基于服务决策表的产品配置规则研究

针对国内外学者对产品配置理论的研究缺乏从产品服务数据提取产品配置知识的问题,开展了基于服务决策表建立产品配置规则的研究。产品服务过程中的各种工况信息被归纳为产品服务特征,以产品服务特征为条件属性,将其与服役产品是否匹配作为决策属性,组建原始粗集决策表。原始粗集决策表经过相容性分解、条件属性约简以及决策规则融合后,得到服务决策表形式的产品配置规则。     

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。     

粗集理论在快速设计中的应用研究

为实现面向客户的产品快速设计,把粗集理论引入到产品的快速设计中。根据客户的模糊要求进行实例匹配,确定产品的方案,并确定计算相似度的权重。利用粗集理论把实例库中实例的设计参数进行了离散和泛化,发掘实例的属性关系和普遍知识,形成简化的决策表,获取产品方案决策的规则。在建立决策表的同时,计算决策属性对条件属性的依赖程度,确定在计算相似度时各属性值的权重。通过某天文圆顶快速设计的算例表明,把粗集理论应用到快速设计中进行方案决策和权重计算,比传统方法客观、简洁,处理速度更快。     

基于决策能力的启发式属性约简及其在诊断中的应用

基于粗糙集理论中决策表条件属性区分能力的概念,提出了计算属性决策能力的量化方法,并以此作为启发式信息来指导决策表中冗余属性的约简,提高了约简效率。这种方法直接应用于机械故障诊断中的知识约简,可以得到更清晰、简明的诊断规则,应用结果表明本约简算法合理、可靠。     

基于云平台的远程机泵监控诊断系统设计与实现

为了提升机泵运行的安全性、可靠性,研究了基于云平台和运行大数据的设备健康状态监测诊断模式,设计了远程在线监测与智能诊断系统,实现了集在线监测、远程监控、远程诊断、故障匹配识别于一体的智能高效监测诊断模式。实际应用表明,该系统实现了远程监控的目的,能够较好地接收和传输状态信息数据,可以满足远程实时监控的需求,并为后续进行设备故障诊断和分析提供依据。     

基于粗糙集的旋转机械振动故障诊断研究

振动故障是旋转机械最常见的故障,旋转机械故障诊断常用的是振动分析法.粗糙集理论是一种研究不完整数据、不精确知识的表达、学习和归纳的数学工具.基于粗糙集理论,对旋转机械的振动故障诊断决策表进行分类、约简和核集的形成,推导出最简明的决策表,从而提取故障诊断的重要属性,降低决策表的冗余性.研究表明,粗糙集理论应用于旋转机械振动故障诊断可得到更明晰的诊断规则,从而提高了故障诊断的实时性和快速性.     

提升机制动器故障诊断规则知识融合获取方法

针对矿井提升机故障诊断处理数据不完备、获取规则知识困难的问题,提出了改进的粗糙集和MATLAB的故障诊断规则知识融合获取方法。该方法首先利用MATLAB将原始数据从数据库中提取出来,并对原始数据进行处理后建立决策表;然后根据改进的差别矩阵计算出决策表的核属性;接着通过属性重要度的计算,对条件属性进行计算排序,将排序结果输入到MATLAB软件中,在MATLAB中对决策表进行约简;最后通过对MATLAB得出的结果和改进的差别矩阵计算出的结果进行判断得出知识约简集,从而获得故障诊断规则并储存更新到知识库中。试验表明,该方法解决矿井提升机故障诊断处理数据不完备、规则知识获取困难的问题。     

一种基于差别矩阵的决策表规则提取算法

从属性约简后的数据集中提取规则实质上就是决策规则的约简计算,一般利用启发信息进行约简计算。提出了一种新的基于差别矩阵的决策表规则提取算法,首先从差别矩阵得到差别集,结合置信度要求得到候选规则集,然后开始提取规则并逐步调整候选规则集,最终提取出决策规则。该算法避免了规则提取过程中条件属性挑选和扩展的计算,并能够快速提取出决策表中存在的最简决策规则,计算实例表明其具有决策规则提取的工程实用性。     

