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.     

基于粗糙集-神经网络的飞机寿命消耗量预测模型研究

飞机的寿命消耗是航空装备管理中的重要问题之一,为进一步完善寿命管理方法,开展了基于粗糙集和BP神经网络理论的飞机寿命消耗量预测研究。通过引入粗糙集理论的属性约简功能,实现对复杂影响因素的主因素提取;运用遗传算法优化BP神经网络的权值和阀值,建立飞机寿命消耗量的粗糙集-神经网络预测模型,提出一种基于粗糙集-神经网络的飞机寿命消耗量预测方法。经过实例分析,约简样本预测情况与实际情况相近,与未经约简的预测相比,可信度、误差基本一致,说明该模型具有很好的实际应用效果。     

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。     

数据挖掘在短时交通流预测模型中的应用研究

为准确地对交通流进行短时预测,提出了一种新的基于数据挖掘技术的预测模型。该模型综合了改进遗传算法、粗糙集理论和小波神经网络三种数据挖掘技术。建模阶段分为离散化、属性约简和训练三个步骤。在离散化的过程中,采用了改进的遗传算法,保证了系统分类能力,且使断点数目最少;属性约简中采用了粗糙集理论,选择对交通流预测密切相关的属性,加速了小波神经网络的预测速度并使其结构简化;训练中利用了小波变换非线性特性,采用经过属性约简后的数据对小波神经网络进行训练,从而获得短时预测模型。为验证模型的有效性,进行了对比测试,分析结果证实了该预测模型比传统方法具有更高的精度和速度,为交通流的准确实时预测提供了一种新的思路。     

基于粗糙集的海量数据挖掘

文章结合粗糙集在处理海量数据的约简方面的优势和层次分析法的决策优势,建立了以决策属性为上层因素,紊件属性为下层因素的合理评价模型,并对提取的规则再次进行了约简。文中利用改进的粗糙集属性约简算法来降低海量数据的冗余度,提取约简后的规则,借助粗糙集的属性重要度理论．弥补了层次分析法中评价因子的主观因素。此算法模型省略对核的提取过程,对提取的规则进行了定量的分析,实现了海量数据在属性与规则上的约简。实例证明了算法的有效性。     

基于粗糙集和遗传算法的变压器故障诊断方法

本文针对基于变压器油中溶解气体的故障诊断方法不能有效地把溶解气体的绝对值和比值进行有机结合、断点划分过于绝对且缺少针对性、应用粗糙集进行约简时采用的方法不适合进行大规模数据的全局最优解求取等问题,提出了一种粗糙集和遗传算法相结合的约简算法,将溶解气体的绝对值和比值作为原始规则进行有针对件的处理,从而获得最终的结果.算法首先将连续属性的离散化、属性约简和值约简郁统一转化为可辨识矩阵的化简问题,利用遗传算法的全局并行寻优能力对这一类问题进行统一处理,有效地提高了.算法的执行效率和连贯性,从而保证得到全局最优结果.将建立的专家系统应用于某特定型号220 KV主变压器(隔膜式),获得了较为满意的诊断结果,与当前应用较多的另外7类方法进行比较,验证了本文提出方法的有效性和实用性.     

MMAS与粗糙集在轴承复合故障诊断中的应用

在分析振动加速度信号的基础上,提出了新的粗糙集属性约简算法,并应用于轴承复合故障诊断.将最大一最小蚂蚁系统(max-min ant system,简称MMAS)引入条件属性约简中,以最坏Fisher准则函数作为启发式信息以提高搜索效率,综合考虑分类正确率和条件属性个数两方面因素,利用粗糙集理论约简故障诊断决策表,有效地提高了轴承故障诊断的效率.     

粗糙集在滚动轴承故障诊断中的应用

对滚动轴承几种常见点蚀故障的振动信号特征值进行分析,使用粗糙集基于熵的离散化算法进行属性离散化,并采用基于属性重要度的启发式约简算法进行属性约简,然后选用径向基核函数的支持向量机将经过属性约简的特征向量输入支持向量机训练,建立支持向量机模型并进行故障识别与诊断。实验分析结果表明,应用粗糙集和支持向量机相结合的混合智能诊断方法,将粗糙集作为支持向量机的前置系统对数据进行预处理,利用粗糙集可以减少信息表达的属性数量和故障诊断决策系统的规则数,使支持向量机输入端数据量大大减少,提高系统的处理速度,对于滚动轴承振动信号的故障模式识别可以获得良好的效果。从而验证了粗糙集理论对滚动轴承故障诊断的有效性以及其应用价值。     

