS廠商提供的優(yōu)化軟件包涵蓋范圍廣，與國(guó)內(nèi)提出的SIS系統(tǒng)功能相近。隨著發(fā)展，DCS廠家與軟件開(kāi)發(fā)商相聯(lián)合，將其開(kāi)發(fā)的燃燒優(yōu)化系統(tǒng)納入自己整體的電廠運(yùn)行優(yōu)化軟件包中，使其功能更加完備[6,7]。1.2.2國(guó)內(nèi)的燃燒優(yōu)化控制技術(shù)尋找有效的鍋爐燃燒優(yōu)化運(yùn)行技術(shù)，以實(shí)現(xiàn)鍋爐穩(wěn)定、高效而潔凈的燃燒也一直是國(guó)內(nèi)熱能工程領(lǐng)域?qū)＜覍W(xué)者的研究目標(biāo)。目前國(guó)內(nèi)該領(lǐng)域的研究文獻(xiàn)大體分為燃燒理論建模技術(shù)、火焰圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)三大類(lèi)別[6]。（1）燃燒理論建模技術(shù)國(guó)內(nèi)一些學(xué)者對(duì)燃燒理論建模和求解方法進(jìn)行了深入的研究，取得了可喜的研究成果。哈爾濱工業(yè)大學(xué)陳炳華等人采用IPSA兩相流動(dòng)模型和煤粉燃燒綜合模型，在不同的一次風(fēng)率和煤粉細(xì)度的情況下，對(duì)1臺(tái)350MW鍋爐煤粉燃燒過(guò)程進(jìn)行了數(shù)值模擬，分析了一次風(fēng)率和煤粉細(xì)度對(duì)煤粉著火燃燒和飛灰含碳量的影響規(guī)律，并確定了一次風(fēng)率和煤粉細(xì)度的優(yōu)化運(yùn)行參數(shù)值[7]。華中理工大學(xué)徐明厚、胡泰來(lái)等人以株洲電廠配125MW機(jī)組的420t/h同心反切圓鍋爐為研究對(duì)象，對(duì)不同工況下，鍋爐爐內(nèi)空氣動(dòng)力鍋爐場(chǎng)、溫度場(chǎng)煤粉顆粒軌跡等進(jìn)行了數(shù)值計(jì)算，分析了該鍋爐結(jié)渣的原因，提出了通過(guò)改變一次風(fēng)、二次風(fēng)的動(dòng)量矩，改善該鍋爐結(jié)渣和燃燒經(jīng)濟(jì)性的措施[8]。華中科技大學(xué)鄭楚光、趙海波建立了對(duì)實(shí)際鍋爐煤粉燃盡率與飛灰含碳量預(yù)測(cè)的一維計(jì)算方法，將煤的燃燒特性與鍋爐結(jié)構(gòu)特性相結(jié)合，進(jìn)行實(shí)際鍋爐中煤粉燃盡率與飛灰含碳量的預(yù)測(cè)[9]。（2）火焰圖像處理技術(shù)近年來(lái)，國(guó)內(nèi)學(xué)者對(duì)爐膛火焰檢測(cè)和燃燒診斷進(jìn)行了廣泛和深入研究，清華大學(xué)吳占松在其博士論文中不僅對(duì)圖像處理的方法的選擇做出了很多的工作，還推導(dǎo)了火焰圖像亮度信號(hào)和火焰溫度之間的關(guān)系。并置黑體爐內(nèi)進(jìn)行標(biāo)定，最后建立了多變量線性回歸模型，得到了NOx生成量與高溫區(qū)面積、溫度、邊界距噴嘴的距離及溫度分布的方差之間的關(guān)系，為國(guó)內(nèi)火焰圖像研究開(kāi)創(chuàng)了先河[10]。華中理工大學(xué)的周懷春等借助于輻射定理，采用參考點(diǎn)法從火焰輻射能量分布中計(jì)算出二維溫度場(chǎng)，并根據(jù)溫度場(chǎng)的信息診斷燃燒工況采用點(diǎn)雙色法溫度計(jì)進(jìn)行測(cè)量定標(biāo)。計(jì)算機(jī)還將識(shí)別火焰的中心位置、火焰刷墻爐膛溫度高、可能結(jié)焦等信息通過(guò)自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行自學(xué)習(xí)從而提取燃燒工況的特征信息[11-13]。楊宏民等人通過(guò)對(duì)爐膛火焰的圖像采集，利用計(jì)算機(jī)數(shù)字圖像處理技術(shù)及人工神經(jīng)網(wǎng)絡(luò)模型分析方法，開(kāi)發(fā)了爐膛火焰圖像燃燒診斷系統(tǒng)為電站鍋爐燃燒優(yōu)化控制提供了新途徑[14]。（3）人工神經(jīng)網(wǎng)絡(luò)技術(shù)20世紀(jì)90年代，不少學(xué)者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于鍋爐燃燒控制優(yōu)化系統(tǒng)，在這方面進(jìn)行了廣泛和深入的研究，取得了一些成果。趙利敏等人采用BP人工神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)示鍋爐燃燒特性，以煤元素分析成分、鍋爐結(jié)構(gòu)、鍋爐運(yùn)行參數(shù)等55個(gè)參數(shù)作為網(wǎng)絡(luò)輸入?yún)?shù)，以煤粉氣流著火溫度、燃燒切圓直徑、無(wú)助燃油最低負(fù)荷、未燃碳熱損失作為網(wǎng)絡(luò)輸出，通過(guò)BP網(wǎng)絡(luò)對(duì)燃燒的穩(wěn)定性、結(jié)渣性、燃盡性進(jìn)行預(yù)示[15]。浙江大學(xué)熱能工程研究所周昊等人采用BP人工神經(jīng)網(wǎng)絡(luò)對(duì)某臺(tái)3OOMW鍋爐飛灰含碳量特性進(jìn)行建模，建立鍋爐熱效率和鍋爐相關(guān)運(yùn)行參數(shù)之間的關(guān)系，設(shè)定鍋爐熱效率為優(yōu)化目標(biāo)，利用普通遺傳算法進(jìn)行尋優(yōu)計(jì)算，實(shí)現(xiàn)燃燒優(yōu)化，但是由于受到BP神經(jīng)網(wǎng)絡(luò)自身的限制，即使經(jīng)過(guò)改進(jìn)，其訓(xùn)練速度還是較慢、易陷于局部最優(yōu)，難以實(shí)現(xiàn)在線訓(xùn)練，為此沒(méi)有實(shí)現(xiàn)在線訓(xùn)練建模[16]。東南大學(xué)的林波提出了遺傳算法的PID參數(shù)整定尋優(yōu)的方法，基于燃燒過(guò)程的復(fù)雜性，采用BP神經(jīng)網(wǎng)絡(luò)來(lái)逼近鍋爐燃燒過(guò)程的非線性關(guān)系，在實(shí)際訓(xùn)練中采用了改進(jìn)的L-M算法來(lái)加快學(xué)習(xí)過(guò)程，分析了電站燃燒控制中風(fēng)/煤比對(duì)鍋爐效率和污染物排放的影響，為優(yōu)化燃燒控制系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)提供了一種較為新穎的途徑[17]。上海交通大學(xué)王強(qiáng)以鍋爐燃燒系統(tǒng)為研究對(duì)象，利用三層BP神經(jīng)網(wǎng)絡(luò)構(gòu)造了一個(gè)神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器，使用從電廠鍋爐運(yùn)行所獲得的實(shí)際運(yùn)行數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)訓(xùn)練網(wǎng)絡(luò)建立了鍋爐燃燒系統(tǒng)自適應(yīng)控制器[18]。上面介紹的方法能夠解決一些特性問(wèn)題，如火焰圖像處理技術(shù)指導(dǎo)鍋爐燃燒優(yōu)化運(yùn)行雖然是一種途徑，但其大多用于火焰穩(wěn)定性和燃燒安全性的監(jiān)督。鍋爐燃燒過(guò)程十分復(fù)雜，影響鍋爐燃燒的因素也十分復(fù)雜，有些燃燒機(jī)理尚不十分明確，難以建立完善、精確的電站鍋爐燃燒模型。國(guó)外的研究起步早，相關(guān)的技術(shù)、設(shè)備完備。但優(yōu)化軟件、設(shè)備引進(jìn)造價(jià)高，而且，相對(duì)于國(guó)外燃煤電站鍋爐，目前我國(guó)電站鍋爐具有煤質(zhì)多變，負(fù)荷大范圍變化的特點(diǎn)，這導(dǎo)致一些進(jìn)口的燃燒優(yōu)化控制軟件在國(guó)內(nèi)應(yīng)用存在很多問(wèn)題，主要表現(xiàn)為對(duì)煤種適應(yīng)性差，對(duì)負(fù)荷大范圍變化的適應(yīng)性差。1.3信息融合技術(shù)的研究現(xiàn)狀信息融合（InformationFusion）也可稱(chēng)為多傳感器融合（MSF），這一概念是70年代初期提出來(lái)的，其產(chǎn)生和發(fā)展源于軍事領(lǐng)域的需求。70年代末80年代初，美軍的軍用C3I（Command，Control，CommunicationandIntelligence）系統(tǒng)信息融合和BETA系統(tǒng)的有關(guān)內(nèi)容見(jiàn)于公開(kāi)文獻(xiàn)中。美國(guó)國(guó)防部早在1984年就成立了信息融合專(zhuān)家小組（DFS），指導(dǎo)、組織和協(xié)調(diào)信息融合技術(shù)的研究，并在1988年將信息融合列入90年代重點(diǎn)研究發(fā)展的二十項(xiàng)關(guān)鍵技術(shù)之一，并取得了一些成果。在世界上幾次局部戰(zhàn)爭(zhēng)中，信息融合顯示了強(qiáng)大的威力。特別是在海灣戰(zhàn)爭(zhēng)中，多國(guó)部隊(duì)的C3I融合系統(tǒng)發(fā)揮的作用已引起全世界的普遍關(guān)注[19-21]。