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。     

Rough Set理论在天线罩质量可靠性中的应用

利用Rough Set理论和决策表知识,结合天线罩磨削加工系统可靠性研究需要,研究磨削加工过程中陶瓷材料的物理性能、工序加工状态、操作人员、加工机床等因素对天线罩质量可靠性的影响程度,为后续决策提供依据.     

基于决策树的摩擦学系统状态辨识的知识获取方法研究

摩擦学状态辨识实质上是分类问题，针对以往机器摩擦学状态判别主要依靠人工经验来完成所存在的缺陷，用知识发现的思想来解决摩擦学状态辨识的知识获取问题。采用加权ID3（iterative dichotomizer 3）算法来度量摩擦学状态监测实例表中各条件属性对状态辨识的重要性，建立了基于摩擦学状态监测实例库和决策树的知识获取方法模型。将模型应用于磨损试验的摩擦学状态辨识的知识挖掘分析，利用获得的知识对测试集进行状态识别，取得了良好的摩擦学状态辨识结果，从而为从监测实例中挖掘摩擦学状态辨识知识提供了方法与手段支持。     

摩擦学——动力学设计知识自动获取环境的研究

在详细讨论了摩擦学－动力学设计知识的来源之后，本文提出了摩擦学－动力学设计知识自动获取环境的概念，并给出了摩擦学－动力学设计知识自动获取环境的一个实现。     

基于监测实例的摩擦学系统状态辨识的知识获取

对于摩擦学系统监测样本相对比较少或者投入运行时间不长的机器,研究如何实现其摩擦学系统的智能状态辨识具有重要意义。建立基于摩擦学状态监测实例和决策树的知识获取方法模型,并应用于船舶柴油机摩擦学状态辨识的知识获取,利用获得的知识对测试集进行状态识别,取得良好的摩擦学状态辨识结果,从而为从监测实例中挖掘摩擦学状态辨识知识提供方法与手段支持。     

摩擦学面临的挑战及对策

从摩擦学的任务及特点出发，阐述其重要作用及其特殊性质──系统依赖性、时间依赖性和多学科、跨学科性，提出摩擦学的系统研究方法，指出当前应加紧研究知识获取问题，推动摩擦学设计，强调应积极开展各种层次摩擦学教育。     

基于神经网络的摩擦学设计知识表达方法

本文以神经网络理论为基础，提出了摩擦学设计知识表达理论。结合摩擦学设计知识的特点，研究了基于神经网络知识表达方法的实现技术，并给出具体表达实例。实践证明这种方法是行之有效的。     

基于贝叶斯网络的摩擦学系统状态辨识的知识获取

研究了基于贝叶斯网络的摩擦学系统状态辨识知识的获取方法.针对摩擦磨损试验数据一般比较齐全且数据量相对比较大的特点,将贝叶斯网络用于摩擦学系统状态辨识的知识获取,通过计算建立属性之间的依赖关系,获得各种依赖关系下的条件概率表,说明依赖关系的强弱,从而获得对机器摩擦学系统状态辨识有指导意义的客观知识,以利于机器摩擦磨损状态辨识的智能化.将贝叶斯网络用于滑动轴承摩擦磨损试验数据的知识获取,获取该摩擦学系统状态辨识的定性及定量知识.     

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.     

在线摩擦学设计知识获取方法的研究

采用故障诊断和动力学分析相结合的方法，研究了轴承—转子系统摩擦学设计知识获取方法，提出了动力学性能神经网络计算方法，实现了在线动力学分析，为知识获取提供轴承—转子系统实时性能参数。利用灵敏度矩阵可以得到系统运行、维护和设计的改进方案。实例证明：该方法是可行有效的。     

粗糙集合理论在旋转机械故障诊断技术中的应用

粗糙集合理论基于严格的集合分析方法,通过对数据集合进行等价关系、近似空间、分类等运算,发现隐含在数据中的规律与性质,从而完成知识发现。在人工智能机器故障诊断系统中,如何获得故障诊断等知识成为关键技术。论文提出将粗糙集合理论应用于加工中心故障诊断技术,使得故障诊断技术中的知识获取瓶颈问题得以有效解决。     

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。     

基于粗糙集知识获取的转子轴承系统故障诊断知识库构造研究

利用粗糙集理论从信息系统中知识获取与知识发现的功能，对转子轴承系统状态监测与故障诊断系统中知识库构造进行了研究。通过对粗糙集理论用于智能决策过程和诊断监测数据特性的分析，获得了数据表中连续属性值离散化映射、条件属性集与决策属性集记录的完备性是诊断知识获取与知识发现前提条件的结论。建立了基于粗糙集方法从数据库中知识获取和知识发现的诊断知识库模型，设置的连续属性值离散化步骤具有实现知识库决簏规则扩展的特点。     

基于粗糙集理论的磨削烧伤与砂轮磨钝在线监测

研究了基于粗糙集理论的在线辨识磨削烧伤和砂轮磨钝的新方法,以测取信号、计算敏感特征量、构造辨识砂轮磨损和磨削烧伤的知识表示系统、连续属性离散、分类模式的合并、属性约简、知识提取的顺序对获取的信息进行处理,提取判别规则,进而通过判别规则来辨识磨削烧伤和砂轮磨钝,辨识结果与实验数据相符,理论和实验表明,采用粗糙集理论来解决多品种、小批量生产方式中的分类辨识非常有用。     

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。     

粗集理论在信息融合中的应用

粗集理论是一种处理不精确知识的数学工具。本文讨论了该理论在智能机器人物体识别与分类中的应用问题。提出了传感器相对重要性度量这一概念,用于改进信息融合的效果。     

BP 网络在基于知识的摩擦学设计中的应用

在众多神经网络模型中，ＢＰ网络是比较成熟且应用较为广泛的一种。为此，本文选用ＢＰ网络作为基本网络模型，分别从知识表达、知识获取、综合评价方面研究了ＢＰ网络在基于知识的摩擦学设计中的应用。     

摆动活齿传动啮合效率的重要影响因素分析

利用粗糙集理论的属性重要性度量方法对摆动活齿传动啮合效率的重要影响因素进行了研究，研究结果以数值的形式给出了各机构参数对啮合效率影响程度，为该传动的设计提供了评价标准。     

航空发动机诊断知识的动态获取与柔性诊断技术

针对军用航空发动机的状态监测与故障诊断问题，研究了航空发动机的诊断知识动态获取模型及柔性诊断技术。建立了可扩展诊断样本库，实现样本库中故障征兆和故障模式的动态增减，以增加系统的柔性和可扩展性；运用粗糙集理论对样本集进行处理，实现冗余属性的约简、冗余样本的去除及样本冲突的消除；用神经网络通过对处理后的样本集进行学习以动态获取知识，将实际诊断样本输入到训练好的神经网络模型即可得到诊断结果。整个诊断过程具有充分的可扩展性和柔性，当有新样本加入时，按上述步骤进行处理即可实现诊断知识的动态获取和诊断。算例表明了方法的正确性和有效性。