煤炭业基于粗糙集的非完备信息系统研究

当今煤炭业已经进入了信息时代,基于粗糙集的非完备信息系统决策规则学习算法,能提高属性未知数据信息的准确表达。在该算法中,首先利用粗糙集理论对属性未知的数据信息进行属性约简,然后基于数据挖掘技术的关联规则发现方法和不确定决策方法进行属性未知数据信息的决策规则学习。通过实例数据集进行算法仿真分析,仿真表明,该算法具有较好的决策规则学习能力和表达准确性,验证了对属性未知数据信息利用经典粗糙集的上下近似等价关系进行约简和学习是有效的。     

粗糙集约简算法的研究与实现

粗糙集理论是一种基于对现实世界进行不确定描述的理论,属性约简是粗糙集理论的核心理论之一。对粗糙集理论进行阐述,并给出基于启发式的知识约简算法,最后结合MATLAB程序实例说明了该算法的可行性与有效性。     

多传感器融合技术在码垛机器人中的应用

为了提高多传感器信息融合过程中数据处理的速度和准确度,采用一种粗糙集理论与支持向量机相结合的处理方式。使用粗糙集理论(RS)对参数集进行属性约简,消除冗余信息,减少训练数据数量。以支持向量机对约简后的数据进行分类训练。实验表明该方法的使用能加快系统的运行速度和处理精度。     

基于粗集理论的瓦斯信息融合技术

利用粗糙集理论的属性约简、值约简、核对煤矿瓦斯监测系统中多传感器信息进行融合,对不完整数据进行分析、推理,提取有用特征和简化信息处理,生成的融合决策规则简单易行,能够显著地提高融合速度,从而增强煤矿瓦斯监测系统的可靠性.     

采煤机概念设计融合推理模型研究与实践

为充分利用产品概念设计中积累的成功经验和数据,提出基于粗糙集、支持向量机等理论的融合推理模型。利用模糊集理论对客户需求属性中的语义化、模糊化信息和连续值进行离散化处理,然后利用粗糙集理论对条件属性的冗余信息进行属性约简和规则提取,利用近邻算法获得产品设计的最相似实例。对于未找到相似实例的设计要求,利用支持向量机回归模型进行创新设计,通过人工调整参数,最终得到产品概念设计的最优方案。该模型建立了概念设计客户需求与产品质量特征之间的联系,克服了传统近邻算法的缺陷。基于UG平台开发出具有良好人机界面的采煤机概念设计原型系统,实现了该融合推理模型的工程应用,经实践验证,该方法较为客观、准确和高效。     

基于实例推理地下装载机故障诊断系统

为充分利用在故障诊断进程中积累的成功经验和数据,提出了基于粗糙集,近邻算法等理论的实例推理模型,利用粗糙集理论软件rosetta完成对条件属性冗余信息的属性约简,对实例进行权重的确定,再利用近邻算法在故障库中搜索相似实例,从而避免了传统近邻算法计算量大的弊端,在UG软件平台基础上利用UG二次开发工具UG/OPEN设计出友好的人机交互界面诊断系统,减少了故障诊断的时间,提高了生产效率。     

一种分块建立决策表的粗糙集理论故障诊断与决策方法

提出一种新的基于粗糙集理论的故障诊断方法．该方法的思路是首先对故障诊断系统的多个条件属性进行分块，建立分块决策表；然后根据不相容算法及粗糙集的约简理论对分块决策表进行约简；最后根据粗糙集的最小化方法求出分块的最小化的决策表，再将分块的最小化的决策表合成，建立整个系统的最小决策集．这种方法和根据粗糙集理论直接建决策表相比，主要优点是：前者决策表的规则数仅为后者的1／5，使约简工作量大大简化；约简和最小化过程简单明了、直观．在此基础上。研制开发了一种基于粗糙集理论的双局部通风机瓦斯故障诊断及其自动切换装置。并在铜川矿务局现场试验成功．     

大型复杂装备智能化故障诊断方法

为提高大型复杂装备故障诊断的准确率和效率,提出了一种智能化故障诊断方法。该方法以粗糙集理论为基础,实现信号采集位置优化和特征值约简,应用信息融合技术将振动和噪声信号融合诊断,通过人工神经网络进行故障模式分类,以柴油机为例,验证了方法的正确性和有效性。     

基于属性重要性的启发式属性约简算法

针对粗糙集理论中的属性约简问题做了探讨研究。从寻找属性约简的角度,首先描述了决策表中的属性的重要性,并利用已求得的正区域使处理数据的范围不断缩小,约简集中的属性从核集开始,通过向属性核添加重要性最大的属性,得到属性的最小相对约简。从而减少求约简的时间。最后进行实证,该算法同传统的算法相比,在计算量减少的同时能得到更简约的结果,证明了该算法的正确性和可行性。     

基于粗糙集的机械故障诊断方法研究

粗糙集理论在有效地保持故障诊断分类结果的情况下,可以提取出最能反映故障的特征。本文研究了基于粗糙集的故障诊断规则获取方法,并通过一个故障诊断实例进行了验证。结果表明：粗糙集通过相应的约简算法,能有效地处理决策表,形成规则集。这种方法基本达到了机械故障诊断的效果。     