根據(jù)國(guó)外研究成果，信息融合比較確切的定義可概括為：利用計(jì)算機(jī)技術(shù)對(duì)按時(shí)序獲得的若干傳感器的觀測(cè)信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和估計(jì)任務(wù)而進(jìn)行的信息處理的過(guò)程。按照這一定義：多傳感器系統(tǒng)是數(shù)據(jù)融合的硬件基礎(chǔ)；多源信息是數(shù)據(jù)融合的加工對(duì)象；協(xié)調(diào)優(yōu)化和綜合處理是數(shù)據(jù)融合的核心[19,20]。通俗的說(shuō)，信息融合技術(shù)就是將來(lái)自多個(gè)傳感器的信息或多源信息進(jìn)行綜合處理，從而得到更可信的結(jié)論。信息融合技術(shù)自上世紀(jì)70年代提出以來(lái)，在軍事部門(mén)獲得了成功的應(yīng)用，在處理多源、異類(lèi)、異步、不確定的信息方面有著獨(dú)特的優(yōu)勢(shì)，解決了如：目標(biāo)模式識(shí)別、航跡跟蹤、態(tài)勢(shì)判斷及威脅估計(jì)等問(wèn)題。另外，在民用方面如圖形圖像處理、工業(yè)機(jī)器人研究、傳感器技術(shù)、語(yǔ)音識(shí)別、醫(yī)學(xué)、環(huán)境測(cè)試、導(dǎo)航和故障診斷等方面都有廣泛的應(yīng)用和研究，取得了巨大的經(jīng)濟(jì)效益和社會(huì)效益[20,21]。電站鍋爐燃燒優(yōu)化是個(gè)復(fù)雜的過(guò)程，影響鍋爐燃燒好壞的參數(shù)眾多，鍋爐燃燒穩(wěn)定性評(píng)判與信息融合技術(shù)所研究的問(wèn)題有很大的相似性，將信息融合技術(shù)應(yīng)用到鍋爐燃燒穩(wěn)定性評(píng)判領(lǐng)域有望取得良好的效果。1.4本文主要的研究?jī)?nèi)容本基金項(xiàng)目在基于信息化的大背景下，利用信息融合技術(shù)結(jié)合機(jī)理分析，尋找和構(gòu)造鍋爐燃燒過(guò)程的影響因素和表現(xiàn)特征，并建立兩者之間的映射模型，以此為基礎(chǔ)進(jìn)行優(yōu)化燃燒控制系統(tǒng)設(shè)計(jì)，提高燃燒過(guò)程的穩(wěn)定性、經(jīng)濟(jì)性和環(huán)保性。燃燒優(yōu)化是一項(xiàng)系統(tǒng)性工程，基于信息融合技術(shù)的燃燒控制優(yōu)化系統(tǒng)層結(jié)構(gòu)如圖1-2所示，圖1-2基于信息融合技術(shù)的燃燒控制優(yōu)化系統(tǒng)層結(jié)構(gòu)該系統(tǒng)可以劃分為5層，自下而上各個(gè)層的作用是：（1）原始信號(hào)校準(zhǔn)層：對(duì)給水流量、主蒸汽流量、鍋爐總風(fēng)量、排煙氧量進(jìn)行校準(zhǔn)，為燃燒優(yōu)化提供基準(zhǔn)參數(shù)。（2）關(guān)鍵信號(hào)構(gòu)造層：利用信息融合技術(shù)，構(gòu)造出與燃燒密切相關(guān)但難以直接測(cè)量的信號(hào)，煤發(fā)熱量、煤水分、煤可磨性、熱量信號(hào)、爐膛出口煙溫，引入燃燒優(yōu)化控制系統(tǒng)中。（3）控制系統(tǒng)優(yōu)化層：包括基于熱量前饋的汽溫控制系統(tǒng)；基于煤質(zhì)分析的燃燒控制系統(tǒng)優(yōu)化；一次風(fēng)壓、一次風(fēng)量、排煙氧量定值優(yōu)化。（4）燃燒狀態(tài)評(píng)估層：尋找影響燃燒的關(guān)鍵信號(hào)和表現(xiàn)特征，包括負(fù)荷、煤質(zhì)、風(fēng)量、設(shè)備結(jié)構(gòu)、配煤配風(fēng)、爐膛出口煙溫、汽溫、汽溫偏差、氧量、排煙溫度、飛灰含碳量等。利用主元分析和聚類(lèi)分析方法尋找機(jī)組運(yùn)行的典型工況；利用D-S證據(jù)理論判斷機(jī)組當(dāng)前運(yùn)行狀態(tài)更接近于哪種工況。（5）燃燒優(yōu)化指導(dǎo)層：建立燃燒模型計(jì)算各個(gè)典型工況下機(jī)組運(yùn)行典型指標(biāo)應(yīng)達(dá)值，如果當(dāng)前工況運(yùn)行值與應(yīng)達(dá)值存在差別，則利用支持向量機(jī)指出改進(jìn)方向。本課題針對(duì)第2層燃燒狀態(tài)評(píng)估層做了部分研究工作，利用D-S證據(jù)理論在影響燃燒的關(guān)鍵信號(hào)和機(jī)組燃燒典型工況之間建立起映射關(guān)系。從而為基于信息融合技術(shù)的燃燒控制優(yōu)化系統(tǒng)的燃燒優(yōu)化指導(dǎo)層的研究工作做好準(zhǔn)備。電站鍋爐燃燒是一個(gè)復(fù)雜的物理化學(xué)過(guò)程，涉及到燃燒學(xué)、流體力學(xué)、熱力學(xué)、傳熱傳質(zhì)學(xué)等學(xué)科領(lǐng)域。由于電站鍋爐燃燒過(guò)程十分復(fù)雜，有些燃燒機(jī)理尚不十分明確，同時(shí)燃用煤種的多變以及設(shè)備老化，造成采用傳統(tǒng)的機(jī)理分析和實(shí)驗(yàn)分析比較困難。2003年，廠級(jí)監(jiān)控信息系統(tǒng)SIS（SupervisoryInformationSystem）開(kāi)始在我國(guó)火電廠中安裝應(yīng)用，其實(shí)時(shí)/歷史數(shù)據(jù)庫(kù)管理系統(tǒng)記錄下大量的機(jī)組實(shí)際運(yùn)行數(shù)據(jù)，為我們提供了大量的數(shù)據(jù)信息。本文將采用數(shù)據(jù)分析和理論研究相結(jié)合的手段，利用信息融合的方法對(duì)燃燒穩(wěn)定性進(jìn)行研究，為優(yōu)化燃燒控制打好基礎(chǔ)。全文主要內(nèi)容如下：1.首先介紹了電站鍋爐煤粉的燃燒過(guò)程，煤粉在爐內(nèi)燃燒經(jīng)歷三個(gè)階段：著火前的準(zhǔn)備階段、燃燒階段和燃盡階段。其次，對(duì)煤粉迅速而又安全燃燒的條件進(jìn)行了分析，要達(dá)到完全燃燒就必須供應(yīng)爐膛適量的空氣，燃燒快慢和完全程度均與爐膛溫度有關(guān)，燃料和空氣的混合程度對(duì)能否達(dá)到迅速完全燃燒起著很大的作用。最后對(duì)影響煤粉氣流著火與燃燒的主要因素進(jìn)行了分析。2.介紹了信息融合技術(shù)的基本原理、信息融合的級(jí)別、信息融合的主要方法；詳細(xì)介紹D-S證據(jù)理論的基本概念、證據(jù)融合推理方法及最終決策規(guī)則；詳細(xì)介紹粗糙集理論的基本概念，并討論了粗糙集理論與D-S證據(jù)理論的關(guān)系以及二者之間的關(guān)系帶給我們的啟發(fā)。3.建立基于D-S證據(jù)理論的燃燒穩(wěn)定性評(píng)判模型，選取煤質(zhì)、煤粉濃度、負(fù)荷、負(fù)壓、火檢信號(hào)、一次風(fēng)溫、一次風(fēng)速、一次風(fēng)率作為證據(jù)體，利用模糊數(shù)學(xué)中的隸屬函數(shù)給出證據(jù)的基本概率賦值。用現(xiàn)場(chǎng)72小時(shí)的運(yùn)行數(shù)據(jù)對(duì)評(píng)判模型進(jìn)行了測(cè)評(píng)，測(cè)試結(jié)果表明，該模型能夠準(zhǔn)確的對(duì)燃燒穩(wěn)定性進(jìn)行評(píng)判。第二章 燃燒理論基礎(chǔ)2.1煤粉的燃燒過(guò)程鍋爐爐膛內(nèi)煤粉燃燒是一個(gè)極其復(fù)雜的物理、化學(xué)反應(yīng)過(guò)程。煤粉空氣混合物經(jīng)由燃燒器以射流方式進(jìn)入爐膛后，通過(guò)紊流擴(kuò)散的外回流以及旋轉(zhuǎn)射流卷吸周?chē)母邷責(zé)煔?。若有鈍體穩(wěn)燃器，則由鈍體穩(wěn)燃器產(chǎn)生的內(nèi)回流卷吸周?chē)母邷責(zé)煔?，促使煤粉氣流與熾熱煙氣產(chǎn)生強(qiáng)烈混合。同時(shí)煤粉氣流又受到爐膛四壁和高溫?zé)煔獾妮椛?，而將懸浮在氣流中的煤粉迅速加熱。研究表明，煤粉氣流的加熱主要靠高溫?zé)煔獾膶?duì)流傳熱，輻射傳熱是次要的。煤粉獲得了足夠的熱量并達(dá)到一定溫度后就開(kāi)始著火燃燒。將煤粉氣流加熱到著火溫度所需的熱量為著火熱。它包括加熱煤粉和一次風(fēng)所需熱量以及煤粉中水分蒸發(fā)、過(guò)熱所需熱量。著火熱由以下公式計(jì)算: 式中：：每臺(tái)煤粉燃燒器所燃用的燃料消耗量，；：理論空氣量，； ：過(guò)量空氣系數(shù)；：一次風(fēng)率； ：一次風(fēng)比熱，；：機(jī)械未完全燃燒熱損失，%； ：煤的干燥基的比熱，；：煤的應(yīng)用基水分 ； ：著火溫度，℃；：過(guò)熱蒸汽的比熱，； ：煤粉與一次風(fēng)氣流的初溫，℃；：煤粉水分，%。由上式可知，影響著火熱的因素有著火溫度，煤粉與一次風(fēng)氣流的初溫，一次風(fēng)率和煤的應(yīng)用基水分等。要使煤粉氣流著火快，一方面要盡量降低著火熱，另一方面要盡快提供著火熱。煤粉在爐內(nèi)的燃燒過(guò)程大致經(jīng)歷三個(gè)階段，即著火前的準(zhǔn)備階段、燃燒階段和燃盡階段。著火前的準(zhǔn)備階段煤粉進(jìn)入爐內(nèi)至著火這一階段為著火前的準(zhǔn)備階段。