基于决策树优化粗糙集的设备故障诊断指标集约简的方法研究

特征指标集的约简对于机电设备运行状态准确可靠的监测是非常重要的,为此设计了一种基于粗糙集的属性约简方法。该方法首先将时域及频域信号特征作为条件属性,故障类型作为决策属性,建立故障决策表。利用决策树不纯度的减少量对决策表中的连续属性数据进行离散化处理,然后采用粗糙集对离散化后的决策表进行约简,约简后的故障规则决策表可以使设备的故障诊断变得更为简单有效。最后分别采用实验室轴承数据和矿用带式输送机轴承数据设计试验进行验证,试验结果表明,在保证设备状态监测结果可靠的情况下,该方法能够有效地对属性指标集进行约简,降低工作计算量和减少不确定因素的影响。     

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。     

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。     

粗糙集和LSSVM在设备故障诊断中的应用

为了提高旋转设备故障诊断的准确率,提出了基于粗糙集和最小二乘支持向量机(LSSVM)的旋转设备故障诊断方法,讨论了如何进行数据选择、离散及约简方法,用粗糙集提取出旋转设备故障诊断的关键征兆属性,降低数据集的维数将约简属性后的数据集送入最小二乘支持向量机进行故障分类训练。仿真结果表明:采用此方法的故障识别率优于PCA-LSSVM法,分类时间也明显优于LSSVM分类方法。     

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。     

基于粗糙集与遗传算法的岩爆倾向性预测方法研究

结合粗糙集理论与遗传算法,提出一种新的岩爆倾向性预测方法。以碳化矿床采场工作面岩爆倾向性预测为例,选取9种岩爆影响因素作为条件属性,将采场工作面岩爆倾向性结果作为决策属性,选取77组采场岩爆或非岩爆工程实例数据,构成岩爆倾向性预测样本集合。将样本集合随机分为训练样本和测试样本2个集合,对2个集合的属性值进行量化,建立训练样本决策表与测试样本决策表。采用遗传算法对训练样本决策表的条件属性进行约简,得出条件属性的最小约简和核。应用粗糙集理论从约简结果中提取精简的岩爆倾向性判别规则集。用获得的规则集对测试样本决策表中的岩爆倾向性进行预测,并与实际结果对比,验证了判别规则集的可行性和有效性。结果表明,基于粗糙集与遗传算法的岩爆倾向性预测方法更具客观性和科学性,有较高的工程实用价值。     

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。     

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。     

基于粗糙集-RBF神经网络的采煤机截割部传动系统故障诊断

采煤机截割部传动系统故障源多,建立快速准确识别故障源的模型具有重要研究意义,因此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。首先对传动系统常见故障进行汇总分析,归纳为齿轮故障与轴承故障,通过粗糙集理论完成属性约简后得到最小条件属性集,然后根据粗糙集的最小条件属性集搭建RBF神经网络的拓扑结构。仿真结果表明,基于粗糙集-RBF神经网络的故障诊断模型结构更简单,训练效率及诊断准确性更高,在故障诊断中具有更好的应用效果。     

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。