概念设计中的智能学习机制

粗糙集合理论是一种新的处理模糊和不确定性知识的数学工具，它已经应用于机器学习，知识发现，决策支持系统和模式识别等领域，阐述了粗糙集合理论的基本思想和特点，在此基础上结合事例介绍了它在概念设计中的应用。     

粗糙集合理论在旋转机械故障诊断技术中的应用

粗糙集合理论基于严格的集合分析方法,通过对数据集合进行等价关系、近似空间、分类等运算,发现隐含在数据中的规律与性质,从而完成知识发现。在人工智能机器故障诊断系统中,如何获得故障诊断等知识成为关键技术。论文提出将粗糙集合理论应用于加工中心故障诊断技术,使得故障诊断技术中的知识获取瓶颈问题得以有效解决。     

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型.对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性.     

一种基于理想度与粗糙数多属性决策的复杂非线性系统设计方法

针对产品概念设计阶段设计特性及需求的模糊不确定性，提出了一种基于理想度与粗糙数多属性决策的复杂非线性系统设计方法。确定目标技术系统集合与超系统集合，对子系统进行理想化水平求解；构建系统功能结构模型和产品设计特性层次结构图，并基于粗糙数求解权重因子；计算得出设计需求相对评价结果，确定目标子系统复杂性；借助发明问题解决理论消除系统复杂性。下肢外骨骼工程实例验证了该方法的可行性和有效性。     

大模型不确定性下的汽车纵向加速度控制

针对汽车纵向动力学模型存在较大不确定性的问题，提出了一种基于鲁棒控制理论的多模型分层切换控制方法。在分析汽车纵向动力学特性基础上，用4个乘性不确定模型描述对象，并应用鲁棒控制理论设计控制器集合。考虑鲁棒控制理论特点，设计了一种基于不确定性估计的切换指标函数，实现了汽车纵向加速度多模型分层切换控制。理论分析和实验表明，提出的方法在模型具有大不确定性时可以对加速度进行有效控制，系统具有良好的跟踪性能，稳态误差小于0．1m／s^2。     

基于粗糙集的模块聚类方法及应用

产品设计及客户化定制程度是影产品全生命周期的瓶颈;针对传统模块识别方法建模困难,计算复杂和无法有效处理评价数据的模糊性和不确定性等问题,提出了基于粗糙集的产品模块聚类方法。由于无需提供任何主观先验信息,粗糙集理论处理数据更为客观;上下限(集合)形式的粗糙数可使模块聚类结果更为精确。将评价数据转化成粗糙数形式进行模糊聚类分析,在聚类图中根据选取的上下限阈值实现模块划分。以某企业低压电器产品RMM2-250塑料外壳断路器为例验证了方法的有效性。     

基于多色集合理论的模块化工业机器人组合建模研究

提出一种基于多色集合理论的模块化工业机器人组合建模研究方法,研究了模块化机器人的形式化方法,在多色集合理论的元素、统一颜色、个人颜色以及多色图等概念的基础下,建立了模块化工业机器人功能模型、方案元库和推理矩阵,实现了从产品初始功能需求到方案元表示的原始方案集的形式化推理过程。每一类的模块,都可以设计成为不同数值的尺寸和类型,这些不同类型和尺寸的模块构成一个模块库,基于多色集合理论建立的模块库易于形式化描述和推理,推动了方案创新和候选机构型的自动生成。     

基于决策逻辑的模糊粗糙神经网络建模

为建立相关量的预测模型,提出了一种新的基于决策逻辑的模糊粗糙神经网络建模方法.首先对原始数据进行预处理,并基于粗糙集理论进行属性约简,得到最简决策表.然后基于决策逻辑建立模糊粗糙神经网络.最后提出了一种结合混沌搜索算法和最小二乘法的Chaos-LS算法,训练模糊粗糙神经网络的参数,从而建立起系统的模糊粗糙神经网络模型.实验证明,这种建模方法建立的模糊粗糙神经网络模型具有较高的精度和泛化能力a     

粗糙集理论及其在机电行业中的应用潜力分析

介绍了粗糙集理论的基本概念和计算方法,综述了粗糙集理论的特点和研究现状。分析机电行业的生产特点,首次将粗糙集理论引入到机电行业中,对于粗糙集理论在机电产品的市场定位、粗糙控制、设计知识发现、故障诊断等问题的应用潜力和应用途径进行了分析和研究。通过产品装配知识发现的实例,验证了粗糙集理论的有效性和实用性,为机电行业中传统的决策和控制问题提出了新的解决思路。     