在此階段內(nèi)，煤粉中的水分要蒸發(fā)，揮發(fā)分要析出，煤粉的溫度也要升高至著火溫度。顯然，著火前的準(zhǔn)備階段是吸熱階段。要使煤粉著火快，可以從兩方面著手：一方面應(yīng)盡量減少煤粉氣流加熱到著火溫度所需要的熱量，這可以通過(guò)對(duì)燃燒預(yù)先干燥、減少輸送煤粉的一次風(fēng)風(fēng)量和提高輸送煤粉的一次風(fēng)風(fēng)溫等方法來(lái)達(dá)到；另一方面應(yīng)盡快給煤粉氣流提供著火所需要的熱量，這可以通過(guò)提高爐溫和使煤粉氣流與高溫?zé)煔鈴?qiáng)烈混合等方法來(lái)實(shí)現(xiàn)。（2）燃燒階段當(dāng)煤粉溫度升高至著火溫度而煤粉濃度又合適時(shí)，煤粉就開(kāi)始著火燃燒，進(jìn)入燃燒階段。燃燒階段是一個(gè)強(qiáng)烈的放熱階段。燃燒階段包括揮發(fā)分和焦炭的燃燒。首先是揮發(fā)分著火燃燒，放出熱量，加熱焦炭粒，使焦炭的溫度迅速升高并燃燒起來(lái)。焦炭的燃燒不僅時(shí)間長(zhǎng)，而且不易燃燒完全，所以要使煤粉燃燒又快又好，關(guān)鍵在于對(duì)焦炭的燃燒組織得如何。因此使?fàn)t內(nèi)保持足夠高的溫度、保證空氣充分供應(yīng)并使之強(qiáng)烈混合，對(duì)于組織好焦炭的燃燒都是十分重要的。（3）燃盡階段燃盡階段是燃燒階段的繼續(xù)。一些內(nèi)部未燃盡而被灰包圍的炭粒在此階段繼續(xù)燃燒，直至燃盡。這一階段的特點(diǎn)是氧氣供應(yīng)不足，風(fēng)粉混合較差，爐內(nèi)溫度較低，以致這一階段需要的時(shí)間較長(zhǎng)。為了使煤粉在爐內(nèi)盡可能燃盡，以提高燃料的利用率，應(yīng)保證燃盡階段所需要的時(shí)間，并應(yīng)設(shè)法加強(qiáng)擾動(dòng)來(lái)?yè)羝苹乙?，以便改善風(fēng)粉混合，使灰渣中的可燃物燃透燒盡。實(shí)驗(yàn)研究發(fā)現(xiàn)，煤粉在爐內(nèi)的加熱升溫速度很快，升溫速度為(0.5～1.0)*104℃/S，僅在0.1～0.2秒的時(shí)間內(nèi)就能達(dá)到爐內(nèi)燃燒時(shí)的溫度水平1500℃左右。在這種條件下，揮發(fā)分燃燒和焦碳燃燒這兩個(gè)環(huán)節(jié)很難截然分開(kāi)，在很大程度上可能是同時(shí)進(jìn)行的2.2煤粉迅速而又安全燃燒的條件 （1）要供給適量的空氣要達(dá)到完全燃燒就必須供應(yīng)爐膛適量的空氣，即保持適當(dāng)?shù)倪^(guò)量空氣系數(shù)。如果空氣供應(yīng)不足，即過(guò)量空氣系數(shù)過(guò)小，將會(huì)造成不完全燃燒熱損失；但空氣供應(yīng)過(guò)多，不僅使?fàn)t溫降低引起燃燒不完全，還將使排煙量增大，造成排煙熱損失增加。要維持足夠高的爐溫燃燒快慢和完全程度均與溫度有關(guān)。爐溫過(guò)低不利于燃燒反應(yīng)的進(jìn)行，使燃燒不完全，所以溫度應(yīng)高些。適當(dāng)高的爐溫，不僅可以促使煤粉很快著火，迅速燃燒，而且可以保證煤粉充分燃盡。燃料與空氣的良好混合燃料和空氣混合是否良好，對(duì)能否達(dá)到迅速完全燃燒起著很大的作用。為了做到使煤粉氣流進(jìn)入爐膛后迅速著火，著火后又迅速而完全地燃燒，煤粉爐一般都采用一、二次風(fēng)組織燃燒。即煤粉由一次風(fēng)攜帶進(jìn)入爐膛，由于高溫?zé)煔獾妮椛浜突烊耄姑悍蹥饬鞯臏囟群芸爝_(dá)到著火點(diǎn)，使煤粉著火。所以一次風(fēng)量不宜過(guò)大，只能滿(mǎn)足揮發(fā)分燃燒的需要即可，混入的熱煙氣則應(yīng)溫度高、數(shù)量大，這樣才能使一次風(fēng)和煤粉很快升溫、著火。煤粉著火后，一次風(fēng)很快被消耗，這時(shí)二次風(fēng)以很高的速度噴入爐內(nèi)與煤粉混合，形成強(qiáng)烈的擾動(dòng)，沖破碳表面的煙氣層和灰殼，以強(qiáng)行擴(kuò)散代替自然擴(kuò)散，從而提高擴(kuò)散混合速度，使燃燒速度加快并完全燃燒。除此以外，爐內(nèi)煤粉氣流混合情況是否良好，還與爐膛形狀、燃燒器的結(jié)構(gòu)和布置等有關(guān)。足夠的燃燒時(shí)間煤粉由著火到全部燃燒完畢，需要有一定的時(shí)間。煤粉從燃燒器出口到爐膛出口一般需要s。在這段時(shí)間內(nèi)煤粉必須完全燒掉，否則到了爐膛出口處，因受熱面多，煙氣溫度很快下降，燃燒就會(huì)停止，從而造成不完全燃燒熱損失。為了保證煤粉燃盡，除了保持爐內(nèi)火焰充滿(mǎn)度和使?fàn)t膛有足夠的空間和高度外，還應(yīng)設(shè)法縮短著火與燃燒階段所需要的時(shí)間。總之，要保證燃料的良好燃燒，就必須滿(mǎn)足以上這些基本條件，為此就要求燃燒設(shè)備具有合理的結(jié)構(gòu)和布置，同時(shí)在運(yùn)行中科學(xué)地組織整個(gè)燃燒過(guò)程[22]。2.3影響煤粉氣流著火與燃燒的因素影響煤粉氣流著火的主要因素概括起來(lái)，主要是三個(gè)方面的因素。即一是燃料因素，二是設(shè)備結(jié)構(gòu)因素，三是運(yùn)行因素。具體內(nèi)容如下：下面主要分析燃料因素與運(yùn)行因素的影響。燃料性質(zhì)影響煤粉著火特性的因素有很多，其中一部分是可調(diào)的環(huán)境因素，另一部分就是煤本身的特性。揮發(fā)分、水分、灰分等成分對(duì)煤粉的著火有不同的影響。煤中揮發(fā)分含量對(duì)煤粉氣流的著火過(guò)程影響最大。可燃基揮發(fā)分越高的煤，著火溫度越低，火焰?zhèn)鞑ニ俣纫部?。因此揮發(fā)分高的煤不僅容易著火，而且著火穩(wěn)定性也好。揮發(fā)分的燃燒，對(duì)焦炭起加熱作用，從而為焦炭的著火燃燒創(chuàng)造了有利條件，一般而言，揮發(fā)分高的煤也易于燃盡。但燒揮發(fā)分高的煤，往往是爐膛結(jié)焦和燃燒器出口結(jié)焦的一個(gè)重要原因。與此相反，當(dāng)燃用煤種的揮發(fā)分低時(shí)，燃燒的穩(wěn)定性和經(jīng)濟(jì)性均下降，而鍋爐的最低穩(wěn)燃負(fù)荷升高。圖2-1為國(guó)內(nèi)一些300MW以上大機(jī)組實(shí)測(cè)鍋爐燃燒損失與煤中揮發(fā)分含量的關(guān)系。圖中數(shù)據(jù)的分散程度反映了其他影響因素（如鍋爐結(jié)構(gòu)、燃燒器型式、運(yùn)行氧量、媒質(zhì)、煤粉細(xì)度等）的差異。圖2-1 飛灰含碳量與揮發(fā)分含量的統(tǒng)計(jì)關(guān)系煤中水分越大，著火熱也就越大。同時(shí)由于一部分燃燒熱消耗在加熱水分并使其氣化和過(guò)熱上，也降低了爐內(nèi)煙氣的溫度，從而使煤粉氣流卷吸的煙氣溫度以及火焰對(duì)煤粉氣流的輻射熱都降低，這對(duì)著火顯然是不利的。然而另一方面，煤中水分對(duì)著火穩(wěn)定性又是有利的，煤粉內(nèi)在水分的析出使煤的孔隙度增加即活性增大，更容易著火。煤中灰分含量越高，則揮發(fā)分開(kāi)始析出的溫度越高，析出速率大大降低。由于揮發(fā)分析出延遲，著火溫度也隨著升高，使著火推遲?；曳趾坑绊懼鹚俣龋趽]發(fā)分相同的情況下，灰分越多，其著火速度越低?；曳衷黾邮够鹧鏈囟冉档?，因?yàn)榧訜峄曳謺?huì)增加熱量消耗，灰分越多，爐膛的燃燒溫度越低，這不僅使燃燒穩(wěn)定性變差，還使鍋爐出力下降。燃料發(fā)熱量的降低將導(dǎo)致燃燒溫度下降，爐內(nèi)溫度水平降低。當(dāng)降到一定程度時(shí)，就會(huì)引起燃燒不穩(wěn)、火焰閃爍、滅火打炮，必須投油助燃。煤粉細(xì)度煤粉越細(xì)，著火就越容易。這是因?yàn)樵谕瑯拥拿悍圪|(zhì)量濃度下，煤粉越細(xì)，進(jìn)行燃燒反應(yīng)的表面積就越大，而煤粉本身的熱阻卻減小。因而加熱時(shí)，細(xì)煤粉的溫升速度要比粗煤粉來(lái)得快，這樣就可以加快化學(xué)反應(yīng)速度和更快地達(dá)到著火。煤粉越細(xì)，燃燒越完全。另外，煤粉的均勻性指數(shù)越小，粗煤粉就越多，燃燒完全程度會(huì)降低。因此揮發(fā)分低的煤時(shí)，應(yīng)該用較細(xì)較均勻的煤粉。圖2-2是在一臺(tái)燃貧煤的300MW機(jī)組鍋爐上實(shí)測(cè)的煤粉細(xì)度影響曲線。從中可以看出，當(dāng)煤粉比較細(xì)（）的時(shí)候，煤粉細(xì)度變化對(duì)飛灰可燃物的影響不大，但當(dāng)煤粉細(xì)度變粗，超過(guò)某一數(shù)值（）的時(shí)候，飛灰可燃物迅速增大，煤粉細(xì)度越大，其對(duì)飛灰可燃物的影響越顯著。因此，為了提高燃燒的穩(wěn)定性和經(jīng)濟(jì)性，嚴(yán)格控制煤粉細(xì)度是十分必要的。圖2-2飛灰可燃物與煤粉細(xì)度的關(guān)系曲線煤粉濃度煤粉爐中，一次風(fēng)中的煤粉濃度(煤粉與空氣的質(zhì)量之比)對(duì)著火穩(wěn)定性有很大影響。高的煤粉濃度不僅使單位體積燃燒釋熱強(qiáng)度增大，而且單位容積內(nèi)輻射粒子數(shù)量增加，導(dǎo)致風(fēng)粉氣流的黑度增大，可迅速吸收爐膛輻射熱量，使著火提前。此外，隨著煤粉濃度的增大，煤中揮發(fā)分逸出后其濃度增加，也促進(jìn)了可燃混合物的著火。因此，不論何種煤，在煤粉濃度的一定范圍內(nèi)，著火穩(wěn)定性都是隨著煤粉濃度的增加而加強(qiáng)的。