多传感器模糊信息融合算法在煤矿瓦斯监测中的应用

多传感器信息融合识别的精确率高于单只传感器。文章阐述了多传感器模糊信息融合的理论,并对多传感器信息融合的发展趋势进行分析研究,进而对多传感器模糊信息融合算法在煤矿瓦斯监测中的应用进行研究。     

A novel fuzzy sensor fusion algorithm

A novel fusion algorithm was given based on fuzzy similarity and fuzzy integral theory. First, it calculated the fuzzy similarity among a certain sensor’s measurement values and the multiple sensors’ objective prediction values to determine the importance weight of each sensor and realize multi-sensor data fusion. Then according to the determined importance weight, an intelligent fusion system based on fuzzy integral theory was given, which can solve FEI-DEO and DEI-DEO fusion problems and realize the decision fusion. Simulation results were proved that fuzzy integral algorithm has enhanced the capability of handling the uncertain information and improved the intelligence degrees.     

基于灰色关联算法的工程机械技术状况属性评价研究

为了更好地体现工程机械日常精确化管理的思想,确保工程机械技术状况检查与评估的准确性,优化机械在储备和使用时的配置结构,重点并有针对性地发现工程机械管理中急需解决的问题,优先支持那些有较高应用价值并适应军事实际需要,或对基层装备发展和战斗力提高起一定推动作用的机械维修保养模式,在对工程机械技术状况评判标准进行严格划分与定性评审的基础上,适当引进定量分析极为重要。     

物联网感知技术在煤矿瓦斯监测系统中的应用

针对煤矿瓦斯监测的复杂性和不确定性,将物联网感知技术应用到瓦斯监测系统中,构建了感知层的分布式星状无线传感器网络（DSWSN）,研究了物联网中的关键技术信息融合算法,针对不同的融合层次,分别采用了模糊近似度规则、D-S证据理论和基于灰色关联分析的融合方法,并设计开发了智能移动Sink节点,为煤矿的瓦斯监测应用物联网提供了一个很好的感知层解决方案。试验证明,物联网感知技术的应用提高了信息的收集效率和系统的容错能力,实现了信息互补与协同感知,使得监测系统具有较低的虚警率和漏检率,增强了煤矿瓦斯监测的准确性。     

基于粗糙集理论的机械故障诊断方法研究

机械故障诊断中存在着许多不确定性和知识冗余性,而粗糙集理论是一种新型的处理不确定性信息的数学工具,粗糙集理论提供了对机械故障进行诊断全新的有效途径。将基于可变精度粗糙集模型应用于故障诊断,同时与遗传算法相结合,在保证诊断精度大致不变的情况下对故障征兆属性化简,消除诊断规则判断条件的冗余,获取精简的规则。实例证明了基于粗糙集理论的机械故障诊断方法的可行性。     

基于决策层的提升机减速器故障诊断方法研究

针对提升机减速器提出了一种决策层融合结构模型应用在齿轮故障诊断中。对各个传感器的信息进行神经网络属性判决,再将各神经网络的属性判决进行决策层融合,此种方法具有较强的灵活性,当传感器数目增加时,只需增加神经网络个数就可。对以上信息融合故障诊断方法经过试验研究,证明了方法应用在提升机减速器诊断系统中,减小了错判和漏判,提高了系统的可靠性,保证了提升机安全运行。     

基于核心值的改进值约简算法研究

为了以最少的条件属性值获取信息系统的决策规则,我们可以用值约简算法删除和过滤冗余的条件属性值。在介绍基本值约简算法的基础上,对原算法考虑的情况进行了适当的补充,主要对那种当删除记录的一些属性后不会出现重复记录并且不会发生决策不一致的情况进行了进一步处理。通过实例最终得到的决策规则可以证明,这种改进后的算法对于获取更加精简的决策规则十分有效,是对基本值约简算法的重要补充。     

基于DL联合信息融合技术的刮板转载机故障诊断

采用深度学习(DL)算法和信息融合技术对刮板转载机进行故障诊断。对刮板转载机故障类型进行分类,建立刮板转载机故障诊断模型。为提高信息融合技术的准确率与效率,将一种典型的DL算法——深度置信网络(DBN)应用于数据层信息融合,提出基于DL联合信息融合技术的故障诊断流程。对比MATLAB仿真结果与真实情况,基于DL联合信息融合技术故障诊断结果的准确率比信息融合技术的高。     

基于多源信息融合的矿岩可爆性评价及应用

在数据挖掘的基础上, 采用粗糙集对矿岩可爆性数据进行了数据级融合, 除去冗余属性, 然后采用BP神经网络进行特征级融合, 从而建立基于多源信息融合的矿岩可爆性评价模型。对原始数据进行了离散归一化处理, 应用粗糙集对决定矿岩可爆性指数的6个因素进行了属性约简, 剔除了平均合格率, 而保留了漏斗体积、大块率、小块率、岩体声波速度和波阻抗等5个因素, 并对约简的准确性进行了验证。分别建立了矿岩可爆性评价的BP神经网络模型和粗糙集-BP神经网络模型, 前者对矿岩可爆性指数的预测值与实际值的平均偏差为8.33%, 而后者为6.75%。利用建立的粗糙集-BP神经网络模型预测某矿山井下采场的矿岩可爆性指数为78.43, 计算出采场的炸药单耗为0.65 kg/m³, 而现场试验值为0.67 kg/m³, 进一步验证了该模型的正确性。