不完备信息的航空电子装备诊断规则提取方法

针对不完备信息引发的不确定性给航空电子装备的诊断规则提取带来的挑战,分别从广义狭义两个角度对故障诊断决策系统的不完备性进行定义,设计了一致性优先的相似度及属性值期望最大的缺失信息补齐算法,解决间接补齐算法存在不一致性问题;构建征兆属性概念格及诊断决策属性概念格,生成不完备诊断决策信息系统的扩充辨识矩阵,引入征兆属性概念等价关系计算最大一致征兆概念集,求解最大一致征兆概念辨识函数的析取范式获取最优约简属性集,根据约简后的诊断决策信息系统获取诊断规则。以某型航空装备的武器系统发射系统为例对方法验证,诊断结果准确率达到83.3%,高于现有典型方法,该方法在不完备信息处理、精确度及对象描述的直观简洁性方面具有显著优势。     

不完备信息的航空电子装备诊断规则提取方法

针对不完备信息引发的不确定性给航空电子装备的诊断规则提取带来的挑战,分别从广义狭义两个角度对故障诊断决策系统的不完备性进行定义,设计了一致性优先的相似度及属性值期望最大的缺失信息补齐算法,解决间接补齐算法存在不一致性问题;构建征兆属性概念格及诊断决策属性概念格,生成不完备诊断决策信息系统的扩充辨识矩阵,引入征兆属性概念等价关系计算最大一致征兆概念集,求解最大一致征兆概念辨识函数的析取范式获取最优约简属性集,根据约简后的诊断决策信息系统获取诊断规则。以某型航空装备的武器系统发射系统为例对方法验证,诊断结果准确率达到83.3%,高于现有典型方法,该方法在不完备信息处理、精确度及对象描述的直观简洁性方面具有显著优势。     

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.     

基于粗糙集神经网络的刀具磨损监测的研究

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.     

基于数据驱动的生产质量决策支持系统模型的研究

基于生产过程实时监控系统获取的大量质量监测数据，提出了以数据仓库为核心，数据挖掘为驱动的企业生产质量决策支持系统模式，以粗糙集理论为主体技术进行数据挖掘，针对实际生产过程的特性，将经典粗糙集不可分辨关系进行扩展，引入相近和相似关系，可以有效处理实际生产过程中数据的背景噪音和数据不完备的状况，采用遗传算法解决粗糙集理论中知识简约的NP完全问题，挖掘出的各个生产过程的相互联风规则，通过人机一体优化策略，使决策者获得真正需要的知识。     

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.     

粗糙集属性约简的基因算法

粗糙集是一种新型的数据分析方法,而属性约简是其主要算法,由于属性的约简为ＮＰ问题,使得传统算法很难将粗糙集应用于实际中,利用基因算法的搜索寻优技术,提出一种基于多目标优化基因算法的属性约简算法,它不仅有较高的约简效率,而且可以得到多种约简属性集。以柴油机油路故障为例,进行特征属性的约简,取得了较好的结果。     

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     

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.     

基于矢谱和粗糙集理论的旋转机械故障诊断

矢谱融合了转子同源双通道的信息,能准确反映转子运动状态．粗糙集理论是一种对决策表进行简化,去除冗余属性的数据分析和处理方法．提出了基于矢谱和粗糙集理论的旋转机械故障诊断方法．计算了旋转机械振动4种典型故障的矢谱征兆,使用粗糙集理论对其进行约简,根据约简的结果生成矢谱诊断规则,并利用得到的规则对故障测试样本进行了诊断．结果表明：相对于单通道数据,基于矢谱和粗糙集理论的故障诊断不仅简化了诊断规则,而且明显提高了故障诊断的准确率．     

建造液压伺服系统故障诊断的粗糙集神经网络知识库

在液压伺服系统故障诊断技术的研究中,故障知识库的建立一直是人们关注的热点问题,为此提出了利用粗糙集神经网络来构建故障知识库的方法,在详细介绍了粗糙集神经网络知识库建立过程的基础上,重点讨论了其中的决策表离散化和粗糙集特征属性的约简方法.     

基于粗糙集理论和BP神经网络的分层递阶分类算法

根据分层递阶的原则，提出了一种将粗糙集理论与BP神经相结合的分类算法，该算法分别用粗糙集理论和BP神经网络处理决策表中的离散属性和连续属，可以避免对象连续属性离散化中产生不确定的情况。同时粗糙集对于决策表噪声比较敏感，BP神经网络可以克服这个缺点，最后，对3个公共数据库的测试验证了该分类算法的有效性。