圖2-3是國(guó)內(nèi)研究人員的近期試驗(yàn)結(jié)果。圖中著火指數(shù)定義為噴入試驗(yàn)爐內(nèi)的風(fēng)粉氣流能維持穩(wěn)定著火的最低爐溫。由圖可知，隨著煤粉濃度的增加，各種煤的著火根數(shù)都降低，著火容易。對(duì)于高揮發(fā)分的褐煤，煤粉濃度的影響有一臨界值。但隨著煤質(zhì)變差，這一臨界值增大，甚至不出現(xiàn)。就是說(shuō)，煤粉濃度的增加對(duì)劣質(zhì)煤的著火總是有利的。圖2-3煤粉濃度對(duì)著火的影響鍋爐的運(yùn)行負(fù)荷鍋爐負(fù)荷降低時(shí)，燃燒率降低，爐膛平均溫度及燃燒器區(qū)域的溫度都要降低，著火困難。當(dāng)鍋爐負(fù)荷降低到一定數(shù)值時(shí)，為穩(wěn)定燃燒必須投油助燃。影響鍋爐低負(fù)荷穩(wěn)燃性能的主要因素是煤的著火性能、爐膛的穩(wěn)燃性能和燃燒器的穩(wěn)燃性能。同一煤種，在不同的爐子中燃燒，其最低穩(wěn)燃負(fù)荷可能有較大的差別；對(duì)同一鍋爐，當(dāng)運(yùn)行煤質(zhì)變差時(shí)，其最低負(fù)荷值便要升高；燃用揮發(fā)分較高的好煤時(shí)，其值則可降低。隨著負(fù)荷的增加，爐溫升高，對(duì)燃燒經(jīng)濟(jì)性的影響一般是有利的。但負(fù)荷的這個(gè)影響與煤質(zhì)有關(guān)。燃燒調(diào)整試驗(yàn)表明，揮發(fā)分高的煤，飛灰可燃物很低，負(fù)荷對(duì)燃燒損失的影響也很小，對(duì)于〉40%的煙煤，負(fù)荷怎么調(diào)整，燃燒損失(主要是)也不大變化。但對(duì)于揮發(fā)分低的煤，負(fù)荷對(duì)燃燒損失的影響就大，如圖2-4所示。圖2-4鍋爐負(fù)荷對(duì)燃燒損失的影響一次風(fēng)與二次風(fēng)的配合一次風(fēng)量以能滿(mǎn)足揮發(fā)分的燃燒為原則。增大一次風(fēng)量，相應(yīng)地增大了著火熱，對(duì)著火不利。減小一次風(fēng)量，會(huì)使著火熱顯著降低，從而加快著火。但如果一次風(fēng)量過(guò)低，則由于著火燃燒初期得不到足夠的氧氣而影響揮發(fā)分的著火燃燒，從而阻礙著火的繼續(xù)擴(kuò)展。通常一次風(fēng)量的大小是用一次風(fēng)率來(lái)表示，它是指一次風(fēng)量占爐膛出口相應(yīng)總風(fēng)量的百分?jǐn)?shù)。對(duì)揮發(fā)分多的煤粉，一次分率可大些，而對(duì)揮發(fā)分少的煤粉，一次風(fēng)率則應(yīng)小些。各種煤的一次風(fēng)率推薦值見(jiàn)表2-1所示。 表2-1各種煤的一次風(fēng)率推薦值煤種無(wú)煙煤貧煤煙煤褐煤揮發(fā)分（%）<1010～2020～40>40一次風(fēng)率（%）15～2020～2520～2540～45一次風(fēng)速對(duì)著火過(guò)程也有影響。一次風(fēng)速過(guò)高，必將使著火推遲，致使著火距離拉長(zhǎng)而影響整個(gè)燃燒過(guò)程；而一次風(fēng)速過(guò)低，會(huì)造成一次風(fēng)管堵塞，由于著火提前，還可能燒壞燃燒器。二次風(fēng)混入一次風(fēng)的時(shí)間要合適。如果在著火前就混入，等于加大了一次風(fēng)量，使著火推遲；如果二次風(fēng)過(guò)遲混入，又會(huì)使煤粉氣流著火后的燃燒缺氧，所以二次風(fēng)應(yīng)在著火后及時(shí)混入。二次風(fēng)一下子全部混入一次風(fēng)對(duì)燃燒也是不利的。因?yàn)槎物L(fēng)的溫度大大低于火焰溫度，大量低溫二次風(fēng)混入會(huì)使火焰溫度降低，燃燒速度減慢，甚至造成熄火。二次風(fēng)最好能按燃燒區(qū)域的需要分期分批送入。做到使燃燒不缺氧，又不會(huì)降低火焰溫度，這樣燃燒才能完全。二次風(fēng)速一般應(yīng)大于一次風(fēng)速。二次風(fēng)速比較高，才能使空氣與煤粉充分混合。但是二次風(fēng)速又不能比一次風(fēng)速大得過(guò)多，否則會(huì)迅速吸引一次風(fēng)，使一二次風(fēng)混合提前，以致影響著火。一次風(fēng)煤粉氣流初溫提高煤粉氣流初溫可減少煤粉氣流的著火熱，并提高爐內(nèi)的溫度水平，使著火提前。提高煤粉氣流初溫的直接辦法是提高熱風(fēng)溫度。計(jì)算表明，一次風(fēng)溫從20℃升至300℃時(shí)著火熱可減少60%；升至400℃時(shí)著火熱可減少80%。圖2-5圖2-5熱風(fēng)溫度對(duì)爐內(nèi)煙溫的影響2.4本章小結(jié)本章首先介紹了電站鍋爐煤粉的燃燒過(guò)程，煤粉在爐內(nèi)燃燒經(jīng)歷三個(gè)階段：著火前的準(zhǔn)備階段、燃燒階段和燃盡階段。其次，對(duì)煤粉迅速而又安全燃燒的條件進(jìn)行了分析，要達(dá)到完全燃燒就必須供應(yīng)爐膛適量的空氣，燃燒快慢和完全程度均與爐膛溫度有關(guān)，燃料和空氣的混合程度對(duì)能否達(dá)到迅速完全燃燒起著很大的作用。最后對(duì)影響煤粉氣流著火與燃燒的主要因素進(jìn)行了分析，這些因素包括煤質(zhì)、煤粉細(xì)度、煤粉濃度、鍋爐的運(yùn)行負(fù)荷、一次風(fēng)與二次風(fēng)的配合、一次風(fēng)煤粉氣流初溫。第三章 信息融合技術(shù)近20多年來(lái)，傳感器技術(shù)發(fā)展十分迅速，各種面向復(fù)雜應(yīng)用背景的信息融合方法也隨之出現(xiàn)。在多傳感器系統(tǒng)中，表現(xiàn)出一系列特點(diǎn):信息表現(xiàn)形式的多樣性、信息容量的巨大性、信息之間關(guān)系的復(fù)雜性和信息處理速度高等。基于上述問(wèn)題，信息融合技術(shù)便產(chǎn)生了。信息融合（InformationFusion）又稱(chēng)為數(shù)據(jù)融合（DataFusion），但就信息和數(shù)據(jù)的內(nèi)涵而言，用信息融合一詞更廣泛、更合理、更具概括性，因?yàn)槠毡檎J(rèn)為信息不僅包括了數(shù)據(jù)，而且也包括了信號(hào)和知識(shí)。3.1信息融合的理論基礎(chǔ)3.1.1信息融合的基本原理多傳感器信息融合是人類(lèi)或其他生物系統(tǒng)中普遍存在的一種基本功能。人類(lèi)通過(guò)這一能力把身體上的各種功能器官(眼、耳、鼻、四肢)所探測(cè)的信息(景物、聲音、氣味和物理形狀或描述)組合起來(lái)并采用先驗(yàn)知識(shí)去統(tǒng)計(jì)，以便對(duì)其周?chē)沫h(huán)境和正在發(fā)生的事情作出評(píng)估。由于人類(lèi)器官具有不同的度量特征，因而可以測(cè)出不同空間范圍內(nèi)發(fā)生的各種物理現(xiàn)象，這一過(guò)程是復(fù)雜的，也是自適應(yīng)的，它將各種信息轉(zhuǎn)化為對(duì)環(huán)境的有價(jià)值的解釋。多傳感器信息融合實(shí)際上是對(duì)人腦綜合處理復(fù)雜問(wèn)題的一種功能模擬。在多傳感器系統(tǒng)中，各種傳感器提供的信息可能具有不同的特征:時(shí)變的或非時(shí)變的、實(shí)時(shí)的或非實(shí)時(shí)的、模糊的或確定的、精確的或不完整的、相互支持的或互補(bǔ)的，也可能是相互矛盾或沖突的。多傳感器信息融合的基本原理就像人腦綜合處理信息的過(guò)程一樣，充分利用多個(gè)傳感器資源，通過(guò)對(duì)各種傳感器及其觀測(cè)信息的合理支配與使用，將各種傳感器在空間和時(shí)間上的互補(bǔ)與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則組合起來(lái)，產(chǎn)生對(duì)觀測(cè)環(huán)境的一致性解釋和描述。其目標(biāo)是基于各傳感器分離觀測(cè)信息，通過(guò)對(duì)信息的優(yōu)化組合得到更多的有效信息，利用多個(gè)傳感器共同或聯(lián)合操作的優(yōu)勢(shì)來(lái)提高整個(gè)傳感器系統(tǒng)的有效性。多傳感器信息融合系統(tǒng)與所有單傳感器信號(hào)處理或低層次的數(shù)據(jù)處理方式相比，后者是對(duì)人腦信息處理的一種低水平模仿；而前者是通過(guò)有效地利用多傳感器資源，來(lái)最大限度獲取被探測(cè)目標(biāo)和環(huán)境的信息量。信息融合與傳統(tǒng)的信息處理方法之間存在本質(zhì)的區(qū)別，其關(guān)鍵在于信息融合所處理的信息具有更為復(fù)雜的形式，而且可以在不同的信息層次上出現(xiàn)。這些信息抽象層次包括數(shù)據(jù)層、特征層和決策層。多傳感器信息融合與單一傳感器信息利用相比具有如下優(yōu)點(diǎn):1.容錯(cuò)性：由于各傳感器總存在一定的感知誤差，而這種數(shù)據(jù)融合方法可以最大地消除這些感知誤差，即使在單個(gè)傳感器出現(xiàn)誤差或者失效的情況下，系統(tǒng)仍能正?？煽康毓ぷ鳎到y(tǒng)的魯棒性提高。在單個(gè)傳感器出現(xiàn)誤差或失效的情況下，系統(tǒng)仍能正常可靠地工作。2.