质量功能展开中顾客需求重要度确定的粗糙层次分析法

为满足顾客的质量需求,在融合层次分析法与基于粗糙集理论提出的粗糙数和粗糙区间两个新概念的基础上,提出了一种质量功能展开中顾客需求重要度确定的粗糙层次分析法。该方法用粗糙数和粗糙边界区间来表征顾客需求的含糊性和不确定性,并构造出粗糙群决策矩阵和粗糙成对比较矩阵,通过求解粗糙成对比较矩阵的特征值和特征向量,得到顾客需求基本重要度。根据市场竞争性分析的结果,对顾客需求基本重要度进行了适当修正,确定了顾客需求最终重要度。最后,通过实例分析了该方法的可行性。     

Rough set based knowledge modeling for the aluminum alloy pulsed GTAW process

The arc welding process is so complex that the classical modeling method cannot obtain the model effectively. However, the model of the arc welding process is necessary for the intelligent control of the process. Therefore, the modeling has been the interest of many researchers. Recently, more and more researchers are attempting to obtain the model of the process by means of intelligent methods, such as the neural network method, the fuzzy set method, and so on. All these methods concentrate on simulating the intelligent behavior of human beings, namely using human experience. Many applications of these methods have proved their effectiveness under certain conditions. However, their limits are obvious and further research is needed. This paper proposes a method of rough set based knowledge modeling for the aluminum alloy pulsed gas tungsten arc welding (GTAW) process. Owing to the ability of dealing with knowledge (experience) of the rough set theory, the method can obtain the knowledge model of the aluminum alloy pulsed GTAW process. The model obtained is easily understood and revised. Experiment results indicate that the method is effective. The method can be regarded as the basis of the intelligent control of the welding process .     

An Improved Rough Set Approach to Design of Gating Scheme for Injection Moulding

The gate is one of the most important functional structures in an injection mould, as it has a direct influence on the quality of the injection products. The design of a gating scheme includes the selection of the types of gate and calculation of the sizes and determination of the location, which depends heavily on prior experience and knowledge and involves a trial-and-error process. Due to the vagueness and uncertainty in the design of a gating scheme, classical rough set theory is not effective. In this paper, a fuzzy rough set model is proposed, which is not based on equivalent relationships but on fuzzy similarity relationships. An inductive learning algorithm based on the fuzzy rough set model (FRILA) is then presented. Compared to decision tree algorithms, the proposed algorithm can generate fewer classification rules; moreover, the generated rules are more concise. Finally, an intelligent prototype system for the design of a gating scheme based on an induced fuzzy knowledge base is developed. An illustrative example proves the effectiveness of the proposed method.     

A hybrid approach of rough set theory and genetic algorithm for fault diagnosis

This paper proposes an integrated intelligent system that builds a fault diagnosis inference model based on the advantage of rough set theory and genetic algorithms (GAs). Rough set theory is a novel data mining approach that deals with vagueness and can be used to find hidden patterns in data sets. Based on this approach, minimal condition variable subsets and induction rules are established and illustrated using an application for motherboard electromagnetic interference (EMI) test fault diagnosis. This integrated system successfully integrated the rough set theory for handling uncertainty with a robust search engine, GA. The result shows that the proposed method can reduce the number of conditional attributes used in motherboard EMI fault diagnosis and maintain acceptable classification accuracy. The average diagnostic accuracy of 80% shows that this hybrid model is a promising approach to EMI diagnostic support systems .     

变精度粗糙集理论VPRS在镇流器智能检测中的应用

将变精度粗糙集理论VPRS引入电子镇流器的在线质量检测中,提出了一种基于变精度粗糙集理论的知识发现模型。在满足检测工艺流程要求的条件下,增加了对于不一致检测规则的容错处理能力。在此基础上,经过属性约简和属性值约简,得出了有用的智能检测规则。通过镇流器质量检测的工程实例,验证了该知识发现模型的有效性。     

基于粗糙集理论的状态监测与故障诊断

为了提高监测诊断的效率和自动化、智能化水平,将粗糙集理论引入到复杂装备系统状态监测与故障诊断领域.运用基于粗糙集理论的监测参数与故障特征约简算法,对发动机监测诊断过程中大量的冗余特征进行压缩或约简,实现发动机技术状态监测参数的优选;并针对故障点建立决策表,利用粗糙集约简所获得的诊断规则进行智能故障诊断.实例表明:粗糙集监测诊断方法不仅大大减少了特征信息提取的工作量,也为在故障诊断中实现自主式学习和决策提供了很大的便利.     