模糊故障诊断中特征属性约简及其权重系数的确定

针对粗糙集模型在干扰属性约简方面的局限,采用一种基于最大一致性因子的改进模型对故障特征属性进一步约简。为了克服传统方法在确定权重系数的主观性的缺点,应用粗糙集理论对约简后的故障特征属性的重要程度进行判断和权值化处理,并将权值化处理的结果作为权重系数。最后论文通过一实例对相关方法进行了说明。     

考虑属性组合关联的机械产品属性约简方法

针对机械产品属性之间存在关联性问题,提出考虑属性组合关联的机械产品属性识别方法.将机械产品属性集看作粗糙集信息系统,考虑约简属性组合对条件属性的关联性,利用DEMATEL方法得出属性权重并结合正域依赖度计算约简属性组合重要度;考虑约简属性组合对决策属性的关联性,利用互信息理论计算约简属性组合的相关度.在此基础上,建立机...     

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.     

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 .     

基于低能耗的平面端铣削粗/精加工参数全局多目标优化

以平面端铣削粗/精加工过程为研究对象,根据变频调速铣床主轴电机运行特点,提出分段空载功率函数模型,构建铣床粗/精加工总能耗模型及总生产率模型,并通过相应实验对模型进行完善。结合实际生产建立粗/精加工过程约束条件。选取企业实际生产案例,采用遗传算法对选定加工特征的粗/精端铣削过程进行全局多目标优化,并与传统只针对粗加工或精加工的局部铣削参数优化进行比较。实验结果表明,与优化前相比,局部优化后的粗/精加工总能耗下降了12.51%,全局优化后的粗／精加工总能耗下降了15.04%;局部优化后总加工时间缩短了18.48%,全局优化后总加工时间缩短了21.26%。     

采用粗糙集数据融合的车轮踏面擦伤预示诊断

介绍了一种将粗糙集理论与小波分析相结合对车轮踏面擦伤进行融合预示诊断的方法。在分析踏面擦伤危害和多传感器数据融合特点的基础上，将粗糙集理论和小波分析引入多传感器数据融合。该方法采用小波分析对多传感器信号进行多特征提取识别，然后利用粗糙集选择特征，建立诊断规则，从而实现对车轮踏面擦伤的融合预示诊断。     

基于信息熵属性约简的航空发动机故障诊断

针对不协调信息条件下的航空发动机故障诊断问题,研究了基于信息熵属性约简的故障诊断方法。首先定义了故障诊断信息系统来描述不协调故障样本数据,针对基本粗糙集模型分类能力不足的问题,引入变精度粗糙集模型处理不协调诊断信息系统;然后针对现有条件熵不能区分不确定性规则的缺陷,提出了变精度条件熵作为属性重要度的度量标准,设计了启发式属性约简算法,提取故障诊断规则。将该方法用于航空发动机故障诊断,验证了该方法可有效处理不协调信息,显著提高了航空发动机故障诊断的准确率。     

基于粗糙集理论两相流流型辨识方法研究

本文提出了一种基于粗糙集理论和电容层析成像系统辨识两相流流型的新方法。该法通过对极板电容测量数据进行属性分析，然后根据粗糙集理论化简属性，最后根据分类规则进行流型辨识。本流型辨识方法决策规则简单适合在线测量。仿真结果表明：此方法在两相流流型辨识中具有较高的判别精度。也为两相流流型提供了一种有效的手段。     

一种高效的基于粗集实时诊断算法的研究

随着计算机、自动化等技术的不断发展 ,在线监测系统已广泛地应用在企业生产中 ,开发研制智能化实时在线诊断系统已成为发展的必然趋势。粗集理论能有效地分析和处理不精确、不一致、不完整的各种信息 ,并以最简单的形式表示属性间相互影响关系 ,它已逐步应用在各类诊断领域中。由于属性的简约为 NP完全问题 ,这就为时效性要求较高的实时在线诊断算法提出了较高的要求。本文提出了一种高效的时态决策表“核”的计算方法 ,该方法不需要遍历所有的对象 (或过程 ) ,提高了求解速度 ,并可利用前一时态决策表“核”的计算结果经过简单推算即可求得下一时态决策表的“核”。应用遗传算法求解决策表的最小简约 ,根据“核”的信息对遗传操作采取了一系列控制策略 ,从而大大提高了求解效率 ,使基于粗集的实时诊断系统应用在实际生产中成为可能。     

变精度粗糙集理论VPRS在镇流器智能检测中的应用

将变精度粗糙集理论VPRS引入电子镇流器的在线质量检测中,提出了一种基于变精度粗糙集理论的知识发现模型。在满足检测工艺流程要求的条件下,增加了对于不一致检测规则的容错处理能力。在此基础上,经过属性约简和属性值约简,得出了有用的智能检测规则。通过镇流器质量检测的工程实例,验证了该知识发现模型的有效性。