互補(bǔ)性：各傳感器除提供對(duì)象的共性反映外，還提供與各傳感器本身有關(guān)的特性反映，因而利用信息融合就能實(shí)現(xiàn)不同傳感器信息的互補(bǔ)，從而提高信息的利用率以便減少系統(tǒng)認(rèn)識(shí)的不確定性。3.實(shí)時(shí)性：能以較少的時(shí)間獲得更多的信息，大大提高系統(tǒng)的識(shí)別效率。4.經(jīng)濟(jì)性：與單個(gè)傳感器獲得等量信息相比更節(jié)省費(fèi)用[20,21]。3.1.2信息融合的級(jí)別按照數(shù)據(jù)抽象的三個(gè)層次，融合可分為三級(jí)，即像素級(jí)融合、特征級(jí)融合和決策級(jí)融合[20]。（1）像素級(jí)融合像素級(jí)融合是直接在采集到的原始數(shù)據(jù)層上進(jìn)行的融合，在各種傳感器的原始測(cè)報(bào)未經(jīng)預(yù)處理之前就進(jìn)行數(shù)據(jù)的綜合和分析。這是最低層次的融合，這種融合的主要優(yōu)點(diǎn)是能保持盡可能多的現(xiàn)場(chǎng)數(shù)據(jù)，提供其它融合層次所不能提供的細(xì)微信息。但其局限性也很明顯。首先，其要處理的數(shù)據(jù)量太大，故處理代價(jià)高，處理時(shí)間長(zhǎng)，實(shí)時(shí)性差；其次，這種融合是在信息的最低層進(jìn)行的，由于原始信息的不確定性、不完全性和不穩(wěn)定性，所以對(duì)融合的糾錯(cuò)處理能力要求很高。（2）特征級(jí)融合特征級(jí)融合屬于中間層次，它先對(duì)來(lái)自傳感器的原始信息進(jìn)行特征提取，然后對(duì)特征信息進(jìn)行綜合分析和處理。一般來(lái)說(shuō)，提取的特征信息應(yīng)是像素信息的充分表示量或充分統(tǒng)計(jì)量，然后按特征信息對(duì)數(shù)據(jù)進(jìn)行分類(lèi)、匯集和綜合。特征級(jí)融合的優(yōu)點(diǎn)在于實(shí)現(xiàn)了客觀的信息壓縮，有利于實(shí)時(shí)處理，并且由于所提取的特征直接與決策分析有關(guān)，因而融合結(jié)果能最大限度的給出決策分析所需要的特征信息。（3）決策級(jí)融合決策級(jí)融合是一種高層次融合，其結(jié)果為指揮控制決策提供依據(jù)，因此，決策級(jí)融合必須從具體決策問(wèn)題的需求出發(fā)，充分利用特征級(jí)融合所提取的測(cè)量對(duì)象的各類(lèi)特征信息，采用適當(dāng)?shù)娜诤霞夹g(shù)來(lái)實(shí)現(xiàn)。決策級(jí)融合是三級(jí)融合的最終結(jié)果，是直接針對(duì)具體決策目標(biāo)的，融合結(jié)果直接影響決策水平。3.1.3信息融合的方法信息融合涉及到多方面的理論和技術(shù)，如信號(hào)處理、估計(jì)理論、不確定性理論、模式識(shí)別、最優(yōu)化技術(shù)、神經(jīng)網(wǎng)絡(luò)和人工智能等。雖然多傳感器信息融合的應(yīng)用研究已經(jīng)相當(dāng)廣泛，但多傳感器信息融合問(wèn)題本身至今未形成基本的理論框架和有效的廣義融合模型和算法。盡管如此，不少應(yīng)用領(lǐng)域的研究人員還是根據(jù)各自的具體應(yīng)用背景，提出了許多比較成熟且有效的融合方法。下面介紹最常用的信息融合方法[24]。（1）加權(quán)平均法加權(quán)平均是一種最簡(jiǎn)單和直觀的方法，即將多個(gè)傳感器提供的冗余信息進(jìn)行加權(quán)平均后作為融合值。該方法能實(shí)時(shí)處理動(dòng)態(tài)的原始傳感器讀數(shù)。但調(diào)整和設(shè)定權(quán)系數(shù)的工作量很大，并具有一定的主觀性。（2）卡爾曼濾波當(dāng)需要實(shí)時(shí)融合動(dòng)態(tài)低級(jí)的冗余數(shù)據(jù)時(shí)，可以使用卡爾曼濾波。對(duì)于線性系統(tǒng)，當(dāng)系統(tǒng)噪聲和傳感器噪聲可以用高斯白噪聲來(lái)建模，則卡爾曼濾波器能提供唯一的統(tǒng)計(jì)意義上的最優(yōu)融合值。并且，它的遞歸本質(zhì)保證了在濾波過(guò)程中不需要大量存儲(chǔ)空間，可以實(shí)時(shí)處理。（3）Bayes估計(jì)Bayes方法用在多傳感器信息融合時(shí)，先將多傳感器提供的各種不確定性信息表示為概率。將相互獨(dú)立的決策看作一個(gè)樣本空間的劃分，使用Bayes條件概率公式對(duì)它們進(jìn)行處理，最后，系統(tǒng)的決策可由某些規(guī)則給出，如取具有最大后驗(yàn)概率的決策作為系統(tǒng)的最終決策。但這一方法存在以下不足:1.需要給出各傳感器對(duì)目標(biāo)類(lèi)別的先驗(yàn)概率。即需預(yù)先經(jīng)過(guò)大量的試驗(yàn)得到各先驗(yàn)概率分布，這在很多實(shí)際的系統(tǒng)中比較困難，甚至是不可能的；2.要求各可能的決策相互排斥；3.當(dāng)可能的決策及傳感器數(shù)量較多時(shí)，先驗(yàn)概率分布的獲得方式及先、后驗(yàn)概率的計(jì)算將變得很復(fù)雜，影響融合的實(shí)時(shí)性。所以，用Bayes方法解決多傳感器信息融合問(wèn)題有一定的局限性，但在一定場(chǎng)合下仍不失為一種行之有效的方法。（4）多Bayes估計(jì)多Bayer估計(jì)是Durrant-Whyte出的一種數(shù)理統(tǒng)計(jì)多傳感器信息融合方法。該方法將每個(gè)傳感器當(dāng)作一個(gè)Bayes估計(jì)器，將每個(gè)物體的關(guān)聯(lián)概率分布組合為一個(gè)聯(lián)合的后驗(yàn)概率分布函數(shù)，然后使這個(gè)聯(lián)合后驗(yàn)概率分布的似然函數(shù)為最大，提供多傳感器信息的最終融合值。（5）Markov鏈文[25]提出了利用Markov鏈組合多個(gè)傳感器的觀測(cè)值以形成一個(gè)一致的輸出，并且這個(gè)輸出是各個(gè)觀測(cè)的線性加權(quán)組合。用自熵和條件熵分別來(lái)度量一個(gè)傳感器對(duì)于自身觀測(cè)值和共同觀測(cè)值的確定性程度，以確定權(quán)值。（6）統(tǒng)計(jì)決策理論文[26][27]利用統(tǒng)計(jì)決策理論提出了一個(gè)通用的多傳感器冗余信息兩步融合方法。先將多傳感器數(shù)據(jù)經(jīng)過(guò)一個(gè)魯棒假設(shè)測(cè)試，以驗(yàn)證其一致性。通過(guò)測(cè)試的數(shù)據(jù)利用一組魯棒最小最大決策規(guī)則進(jìn)行融合。（7）證據(jù)理論Dempster-Shafer(簡(jiǎn)稱(chēng)D-S理論)證據(jù)理論是Bayes方法的推廣，但比Bayes方法具有更多優(yōu)點(diǎn)。Bayes方法需要先驗(yàn)概率，而在Dempster-Shafer形式中可以巧妙地解決這一問(wèn)題，它是一種在不確定條件下進(jìn)行推理的強(qiáng)有力的方法。（8）模糊邏輯由Zadeh提出的模糊邏輯是一種多值邏輯。它能將多傳感器融合的不確定性直接反映在推理過(guò)程中，因而已被廣泛地應(yīng)用于多傳感器信息融合。（9）神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)具備實(shí)時(shí)處理大量數(shù)據(jù)的能力，知識(shí)泛化能力及結(jié)構(gòu)的容錯(cuò)性等，在多傳感器數(shù)據(jù)融合中具有很多的應(yīng)用領(lǐng)域。（10）粗糙集理論粗糙集理論(roughsetstheory)是由Z.Pawlak及其合作者于80年代初提出的一種新的處理模糊性和不確定性的數(shù)學(xué)工具。下面詳細(xì)介紹D-S證據(jù)理論和粗糙集理論。3.2D-S證據(jù)理論在多傳感器信息融合系統(tǒng)中，各傳感器提供的信息一般是不完整、不精確、模糊的，甚至可能是矛盾的，即包含著大量的不確定性。信息融合中心不得不依據(jù)這些不確定信息進(jìn)行推理，以達(dá)到目標(biāo)身份識(shí)別和屬性判決的目的?？梢灾v，不確定推理是目標(biāo)識(shí)別和屬性信息融合的基礎(chǔ)。證據(jù)理論作為不確定性推理方法，近年來(lái)在理論和應(yīng)用上都取得了很大的進(jìn)展。證據(jù)理論是由Dempster于1976年提出的，后由Shafer加以擴(kuò)充和發(fā)展，所以證據(jù)理論又成為D-S證據(jù)理論或Dempster-Shafer證據(jù)理論[28]。D-S證據(jù)理論是概率論的推廣，具有比概率論更弱的公理體系和更嚴(yán)謹(jǐn)推理過(guò)程，能夠更加客觀的反映事物的不確定性。它采用信任函數(shù)而不是概率作為度量，通過(guò)對(duì)一些事件的概率加以約束以建立信任函數(shù)而不必說(shuō)明精確的難以獲得的概率，當(dāng)約束限制為嚴(yán)格的概率時(shí)，它就進(jìn)而成為概率論。3.2.1證據(jù)理論的基本概念證據(jù)理論的論域稱(chēng)為識(shí)別框架，記為,包括有限個(gè)基本命題，且中各命題是互斥的[21]。定義3.1設(shè)為一識(shí)別框架,則函數(shù)在滿(mǎn)足下列條件(2)時(shí)，則稱(chēng)為的基本概率賦值(basicprobabilityassignment)。