概念设计中的智能学习机制

粗糙集合理论是一种新的处理模糊和不确定性知识的数学工具，它已经应用于机器学习，知识发现，决策支持系统和模式识别等领域，阐述了粗糙集合理论的基本思想和特点，在此基础上结合事例介绍了它在概念设计中的应用。     

基于粗糙集理论的知识发现在机械故障诊断中的应用问题研究

对粗糙集理论的知识运算原理及其在工程领域智能决策问题中的应用方法进行了探讨.得出利用该工具实施知识发现,其依据是知识库的知识间存在着知识包含关系、关于论域的多种知识表达方式间存在着知识等价概念.而所发现的知识规则,本质上是原始知识库中所积累的点滴知识规则集合被高度概括为知识颗粒集合的结果.由此得出,获得真实、有效的原始诊断知识资源,使它们能够与领域专家的知识保持协调一致关系,并具有诊断知识挖掘的价值,则是关于诊断知识发现研究能够解决机械故障智能诊断的知识获取难题需开展的最基础工作.这引发出了对机械故障诊断的知识资源用数据方式去进行科学化妥善保护问题研究的新课题.     

粗糙控制中的规则获取策略研究

本文讨论了一种新型的智能控制方法－－粗糙控制,介绍了粗糙集合理论的基本概念。通过产例给出了粗糙控制中的规则获取策略,并与模糊控制方法作了对比研究。实践证明,粗糙集合理论作为一种处理模糊和不确定性问题的有效工具,对于工业过程、智能仪表等的控制具有简单、高效等特性。     

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。     

用于建模、优化、故障诊断的数据挖掘技术

建模、优化、故障诊断是流程工业ＣＩＭＳ技术中的关键技术。传统的建模、优化、故障诊断方法依赖于数学模型仿真或专家经验规则,对于强非线性和非高斯分布噪声的对象存在着知识获取瓶颈。而数据挖掘技术综合运用机器学习、计算智能（人工神经网、遗传算法）、模式识别、数理统计等技术,从大量数据中挖掘和发现有价值和隐含的知识。本文进一步研究了建模、优化、故障诊断的数据挖掘系统,以及规则挖掘、参变量优化、故障诊断建模的     

基于粗糙集数据分类概念的故障知识发现

针对智能决策技术中的知识获取"瓶颈",利用粗糙集理论作为知识发现工具,以一个离散符号型数据决策表为研究对象,通过对其进行数据分类得到知识颗粒集合,并挖掘出一组知识规则的数据处理过程,建立了一种基于数据驱动方式的知识获取模型。该模型显示出的知识发现本质,是一个原始知识库中的知识被进行等价类运算处理的结果。一个双跨转子系统碰摩故障响应的快速傅里叶变换谱特征状况表明,获得用数据方式描述的关于旋转机械的原始故障知识资源,必须构造出一个性能优良的决策表数据结构模型,其中包括论域概念的正确界定、故障知识表达模型的属性集构造和原始故障知识资源的离散化映射等。分析得出,应以不同类型的旋转机械机组结构形式为对象,需要在知识发现系统工程的思想指导下解决原始故障知识的数据资源化保护问题。     

定性定量故障诊断平台中的知识处理方法

针对定性定量系统故障诊断的问题,提出了基于模糊因果导向图的知识获取技术的定性定量故障诊断平台.研究了基于模糊因果导向图的知识获取技术的定性定量故障诊断平台体系结构.深入研究了定性定量故障诊断平台所包含的知识处理方法等关键技术,包括采用基于模糊冈果导向图的知识获取技术进行故障诊断知识的采集和捕获,基于定性知识和定量模型的调度框架技术实现定性定量故障诊断系统的运行,并通过定性定量交互接口方法进行数据交互.通过在某航天器定量定性故障诊断中的应用,验证了该方法的有效性.     

知识发现技术及其在故障诊断专家系统中的应用

在阐述知识发现技术的概念、主要方法和应用领域的基础上,重点讨论知识发现技术在故障诊断专家系统领域中的应用,指出了知识发现技术是专家知识库知识获取的重要手段,具有重要的实际应意义.     

粗糙集规则获取在旋转注水机组故障诊断中的应用

粗糙集理论能够有效地处理不精确、不完整的数据和知识,并从中发现隐含知识,提示潜在规律。提出一种基于粗糙集理论的大型旋转机械故障诊断和知识获取模型。该模型从包含冗余和不一致信息的原始数据出发, 构建决策表,通过属性约简和基于分明矩阵的属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库。基于该模型以某旋转注水机组故障分析为例,从来自实际的经验数据获取旋转注水机组转子故障诊断的规则知识,其属性约简率可达25％,并能有效解决旋转注水机组故障诊断中规则获取的知识冗余或缺失问题,验证了其有效性。     

粗糙集属性约简算法在故障规则提取中的应用

故障诊断的重要前提就是故障规则的提取,粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具.使用粗糙集属性约间算法来提取故障规则能够剔除冗余特征.简化知识库的复杂度,提高故障诊断的正确率.     

