基于RS的提升机故障诊断系统研究

针对传统故障诊断专家系统中获取知识困难的问题,提出了基于粗糙集理论的故障诊断方法,并将其应用于提升机故障诊断系统中。该方法可以从包含冗余信息的现场采集数据中,获取简洁、有效的诊断决策规则,并输入到知识库中,作为诊断专家系统知识获取模块的输入,从而有效地解决了故障诊断专家系统知识获取难题。试验结果显示利用粗糙集理论获取简洁规则是有效与可靠的。     

基于变精度粗糙集的机械故障诊断方法

探讨了基于变精度粗糙集模型的故障诊断规则获取方法,该方法通过相应的变精度属性约简算法,利用变精度属性约简有效地处理带噪声的决策表,提取符合可信度要求的故障诊断规则形成规则集。此方法克服了标准粗糙集模型对数据噪声过于敏感的缺点,增强了数据分析和处理的鲁棒性。     

粗糙集理论在采煤机故障诊断中的应用

介绍了粗糙集理论关于知识约简的基本内容,利用粗糙集的约简理论,对诊断规则进 行约简并剔除不必要的属性,获取最简单诊断规则。对设备进行正确的诊断,给出了利用决策表建 立采煤机故障诊断规则的表示方法。     

基于粗糙集的制造业设备故障方法研究

介绍了一种关于制造业设备故障维修及诊断的方法-基于粗糙集理论的一种方法。通过相关数据分析表明,运用粗糙集理论可以得到故障诊断更加清晰以及更加简明的诊断规则。     

变精度粗糙集和支持向量机在轴承故障诊断中的应用

针对故障诊断中样本缺乏以及样本数据中难免存在噪声等问题,提出了变精度粗糙集与支持向量机杂合的故障诊断方法:先用变精度粗糙集理论提取故障诊断的特征,获得最优决策系统,在此基础上设计了SVM多分类器进行故障诊断。轴承故障诊断的仿真结果验证了变精度粗糙集理论与支持向量机杂合的诊断方法的可行性。     

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。     

基于FRS—SVM采煤机液压系统故障诊断的研究

结合模糊粗糙集(FRS)理论和支持向量机(SVM)分类机理,提出了一种新的液压系统故障诊断方法。应用FRS理论处理不确定、不完备信息的属性约简能力,剔除冗余信息,获得具有代表性的特征信息,再利用SVM的推广能力,对小样本数据进行故障诊断。通过此方法对采煤机牵引部液压系统的故障诊断仿真实验,结果证明大大提高了诊断精度和效率。     

基于粗糙集的装载机液压系统故障诊断专家系统知识获取研究

针对当前专家系统知识获取瓶颈的难题,提出一种基于粗糙集的装载机液压系统故障诊断专家系统知识获取模型。将装载机液压系统的故障历史数据离散化,构建故障诊断决策表,通过粗糙集数据挖掘算法获取故障诊断的最小约简属性集和潜在的诊断规则,并建立诊断规则知识库。以ZL50型装载机液压系统中的齿轮泵故障分析为例进行了验证。     

基于粗糙集的CBR规则提取韵应用研究

粗糙集理论是一种新型的处理不精确问题的数据分析理论.将粗糙集理论应用于CBR中,用差别矩阵对决策表知识进行约简,发现并提取规则,建立基于粗糙集的范例索引;可有效地消除原CBR范例冗余属和数据嗓音.以滚动轴承噪声值样本为实例,通过计算和分析,证明该方法切实可行.     

基于粗糙集-RBF神经网络的采煤机液压泵故障诊断

针对采煤机液压泵故障征兆多、故障诊断模糊性强的特点,提出了一种基于粗糙集-径向基函数(RBF)神经网络的故障诊断方法,对液压泵内泄漏故障进行诊断。运用粗糙集理论对液压泵原始故障数据集进行属性约简,去除输入冗余信息,得到最小条件属性集。根据最小条件属性集确定RBF神经网络初始拓扑结构,通过网络训练建立故障征兆和故障类别的映射关系,使用Python编程语言实现了故障诊断。试验对比表明,该方法网络结构更加简单,网络学习效率及诊断准确性更高,在采煤机液压泵中有很好的实际应用效果。     

Rough集理论在矿井运输机故障诊断的研究

Rough集理论是一种数据分析和处理方法，使用Rough集理论可以对决策表进行简化。该文针对矿井运输机故障诊断问题．利用Rough集属性约简和值约简方法对决策表进行约简．根据约简的结果生成规则。结果表明：使用Rough集理论可以在保留分类能力不变的前提下，简化对诊断信息的需求，而对故障样例的诊断得到的规则基本可信。     

基于粗糙集-遗传神经网络分类器的矿井通风机故障诊断研究

针对当前矿井通风机机械故障诊断所面临的问题,提出了一种粗糙集-遗传神经网络分类器模型和它的构造方法,模型先利用粗糙集理论约简样本决策表属性,然后再利用遗传神经网络进行网络训练。通过与基本BP网络模型的对比,验证了该方法用于故障诊断的有效性。     

矿井局部通风设备系统故障诊断方法研究

文章针对矿井局部通风设备系统故障而造成瓦斯浓度超限的瓶颈问题,提出采用粗糙集理论和遗传算法对矿井局部通风设备系统的故障诊断方法进行研究。建立了故障模型树;对关键故障征兆和故障规则获取算法及软件进行了分析与开发,并对煤矿进行了应用示范研究。为煤矿通风设备系统的故障诊断提供了一种新的方法思路和原型软件。     

基于粗糙集和混沌粒子群算法的桥式起重机故障诊断研究

为了能够提高桥式起重机的故障诊断准确率,深入地探究了粗糙集和混沌粒子群算法在其中的应用。分析了桥式起重机在工作过程中可能发生的主要故障及其产生原因;讨论了粗糙集的基本理论;分析了混沌粒子群算法的基本原理和流程;对桥式起重机进行故障诊断仿真分析,仿真结果表明该方法具有较高的故障诊断效率和诊断精度。     

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。     

基于粗糙集-神经网络系统的采煤机故障诊断研究

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络智能系统。通过对实例分析,使用该系统能够提高采煤机故障诊断的准确性和效率,在故障诊断中有良好的应用前景。