基于模糊粗糙集模型的注塑模浇注系统方案智能化设计研究

选择影响注塑件质量的注塑模浇注系统方案为研究对象,提出了浇注系统方案智能化设计策略。考虑到浇注系统方案设计中存在的模糊性和不确定性等因素,对经典的粗糙集理论进行了扩展。将等价关系扩展为模糊相似关系,提出一种模糊粗糙集模型归纳学习算法,并利用此模型建立了具有规则数目少、规则简捷等优点的浇注系统方案设计模糊知识库,并开发了一个浇注系统方案智能化设计原型系统。设计实例初步表明该研究工作和开发的设计原型系统能提高浇注系统设计效率。     

基于粗糙集理论的状态监测与故障诊断

为了提高监测诊断的效率和自动化、智能化水平,将粗糙集理论引入到复杂装备系统状态监测与故障诊断领域.运用基于粗糙集理论的监测参数与故障特征约简算法,对发动机监测诊断过程中大量的冗余特征进行压缩或约简,实现发动机技术状态监测参数的优选;并针对故障点建立决策表,利用粗糙集约简所获得的诊断规则进行智能故障诊断.实例表明粗糙集监测诊断方法不仅大大减少了特征信息提取的工作量,也为在故障诊断中实现自主式学习和决策提供了很大的便利.     

设备故障智能诊断方法的研究

模糊聚类、粗糙集理论、灰色系统理论等相关技术曾被广泛应用于设备故障诊断中,但是模糊聚类只能对已知样本做出决策,不具有柔性,不能通过已知信息和聚类结果对问题所涉及领域内的新样本的类别做出决策;粗糙集理论不能处理连续变量;而灰色系统理论无法去除故障诊断中冗余的特征参数,不能区分各特征参数的重要性,因而制约了它们在故障诊断中的应用.在本文中,这几种理论被有机地结合起来,应用于设备故障诊断中.在故障诊断过程中,首先利用模糊c均值聚类对样本的参数进行离散化处理,求得各类别的聚类中心,接着基于粗糙集原理对设备特征参数进行约简,去除冗余参数,定量确定各特征参数的重要程度,然后根据约简的特征参数和各参数的重要程度,利用灰色关联分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障所在之处.在本文最后部分通过实例证明,将模糊c均值聚类、粗糙集理论和灰色系统理论结合起来,应用于设备的故障诊断中是一种行之有效的方法,为智能故障诊断提供了理论基础.     

基于粗糙集和ART2 神经网络的多传感器信息融合

神经网络是信息融合的一种重要方法,粗糙集理论是处理不完备信息的一种技术。本文提出了一种基于粗糙集和ART2神经网络的多传感器信息融合方法。ART2网络是一种无监督神经网络,能够实现对输入的任何模式信号自动识别和分类。而对信息融合中常遇到的数据超载问题,提出采用粗糙集与神经网络结合的方法解决。文章给出了基于粗糙集理论的组合神经网络的模型结构,最后用一个脱机手写体数字识别的实例验证了该方法的有效性。     

一种高效的基于粗集实时诊断算法的研究

随着计算机、自动化等技术的不断发展 ,在线监测系统已广泛地应用在企业生产中 ,开发研制智能化实时在线诊断系统已成为发展的必然趋势。粗集理论能有效地分析和处理不精确、不一致、不完整的各种信息 ,并以最简单的形式表示属性间相互影响关系 ,它已逐步应用在各类诊断领域中。由于属性的简约为 NP完全问题 ,这就为时效性要求较高的实时在线诊断算法提出了较高的要求。本文提出了一种高效的时态决策表“核”的计算方法 ,该方法不需要遍历所有的对象 (或过程 ) ,提高了求解速度 ,并可利用前一时态决策表“核”的计算结果经过简单推算即可求得下一时态决策表的“核”。应用遗传算法求解决策表的最小简约 ,根据“核”的信息对遗传操作采取了一系列控制策略 ,从而大大提高了求解效率 ,使基于粗集的实时诊断系统应用在实际生产中成为可能。