基于粗糙集的软计算方法及其在机械故障诊断中的应用

粗糙集理论是一种较有前途的软计算方法,为处理不确定性信息提供了有力的分析手段。对近年来粗糙集理论在机械故障领域的典型应用进行了归纳和评述,指出将粗糙集理论与现有的一些算法如基因算法、人工神经网络、主成分分析法等相结合,对现有算法进行改造和完善的研究路线的正确性。     

Rough set based rule learning and fuzzy classification of wavelet features for fault diagnosis of monoblock centrifugal pump

The fault diagnosis problem is conceived as a classification problem. In the present study, vibration signals are used for fault diagnosis of centrifugal pumps using wavelet analysis. Rough set theory is applied to generate the rules from the vibration signals. Based on the strength of the rules the faults are identified. The different faults considered for this study are: pump at good condition, cavitation, pump with faulty impeller, pump with faulty bearing and pump with both faulty bearing and impeller. However, the classification accuracy is based on the strength and number of rules generated using rough set theory. Wavelet features are computed using Discrete Wavelet Transform (DWT) from the vibration signals and rules are generated using rough sets and classified using fuzzy logic. The results are presented in the form of confusion matrix which shows the classification capability of wavelet features with rough set and fuzzy logic for fault diagnosis of monoblock centrifugal pump.     

基于粗糙集的逻辑故障树方法及其应用

故障树是一种分析复杂系统可靠性、诊断系统故障的有效方法。在传统的故障树方法中 ,故障树的生成通常靠人工完成。故障知识的获取以及故障树结构的确定一直是有待解决的瓶颈问题。这里结合粗糙集、专家系统及人工智能等理论 ,提出了构造逻辑故障树进行故障诊断的方法并给出了相应的故障树评价标准。这种方法利用粗糙集对知识系统的知识发现和知识提取能力 ,从系统运行状态样本中建立基于知识的故障树模型。通过实例讨论了如何运用该方法对工业监控过程进行故障建模 ,检测系统运行过程中所发生的故障。     

基于粗糙集和Petri网理论的矿井电网故障诊断

结合真实井下变电站的情况,将粗糙集和Petri网理论结合提出了一种故障诊断的方法,即利用粗糙集知识约简和处理不确定信息的能力,对变电站的故障诊断知识实现属性优选,获得最小诊断规则,用来建立最优的Petri网模型,并利用Petri网并行推理的能力实现简洁高效的故障诊断。测试表明该方法能有效地缩减求解规模,诊断速度快,正确率高。     

油液故障诊断系统知识发现的包含度方法

油液故障诊断系统的知识发现本质上是一个模式分类与识别的问题,结合Rough set理论和摩擦学系统的特点,建立了油液故障诊断系统知识发现模型。通过将包含度方法引入到Rough set理论中,得到基于包含度的粗糙集知识约简和发现方法,并对包含度与粗糙集数据分析中的度量之间的关系进行了分析。最后通过一个9属性柴油机油液诊断系统的实例来说明这种方法的有效性。     

基于Rough Set理论的摩擦学诊断知识获取系统

摩擦学系统诊断知识的获取本质上是一个模式分类和识别的问题，本文结合摩擦学系统和Rough Set理论的特点，提出了一种基于Rough Set理论的摩擦学诊断知识获取方法，这种方法能够用于模糊和不确定知识的获取和处理，并给出了具体的示例，说明了此种方法的有效性和可用性。     

A hybrid approach of rough set theory and genetic algorithm for fault diagnosis

This paper proposes an integrated intelligent system that builds a fault diagnosis inference model based on the advantage of rough set theory and genetic algorithms (GAs). Rough set theory is a novel data mining approach that deals with vagueness and can be used to find hidden patterns in data sets. Based on this approach, minimal condition variable subsets and induction rules are established and illustrated using an application for motherboard electromagnetic interference (EMI) test fault diagnosis. This integrated system successfully integrated the rough set theory for handling uncertainty with a robust search engine, GA. The result shows that the proposed method can reduce the number of conditional attributes used in motherboard EMI fault diagnosis and maintain acceptable classification accuracy. The average diagnostic accuracy of 80% shows that this hybrid model is a promising approach to EMI diagnostic support systems .     

粗糙集理论在旋转机械实时故障诊断中的应用

根据旋转机械实时故障诊断的实际需求,引入粗糙集理论中的决策模型,作为典型故障诊断规则的发现工具。并针对故障信号的非平稳性和诊断分析的实时性要求,采用小波包分析(WPA)作为现场数据的频域段特征的提取工具。并首次将小波包分析(WPA)与粗糙集理论的决策模型相结合,提出了适应于现代机械设备在线诊断的故障分析模型WRS。并通过实例,验证了全过程。     

粗糙集-神经网络计算机网络故障诊断方法研究

本文用粗糙神经网络进行计算机网络故障分类判断。首先用粗糙集理论对计算机网络的状态属性进行了约简,将庞大的状态属性表约简为最小属性表,然后将最小属性表作为三层前向神经网络的训练样本,构造了基于三层前向神经网络的计算机网络故障的分类判断系统。实践表明,粗糙神经网络计算机网络故障分类判断系统提高了故障诊断速度,其准确率比单独采用粗糙集方法或人工神经网络的方法都高。