表示對(duì)命題的精確信任程度，表示了對(duì)的直接支持。定義3.2設(shè)為一識(shí)別框架,函數(shù)是上的基本概率賦值，定義函數(shù)，稱(chēng)該函數(shù)是上的信任函數(shù)(belieffunction)。表示的所有子集的可能性度量之和，即表示為對(duì)的總信任，從而可知，。定義3.3若識(shí)別框架的一子集為，且，則稱(chēng)為信任函數(shù)的焦元（FocalElement）,所有焦元的并稱(chēng)為核（Core）。對(duì)的不知道信息可用的信任度來(lái)度量。定義3.4設(shè)為一識(shí)別框架，定義為稱(chēng)為似然函數(shù)(PlausibilityFunction)。表示不否定的信任度,是所有與相交的集合的基本概率賦值之和，且有，并以表示對(duì)不知道的信息，該差值越小，則表明“未知”成分越小，證據(jù)對(duì)假設(shè)的支持越明確。規(guī)定的信任區(qū)間描述A的不確定性。定義3.5稱(chēng)為焦元的信任度區(qū)間。描述了的不確定性，稱(chēng)為焦元的不確定度（uncertainty）。和分別給出了對(duì)集合的信任度上限值和下限制。因此信任度區(qū)間描述了命題的不確定性，如圖3-1。圖3-1命題的不確定性描述設(shè)，令，，則信任度區(qū)間表示對(duì)有一定程度的信任，也有一定程度的不信任；表示對(duì)有一定程度信任，但無(wú)不信任；表示對(duì)有一定程度不信任，但無(wú)信任；表示為真；表示為假；表示對(duì)完全不知道。已知基本概率賦值，可以得到信任函數(shù)和似然函數(shù)；而當(dāng)已知信任函數(shù)時(shí)，反過(guò)來(lái)也可以求得基本概率賦值。定理3.1設(shè)為識(shí)別框架，為基本概率賦值，為信任函數(shù)，則有3.2.2Dempster組合規(guī)則Dempster組合規(guī)則提供了組合兩個(gè)證據(jù)的規(guī)則。設(shè)和分別是上的兩個(gè)相互獨(dú)立的基本概率賦值，現(xiàn)在的問(wèn)題是如何確定組合后的基本概率賦值：[21]。定義3.6設(shè)和是同一識(shí)別框架上的信任函數(shù),和分別是其對(duì)應(yīng)的基本概率賦值，焦元分別為和,并設(shè)則: 在式中，若≠1，則確定一個(gè)基本概率賦值；若=1，則認(rèn)為、矛盾，不能對(duì)基本概率賦值進(jìn)行融合。對(duì)于多個(gè)證據(jù)的融合，可采用Dempster組合規(guī)則對(duì)證據(jù)進(jìn)行兩兩綜合。Dempster組合規(guī)則可以用圖3-2進(jìn)行空間解釋。圖中豎條表示分配到它的焦元上的基本概率，橫條表示分配到它的焦元上的基本概率。橫條和豎條的交是一個(gè)小矩形，該矩形具有測(cè)度。因?yàn)樗峭瑫r(shí)分配到和上的基本概率，所以和的聯(lián)合作用就是將確切地分配到上。對(duì)于給定的，確切地分配到上的總概率為。但當(dāng)分配到空集上的總概率不為時(shí)，需要對(duì)其它非空集合上的總概率進(jìn)行歸一化處理。圖3-2Dempster合成法則的空間解釋 設(shè)的證據(jù)間隔分別為：和，則組合后的證據(jù)間隔為其中，在利用Dempster組合規(guī)則進(jìn)行證據(jù)組合時(shí)，應(yīng)注意以下幾點(diǎn):(1)構(gòu)成的元素必須獨(dú)立，這是由正交運(yùn)算的性質(zhì)所決定的，在實(shí)際應(yīng)用中，應(yīng)盡量選擇相互獨(dú)立的元素。 (2)證據(jù)組合的最終結(jié)果為各證據(jù)綜合作用的結(jié)果。(3)證據(jù)的組合作用小受其組合次序的影響。(4)規(guī)則的計(jì)算隨著辨別框中元素個(gè)數(shù)的增加而呈指數(shù)增長(zhǎng)，這是證據(jù)理論實(shí)際應(yīng)用的難題之一。3.2.3基于證據(jù)理論的決策用證據(jù)理論組合證據(jù)以后如何進(jìn)行決策是與應(yīng)用密切相關(guān)的問(wèn)題。利用合成規(guī)則進(jìn)行合成，我們可以進(jìn)一步求出一個(gè)新的信任函數(shù)。在D-S證據(jù)理論中，該信任函數(shù)就是我們的判決結(jié)果。所以通過(guò)證據(jù)理論判決得到的結(jié)果只是一些集合，而不是單點(diǎn)。但是，我們遇到的實(shí)際問(wèn)題往往需要知道一個(gè)確切的答案。因此，我們必須要根據(jù)由證據(jù)理論得到的信任函數(shù)來(lái)進(jìn)一步推出確切的結(jié)果，從而使證據(jù)理論能真正用于決策[29,30]，通常有以下幾種決策方法：1.基于信任函數(shù)的決策（1）根據(jù)組合后得到的基本概率賦值，求出信任函數(shù)，則該信任函數(shù)就是我們的判決結(jié)果，這實(shí)際上是一種軟判決。（2）若要縮小真值的范圍，或找出真值，則可以采用“最小點(diǎn)”原則求出真值。所謂“最小點(diǎn)”原則是指對(duì)于集合，信任函數(shù)為。若在集合中去掉某個(gè)元素后的集合設(shè)為，信任函數(shù)為，且，則認(rèn)為可以去掉該元素，其中，為預(yù)先設(shè)定的一個(gè)閾值。重復(fù)這個(gè)過(guò)程，直到某個(gè)子集不能再按此規(guī)則去掉元素為止，則就是判決結(jié)果。2.基于基本概率賦值的決策設(shè)且有，，若有：其中為預(yù)先設(shè)定的門(mén)限，則就是判決結(jié)果。3.基于最小風(fēng)險(xiǎn)的決策設(shè)有狀態(tài)集，決策集，在狀態(tài)為時(shí)作出判決的風(fēng)險(xiǎn)函數(shù)為，，，又設(shè)有一批證據(jù)在上產(chǎn)生了一基本概率賦值，焦元為基本概率賦值函數(shù)為，令：若使得，則就是所要求的最優(yōu)決策。3.2.4D-S證據(jù)理論在信息融合中的基本應(yīng)用過(guò)程在多傳感器信息融合中應(yīng)用D-S推理的基本過(guò)程如圖3-3所示。使用證據(jù)理論方法融合多傳感器數(shù)據(jù)或信息的基本思想是:首先對(duì)來(lái)自多個(gè)傳感器和信息源的數(shù)據(jù)和信息(即證據(jù))進(jìn)行預(yù)處理，然后計(jì)算各個(gè)證據(jù)的基本概率賦值函數(shù)BPA、可信度和似然度，再根據(jù)Dempster合成規(guī)則計(jì)算所有證據(jù)聯(lián)合作用下的基本概率賦值函數(shù)、可信度和似然度，最后按照一定的判決規(guī)則選擇可信度和似然度最大的假設(shè)作為融合結(jié)果[20]。圖3-3證據(jù)推理在多傳感器信息融合中的基本應(yīng)用過(guò)程3.2.5證據(jù)理論的優(yōu)缺點(diǎn)1.證據(jù)理論的優(yōu)點(diǎn)[19-21]（1）證據(jù)理論具有比較強(qiáng)的理論基礎(chǔ)，既能處理隨機(jī)性所導(dǎo)致的不確定性，又能處理模糊性所導(dǎo)致的不確定性。（2）證據(jù)理論可以依靠證據(jù)的積累，不斷縮小假設(shè)集。（3）證據(jù)理論能將“不知道”和“不確定”區(qū)分開(kāi)。（4）證據(jù)理論可以不需要先驗(yàn)概率和條件概率。2.證據(jù)理論的主要缺點(diǎn)由上文的論述可知D-S證據(jù)理論能夠較好地表示不確定性信息，并且具有簡(jiǎn)單的推理規(guī)則。但同時(shí)也存在一些問(wèn)題：（1）Dempster組合規(guī)則在處理沖突證據(jù)時(shí)會(huì)得出與直覺(jué)相背的結(jié)論(Zadeh悖論)，例如假定,和,，其中是相互獨(dú)立的焦元，則其組合結(jié)果為，命題由置信度0.1變?yōu)楸厝淮_定事件，這顯然是不合理的。許多學(xué)者為擺脫這種困境而做了許多工作，但始終無(wú)法解決極端條件下(即沖突系數(shù)接近1的情況)證據(jù)的組合問(wèn)題。（2）證據(jù)理論具有潛在的指數(shù)復(fù)雜度。若假設(shè)集，有個(gè)假設(shè)，有個(gè)證據(jù)，則基本概率賦值為，；。在極端情況下，每條證據(jù)有個(gè)基本概率賦值，即，此時(shí)信息復(fù)雜度為。組合兩個(gè)證據(jù)主要要做次相乘，所以計(jì)算復(fù)雜度為，組合個(gè)證據(jù)的計(jì)算復(fù)雜度為?？梢?jiàn)，利用D-S公式合成證據(jù)的計(jì)算復(fù)雜度與證據(jù)個(gè)數(shù)成線性關(guān)系，與假設(shè)集的模成指數(shù)關(guān)系。（3）在推理鏈較長(zhǎng)時(shí)，使用證據(jù)理論很不方便。這是因?yàn)樵趹?yīng)用證據(jù)理論時(shí)，必須首先把相應(yīng)于每個(gè)步驟和證據(jù)的信度函數(shù)變換成一個(gè)一般的識(shí)別框架，然后再應(yīng)用Dempster組合規(guī)則，當(dāng)推理步驟增加時(shí)，由于最后結(jié)果的信度函數(shù)的焦元結(jié)構(gòu)的復(fù)雜性也相應(yīng)增加，所以Dempster規(guī)則的遞歸應(yīng)用就會(huì)十分困難。