李亚光，韩洪兆，王爽心

(1. 中国华电煤业集团有限公司，北京 100035；2.北京交通大学 机械与电子控制工程学院，北京 100044)

钢球磨煤机作为中储式制粉生产过程中的重要环节，已在中小型火电厂获得了广泛应用.但大部分制粉系统没有运行在经济效益最优点，其原因主要为球磨机内料位不易测量[1].由于目前对料位仍没有完全精确可靠的检测方法，技术人员不得不在忽略其经济性考量下保守运行，进而导致大量的能源浪费.尽管支持向量机、神经网络偏最小二乘(Neural Network Partial Least Square, NNPLS)等具有较好动静态特性和泛化能力的建模方法已在烟气含氧量和煤粉流量的软测量上得到了成功应用[2-3]，但这类模型对于工况多变的复杂情况未有考虑或预测精度和实时性尚有不足.因此，有效解决球磨机的料位测量难题无论对其安全高效运转还是在性能监测和自动控制等方面的应用都具有非常重要的意义[4].

自二十世纪七十年代证据融合法则被Dempster首次提出并由其学生Shafer将其拓展形成证据理论(也被称作DS理论)[5-6]后，其比概率推理理论更直观、更易融合不同数据源的特色，使得证据理论在信息融合，回归分析，模式识别及分类，诊断和推理等领域得到了广泛应用[7-8]，并在模糊测度、可置信传递模型和粗糙集理论等理论研究方面，取得了丰硕的成果[9-10].

为了合理地处理证据的冲突，毕文豪等[11]通过Tanimoto系数进行相似性测度，从而正确衡量了证据间冲突的程度.宋亚飞等[12]则根据……