置信规则
-
基于BRB的双属性融合故障概率预测模型
本项目构建了一个专门用于复杂系统健康状态评估的预测框架。系统的核心功能是接收两个反映系统运行状态的关键属性值，并利用改进的置信规则库（Belief Rule Base, BRB）方法对这些异构数据进行深度融合处理。BRB模型能够有效地捕捉专家经验与不确定性知识，通过建立多条带有置信度的逻辑规则，将输入的物理参数映射到故障概率空间。在实现过程中，系统首先对输入的两个属性进行激活强度计算，随后采用核心推理引擎——证据推理（Evidential Reasoning, ER）算法，对多条规则及其对应的置信度分布进