（4）Dempster組合規(guī)則具有組合靈敏性。有時(shí)，給基本可信度分配一個(gè)很小的變化都可能導(dǎo)致結(jié)果很大的變化。此外，使用Dempster組合規(guī)則，要求證據(jù)是獨(dú)立的，這個(gè)要求有時(shí)使用起來(lái)很不方便。（5）基本概率賦值的構(gòu)造過(guò)程過(guò)于主觀，也是證據(jù)理論存在的一個(gè)很大問(wèn)題。3.3粗糙集理論基礎(chǔ)粗糙集(RoughSets)理論是由波蘭數(shù)學(xué)家Z.Pawlak于1982年提出的，是一種新的處理含糊性(Vagueness)和不確定性(Uncertainty)問(wèn)題的數(shù)學(xué)工具。1991年，Z.Pawlak教授撰寫(xiě)了第一本關(guān)于粗糙集理論的專(zhuān)著《RoughSets—TheoreticalAspectsofReasoningaboutData》,對(duì)粗糙集理論進(jìn)行了全面系統(tǒng)的論述，推動(dòng)了粗糙集理論的進(jìn)一步發(fā)展。1992年在波蘭召開(kāi)了第一屆國(guó)際粗糙集研論會(huì)，自此每年都有以粗糙集理論為主題的國(guó)際研論會(huì)。1995年，第11期ACMCommunication將粗糙集列為人工智能及認(rèn)知科學(xué)領(lǐng)域新浮現(xiàn)的研究課題，并發(fā)表了Pawlak等人的《RoughSets》一文，概括性地介紹了粗糙集理論的基本概念及粗糙集在部分領(lǐng)域的研究及進(jìn)展。粗糙集理論能有效地處理下列問(wèn)題：1.不確定或不精確知識(shí)的表達(dá)；2.經(jīng)驗(yàn)學(xué)習(xí)并從經(jīng)驗(yàn)中獲取知識(shí)；3.不一致信息的分析；4.根據(jù)不確定、不完整的知識(shí)進(jìn)行推理；5.在保留信息的前提下進(jìn)行數(shù)據(jù)化簡(jiǎn)；6.近似模式分類(lèi)；7.識(shí)別并評(píng)估數(shù)據(jù)之間的依賴(lài)關(guān)系。粗糙集理論有以下的特點(diǎn):1.粗糙集理論不需要先驗(yàn)知識(shí)。模糊集和概率統(tǒng)計(jì)方法是處理不確定信息的常用方法，但這些方法需要一些數(shù)據(jù)的附加信息或先驗(yàn)知識(shí)，如模糊隸屬函數(shù)和概率分布等，這些信息有時(shí)并不容易得到。RS分析方法僅利用數(shù)據(jù)本身提供的信息，無(wú)須任何先驗(yàn)知識(shí)。2.粗糙集理論是一個(gè)強(qiáng)大的數(shù)據(jù)分析工具。它能表達(dá)和處理不完備信息；能在保留關(guān)鍵信息的前提下對(duì)數(shù)據(jù)進(jìn)行化簡(jiǎn)并求得知識(shí)的最小表達(dá)；能識(shí)別并評(píng)估數(shù)據(jù)之間的依賴(lài)關(guān)系，揭示出概念簡(jiǎn)單的模式；能從經(jīng)驗(yàn)數(shù)據(jù)中獲取易于證實(shí)的規(guī)則知識(shí)，特別適于智能控制。3.粗糙集理論與模糊集分別刻畫(huà)了不完備信息的兩個(gè)方面，RS以不可分辨關(guān)系為基礎(chǔ)，側(cè)重分類(lèi)，模糊集基于元素對(duì)集合隸屬程度的不同，強(qiáng)調(diào)集合本身的含混性。從RS的觀點(diǎn)看，粗糙集合不能清晰定義的原因是缺乏足夠的論域知識(shí)，但可以用一對(duì)清晰集合逼近。在處理不確定性問(wèn)題上，粗糙集理論與其他處理不精確性問(wèn)題的數(shù)學(xué)方法，如模糊集理論比較相似，不同的是粗糙集理論可以通過(guò)數(shù)學(xué)公式計(jì)算得到近似值，不需要有關(guān)數(shù)據(jù)的任何預(yù)備和附加信息，而模糊集理論則需要依賴(lài)統(tǒng)計(jì)方法或?qū)＜业慕?jīng)驗(yàn)等預(yù)備知識(shí)才能得出近似值。粗糙集理論被證明特別適合于數(shù)據(jù)簡(jiǎn)化，數(shù)據(jù)相關(guān)性、相似性的查找，發(fā)現(xiàn)數(shù)據(jù)模式，從數(shù)據(jù)中提取推理規(guī)則等。通過(guò)粗糙集理論主要能夠解決如下問(wèn)題：1.進(jìn)行信息表中各屬性的重要性評(píng)價(jià)并尋找主導(dǎo)屬性；2.在保證分類(lèi)質(zhì)量不變的前提下尋求最小屬性集；3.消除信息表中的冗余屬性；4.從約簡(jiǎn)后的信息表中提取決策規(guī)則。3.3.1知識(shí)與知識(shí)庫(kù)一般認(rèn)為，知識(shí)是人類(lèi)通過(guò)實(shí)踐認(rèn)識(shí)到的客觀世界的規(guī)律性的東西，是人類(lèi)實(shí)踐經(jīng)驗(yàn)的總結(jié)和提煉,具有抽象和普遍的特性。在粗糙集理論中，知識(shí)被看作是一種對(duì)對(duì)象進(jìn)行分類(lèi)的能力，即任何一個(gè)物種，都是由一些知識(shí)來(lái)描述與分類(lèi)的，利用關(guān)于對(duì)象的各種知識(shí)來(lái)產(chǎn)生對(duì)對(duì)象的不同分類(lèi)。在現(xiàn)實(shí)或抽象世界中，人們常常使用屬性及其值來(lái)描述對(duì)象。在粗糙集理論中利用對(duì)象的不同屬性描述，就可以清晰的將對(duì)象分為不同的類(lèi)別。通常，我們?cè)趯?duì)現(xiàn)實(shí)問(wèn)題進(jìn)行處理的時(shí)候，會(huì)將討論的現(xiàn)實(shí)個(gè)體（或稱(chēng)元素、對(duì)象、樣本）局限在某一個(gè)特定的區(qū)域范圍之內(nèi)，這個(gè)區(qū)域內(nèi)的所有個(gè)體就組成問(wèn)題的論域。對(duì)于論域中的兩個(gè)元素，若它們的屬性描述不同，就可以將它們區(qū)分為不同的類(lèi)，反之若它們的屬性描述是相同的，則它們是不可區(qū)分的，顯然這是一種等價(jià)關(guān)系。以分類(lèi)為基礎(chǔ)，可以將分類(lèi)理解為等價(jià)關(guān)系。對(duì)論域中由等價(jià)關(guān)系劃分出的任意子集，都可稱(chēng)之為中的一個(gè)概念。這里，我們認(rèn)為空集是一個(gè)特殊的概念。論域中的任意概念簇稱(chēng)為的抽象知識(shí)，簡(jiǎn)稱(chēng)為知識(shí)，它代表了對(duì)中的個(gè)體的分類(lèi)。定義3.7給定一組數(shù)據(jù)（集合）和等價(jià)關(guān)系集合，在等價(jià)關(guān)系集合下對(duì)數(shù)據(jù)集合的劃分，稱(chēng)之為知識(shí)，記為。一個(gè)知識(shí)庫(kù)就是一個(gè)關(guān)系系統(tǒng)，其中是論域，是上的一個(gè)等價(jià)關(guān)系簇。3.3.2粗糙集理論的知識(shí)表示 近年來(lái)知識(shí)表示的研究引起了廣泛的注意，目前常用的知識(shí)表示方法有邏輯模式、框架、語(yǔ)意網(wǎng)絡(luò)、產(chǎn)生式規(guī)則、狀態(tài)空間等。粗糙集理論采用信息表的知識(shí)表達(dá)形式，信息表知識(shí)表達(dá)系統(tǒng)的基本成分是研究對(duì)象的集合，關(guān)于這些對(duì)象的知識(shí)是通過(guò)指定對(duì)象的屬性（特征）和它們的屬性值（特征值）來(lái)描述的。 定義3.8一個(gè)信息表知識(shí)表達(dá)系統(tǒng)可以表示為： 其中，為對(duì)象的非空有限集合,稱(chēng)為論域；為屬性非空有限集，稱(chēng)為屬性集合；（）是屬性集合,子集和分別稱(chēng)為條件屬性集與結(jié)果屬性集；是屬性值的集合，是屬性的值域；是一個(gè)信息函數(shù)，使論域中任一元素取屬性在中有唯一值。若屬性集可分為條件屬性集和決策屬性集，既有，且，則該信息表知識(shí)表達(dá)系統(tǒng)稱(chēng)為一個(gè)決策系統(tǒng)或決策表。 在實(shí)際應(yīng)用中，決策表是一張二維表格,每一行描述一個(gè)對(duì)象,每一列描述對(duì)象的一種屬性,屬性分為條件屬性和決策性。一個(gè)屬性即表示了一個(gè)等價(jià)關(guān)系，一個(gè)表可以看做是定義的一簇等價(jià)關(guān)系，即知識(shí)庫(kù)。該知識(shí)表達(dá)系統(tǒng)可以看做是一種特殊的形式語(yǔ)言，它用符號(hào)來(lái)表示等價(jià)關(guān)系。根據(jù)條件屬性的不同，可以將對(duì)象劃分到具有不同決策屬性的類(lèi)。例3.1表3-1給出了一個(gè)關(guān)于玩具積木的決策表。 表3-1中的個(gè)體集合組成論域，即={，，，，，，}，屬性集可以分為條件屬性集={，，，}和決策屬性集={}。每個(gè)個(gè)體是一個(gè)五元組，元組的每一維表示個(gè)體的一個(gè)屬性信息。這些個(gè)體都可以通過(guò)用其屬性知識(shí)來(lái)描述。 按照顏色來(lái)分類(lèi)，得到一個(gè)等價(jià)類(lèi)： ={{，，，}，{}，{，}}。 