变精度粗糙集在齿轮故障诊断中的应用

在二级齿轮箱的变负载过程中,为了有效地处理非平稳信号,采用小波包提取特征参量(条件属性值);为了有效地处理带噪声的数据,将变精度粗糙集理论引入到齿轮的故障诊断中,提出了一种条件属性约简方法.首先对连续属性进行离散化;然后定义集合M,根据实际情况,选取不同的正确分类率β,利用变精度粗糙集的近似分类质量进行条件属性约简,并与加入噪声数据后所得的约简结果进行了对比;最后通过齿轮故障实例验证了此方法的有效性和实用性.     

粗糙集属性约简理论在故障诊断中的应用研究

在故障诊断专家系统中,当系统规模较大时,知识库中的规则骤然增多,搜索匹配规则需耗费大量的时间,因此推理速度受到限制.在故障诊断系统中使用粗糙集属性约简理论,在知识获取之前能减少大量包含较少或几乎不包含什么信息量的冗余属性,将大大简化知识库结构的复杂度,提高人们对隐含在知识库庞大数据量下的各种信息的认识程度.     

应用变精度粗糙集获取柴油机故障有效监测点

提出基于变精度粗糙集(Variable Precision Rough Set,简称VPRS)理论获取柴油机故障有效监测点的方法.通过变精度粗糙集在不同精度时分类近似质量的计算,得到柴油机在不同采集点的分类近似质量,进一步计算出各采集点条件属性与决策属性的近似依赖值,得出在故障监测中最敏感的状态信息监测点.通过变精度粗糙集理论对采集点数据的处理,找出故障诊断系统中最有效工作状态监测点.有效信息的采集,可以最大限度地减少噪声对故障诊断的影响,提高故障诊断系统的工作效率和准确率.     

一种基于粗糙集理论的入侵检测方法

入侵检测系统的高检测率、低误报率一直是研究的重点,基于此,本文提出了一种基于粗糙集的研究方法。在粗糙集理论中,根据属性的重要性来确定属性是否为规则属性,为规则属性则保留,为非规则属性则删除。对此方法进行了研究,应用于入侵检测系统中,通过对入侵数据的预处理,属性约简导出规则。最后,通过实验证明了该方法的有效性。     

VPRS在轴承故障诊断中的应用

将变精度粗糙集(VPRS)理论引入到轴承的故障诊断中,提出了一种故障决策规则提取方法。首先用等间距法对连续属性进行离散化,然后根据实际,选取不同的β(正确的分类率),利用变精度粗糙集的近似分类质量进行条件属性约简,得到β近似决策规则,最后通过轴承故障实例验证了此方法的有效性和实用性。     

基于变精度粗糙集的柴油发电机排气阀故障诊断方法研究

提出一种基于变精度粗糙集算法的阀门故障诊断方法。该方法具有一定的容错能力,同时能够在确保故障规则具有较高准确度和覆盖度的前提下得到尽可能简洁的规则集。将该方法用于柴油机排气阀典型故障的诊断,研究表明该方法具有良好的故障诊断性能。     

基于粗糙集理论多知识库的知识发现

简介了粗糙集理论的基本概念和特点,通过一个实例将粗糙集理论作为生成多个知识库的形式模型,对各个知识库的决策结果进行处理,从而提高决策结果的可靠性和准确性.     

基于变精度粗糙集的柴油机监测点优化

为获得有效的柴油机振动信号监测点,提出了一种基于变精度粗糙集模型的测点优化方法。该方法在保证集合相对可辨别性的前提下,计算各个测点的阈值,并以此作为测点优劣的评判标准。以某大功率柴油机为例,采集不同测点位置的振动信号,并提取频域特征值;应用基于变精度粗糙集的方法进行测点的优化计算,与实验结果进行对比,表明该方法能够有效区分不同测点位置以及不同故障类型的敏感程度,从而得到效果较好的振动信号监测点位置,同时减小噪声对故障诊断的影响,有利于提高故障诊断的准确率和效率。     

粗糙集理论在智能故障诊断中的应用

神经网络和规则推理是智能故障诊断的两种重要方法。给出了粗糙集理论在这两种系统中的应用，粗糙集－神经网络（RNN）系统，粗糙集作为神经网络系统的预处理，仿真结果表明RNN系统提高了诊断准确率和诊断速度，粗糙集用于故障诊断专家系统的规则获取，可得出确定性规则和可能性规则。结果表明粗糙集方法能处理由于类重叠引起的样本信息不精确，不一致情况下的规则获取，消除故障诊断中的误报和漏报现象对诊断性能的影响。     

MMAS与粗糙集在轴承复合故障诊断中的应用

在分析振动加速度信号的基础上,提出了新的粗糙集属性约简算法,并应用于轴承复合故障诊断.将最大一最小蚂蚁系统(max-min ant system,简称MMAS)引入条件属性约简中,以最坏Fisher准则函数作为启发式信息以提高搜索效率,综合考虑分类正确率和条件属性个数两方面因素,利用粗糙集理论约简故障诊断决策表,有效地提高了轴承故障诊断的效率.     

基于粗集理论的高精度伺服仿真转台故障诊断研究

介绍了粗集理论基本原理，详述了某型高精度伺服仿真转台机电控制系统的实现方案。将粗集理论应用于该仿真转台的故障诊断，提出的策略以决策表为主要工具，直接从故障样本集中导出诊断规则，并揭示了仿真转台故障信息内在冗余性。实际应用表明了用粗集理论对高精度伺服仿真转台进行故障诊断的有效性和可靠性。在该高精度伺服仿真转台上已完成多项含实物实时仿真综合试验任务。     

复杂机电产品中线缆敷设质量评估的变精度粗糙集决策方法

针对目前线缆敷设主要依靠现场装配工人的经验从而使得敷设质量难以得到保证的问题,提出了一种基于属性加权相似度的线缆敷设质量评估变精度粗糙集决策方法。首先通过综合考虑评估对象的多种属性,建立线缆敷设质量评估模型并对属性值进行量化处理;其次,在质量评估模型的基础上,结合变精度粗糙集理论形成线缆敷设质量评估规则;最后,应用属性加权相似度方法比较当前线缆敷设状态与决策系统中所有对象的相似程度,得到敷设质量决策结果,完成对线缆敷设的质量评估。实例结果表明,相较于传统的敷设质量评估方法,该方法能提供更加符合实际的决策结果。     

基于级联粗糙集的数控机床智能诊断方法的研究

采用级联粗糙集进行数控机床故障诊断.以数控机床主轴、进给和刀库各部件振动信号幅值为条件属性,进行第一级粗糙集决策并诊断出主轴故障;进而通过主轴的转频、振动幅值、高频成分的能量及频率分布情况为条件属性,进行第二级粗糙集决策并诊断出产生故障的具体原因.级联粗糙集分析方法减小了由条件属性较多导致决策精度变差的可能性,提高了数控机床智能诊断的精度.     

基于粗集理论的模糊神经网络建模方法研究

智能控制研究发展到了模糊神经网络阶段,其中5层模糊神经网络结构的物理含义清晰,而Max-Min模糊神经网络反应快,实时性强。在分析两者优缺点的基础上,提出了基于粗糙集构建模糊神经网络的方法,并通过比较3种方法对同一个事例的建模,说明了基于粗糙集方法的优点。     

基于粗糙集属性约简和贝叶斯分类器的故障诊断

利用改进的小波包对收集的信号进行特征提取,解决了小波包分解的频率混叠问题;针对故障信息中的冗余属性问题,提出了基于类差别矩阵改进属性重要度的属性约简算法,根据各条件属性在类差别矩阵中出现1的频次定义新的属性重要度,提高属性约简的效率;通过考虑条件属性与类属性间的关联性,提出了基于熵权法的属性加权朴素贝叶斯分类器算法,提高故障分类精度。通过对滚动轴承故障数据的对比分析,验证了所提组合方法在提高故障诊断正确率、快速性方面所具有的优势。     

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。