這里，，，，這四個(gè)個(gè)體在顏色這個(gè)屬性上是不可區(qū)分的，即它們構(gòu)成一個(gè)類(lèi)，單獨(dú)構(gòu)成一類(lèi)，，這兩個(gè)個(gè)體構(gòu)成一類(lèi)。 按照形狀、大小、價(jià)位、銷(xiāo)量這四個(gè)屬性分別來(lái)分類(lèi)，得到四個(gè)等價(jià)類(lèi)： ={{，，}，{，，}，{}}； ={{，，}，{，，，}}； ={{，}，{，}，{，，}}； ={{，}，{，}，{，，}}。 按照顏色和形狀兩個(gè)屬性來(lái)共同分類(lèi)： ={{，}，{}，{，}，{}，{}}。 按照形狀和大小兩個(gè)屬性來(lái)共同分類(lèi)： ={{，}，{}，{，}，{}，{}}。 由此可見(jiàn)，我們可以用不同的標(biāo)準(zhǔn)來(lái)對(duì)論域進(jìn)行分類(lèi)，得到不同的概念和概念。 表3-1個(gè)體編號(hào)顏色（）形狀（）大?。ǎ﹥r(jià)位（）銷(xiāo)量（）黃色方大中一般黃色方小低一般紅色方大低好黃色圓小中好黃色圓大高較差綠色圓小高較差綠色三角形小高較差3.3.3不可分辨關(guān)系 定義3.9令為等價(jià)關(guān)系族，若，且，則中所有等價(jià)關(guān)系的交集稱(chēng)為P上的不可分辨關(guān)系，記作，即有其中，表示包含元素的的等價(jià)類(lèi)。對(duì)于知識(shí)表達(dá)系統(tǒng)，每一個(gè)屬性子集，定義如下的二元關(guān)系：稱(chēng)為的不可分辨關(guān)系，它是和某些屬性相聯(lián)系的。 論域被不可分辨關(guān)系分割成互不相交的子集，稱(chēng)為基本等價(jià)類(lèi)(equivalenceclass)。中的對(duì)象之間為不可分辨關(guān)系。不可分辨關(guān)系的概念十分重要，它深刻地揭示出論域知識(shí)的顆粒狀結(jié)構(gòu)，是粗糙集理論的基石和定義其它概念的基礎(chǔ)。很明顯，不可分辨關(guān)系滿(mǎn)足反身性、對(duì)稱(chēng)性和傳遞性，所以其是一種等價(jià)關(guān)系。通過(guò)這個(gè)等價(jià)關(guān)系，可以得到?jīng)Q策系統(tǒng)的一個(gè)劃分，稱(chēng)劃分后的等價(jià)類(lèi)為不可分辨類(lèi)。每個(gè)不可分辨類(lèi)稱(chēng)為一個(gè)初等集合，因?yàn)樗砹藢?duì)象的最小不可分辨組，并且它形成了一個(gè)關(guān)于論域知識(shí)的基本顆粒。3.3.4上近似集和下近似集粗糙集理論與傳統(tǒng)的集合理論具有相似之處，但是它們的出發(fā)點(diǎn)完全不同。傳統(tǒng)集合理論認(rèn)為一個(gè)集合完全是由它的元素決定的，一個(gè)元素要么屬于這個(gè)集合，要么不屬于這個(gè)集合。模糊集對(duì)此做出了改進(jìn)，它給成員賦予一個(gè)隸屬度，使得模糊集能夠處理一定的模糊和不確定數(shù)據(jù)。但其模糊隸屬度需要人為的給定，這給它的應(yīng)用帶來(lái)了不便。傳統(tǒng)集合論和模糊集理論都是把成員關(guān)系作為原始概念來(lái)處理，集合的并和交就建立在其元素的隸屬度的max和min操作上，因此其隸屬度必須是先給定(傳統(tǒng)集合默認(rèn)的隸屬度為1或0)。粗糙集理論延拓了經(jīng)典的集合論，把用于分類(lèi)的知識(shí)嵌入集合內(nèi)，作為集合組成的一部分。而成員關(guān)系不再是一個(gè)原始的概念，因而無(wú)需人為給元素指定一個(gè)隸屬度，從而避免了主觀因素。在粗糙集理論中關(guān)于一個(gè)對(duì)象是否屬于集合，可分為三種情況：(1)對(duì)象肯定屬于集合(正域)；(2)對(duì)象肯定不屬于集合(負(fù)域)；(3)對(duì)象可能屬于也可能不屬于集合(邊界域)。需要根據(jù)掌握的關(guān)于論域的知識(shí)做出劃分，是相對(duì)的而不是絕對(duì)的。定義3.10令，當(dāng)能用屬性子集確切地描述（即是屬性子集所確定的上的不可分辨關(guān)系集的并）時(shí)，稱(chēng)在上是可定義的，否則稱(chēng)是不可定義的?？啥x集也稱(chēng)作精確集，不可定義集也稱(chēng)為非精確集或-Rough集。對(duì)于一個(gè)樣例子集(也稱(chēng)為一個(gè)概念)，根據(jù)條件屬性子集所確定的不可分辨關(guān)系，有可能能夠精確地判斷某樣例是否屬于該概念，也有可能不能判斷某樣例是否屬于該概念。為了描述這個(gè)問(wèn)題，粗糙集理論采用了上近似集、下近似集的概念。定義3.11給定知識(shí)表達(dá)系統(tǒng)，對(duì)于每個(gè)子集和不可分辨關(guān)系，包含于中的最大可定義集和包含的最小可定義集，都是根據(jù)能夠確定的，前者稱(chēng)為X的下近似集（記為），后者稱(chēng)為X的上近似集（記為）。上近似集和下近似集分別被定義為：，，其中，是不可分辨關(guān)系對(duì)的劃分。定義3.12集合稱(chēng)為的邊界域；稱(chēng)為的正域；稱(chēng)為的負(fù)域。當(dāng)且僅當(dāng)=，稱(chēng)集合是可定義集；當(dāng)且僅當(dāng)，稱(chēng)集合是Rough集。通過(guò)上面的定義，可以得到上近似集、下近似集、正域、邊界域之間的關(guān)系如下： = =為了更清晰的理解一面的概念，下面用示意圖圖3-4來(lái)描述以上各個(gè)概念的物理意義以及之間的相互關(guān)系。圖3-4粗糙集基本概念關(guān)系圖圖3-4中的小方格表示論域被等價(jià)關(guān)系劃分出的基木集。集合是一個(gè)粗糙的集合，不能表示為基木集的并集，因此無(wú)法用小方格準(zhǔn)確的定義出來(lái)。但是集合可以用小方格邊界所組成的曲線所近似包圍，分別為集合的上、下近似集即和。實(shí)際上是由那些肯定屬于的對(duì)象所組成的最大集合，是由那些屬于或可能屬于的對(duì)象組成的最小集合。正域中的元素對(duì)應(yīng)于下近似集中的元素，肯定屬于，即是上近似集的的補(bǔ)集，其中的元素肯定不屬于，而邊界域中的元素則是那些根據(jù)論域知識(shí)不能確定是否屬于X的元素[31-33]。例3.2表2-2給出了一個(gè)有關(guān)流感病例的決策表，對(duì)于屬性子集={頭疼，肌肉疼}，集合={，，}是一個(gè)Rough集，下面分別計(jì)算集合的上近似集、下近似集、正域、邊界域。表3-2個(gè)體編號(hào)條件屬性決策頭疼肌肉疼體溫是是正常否是是高是是是很高是否是正常否否否高否否是很高是首先計(jì)算論域的所有基本集，={{，，}，{，}，{}}，令={，，}，={，}，={}，集合與基本集有如下關(guān)系：={，}，=，{}。由此可得集合的上近似集、下近似集、正域、邊界域：=={，，，}，=={}，={}， ={，，}。3.3.5屬性的依賴(lài)度和重要性設(shè)知識(shí)表達(dá)系統(tǒng)，（）是屬性集合,子集和分別為條件屬性與結(jié)果屬性，結(jié)果屬性對(duì)條件屬性的依賴(lài)度為：依賴(lài)度表示在條件屬性下能夠確切劃入決策類(lèi)的對(duì)象與上全體元素?cái)?shù)目的比率，表達(dá)了決策屬性對(duì)條件屬性的依賴(lài)程度，顯然，。針對(duì)某一具體問(wèn)題，各屬性的重要性是不同的。為了檢查某個(gè)屬性的重要性，從決策表中去掉這個(gè)屬性后看分類(lèi)是否變化。如果去掉該屬性分類(lèi)發(fā)生了顯著變化，則這個(gè)屬性的重要性是大的，否則是小的。對(duì)于屬性導(dǎo)出的分類(lèi)，屬性集相對(duì)于由屬性引起的分類(lèi)的重要性測(cè)度可表示為，測(cè)度值越大，的重要性越高。3.4D-S證據(jù)理論與粗糙集理論的關(guān)系Pawlak認(rèn)為，決定人類(lèi)行為的一個(gè)基本特征是對(duì)對(duì)象的分類(lèi)能力，而分類(lèi)既是粗糙集理論的核心，也是證據(jù)理論的核心。最早注意到證據(jù)理論和粗糙集理論關(guān)系的是Grzymala-Busse和Skowron[34]，他們解釋了在粗糙集框架下證據(jù)理論的基本概念。粗糙集理論與證據(jù)理論的關(guān)系可以給我們帶來(lái)如下的啟發(fā)：(1)粗糙集理論可以依據(jù)決策表分析各屬性之間的相關(guān)性、屬性的重要性和可靠性，因而可以將其推廣到對(duì)證據(jù)的分析，包括分析證據(jù)的重要性、可靠性和相關(guān)性，從而改進(jìn)Dempster合成法則及合成結(jié)果；(2)粗糙集理論可以依據(jù)決策表分析對(duì)象的隸屬度，因而可以將其推廣到對(duì)識(shí)別框架的分析，以獲取證據(jù)在識(shí)別框架上的基本可信度賦值，從而解決傳統(tǒng)證據(jù)理論中有關(guān)此類(lèi)信息獲取的困難和由于專(zhuān)家的經(jīng)驗(yàn)判斷所帶來(lái)的主觀不確定問(wèn)題。粗糙集理論與應(yīng)用研究近年來(lái)也取得了較大的發(fā)展，但在將其與證據(jù)理論集成應(yīng)用時(shí)，為了提高證據(jù)分析的準(zhǔn)確性、可靠性以及能合理獲取證據(jù)在辨別框架上的基本可信度分配，改善證據(jù)合成的效果，還有一些問(wèn)題有