不完备信息的航空电子装备诊断规则提取方法

针对不完备信息引发的不确定性给航空电子装备的诊断规则提取带来的挑战,分别从广义狭义两个角度对故障诊断决策系统的不完备性进行定义,设计了一致性优先的相似度及属性值期望最大的缺失信息补齐算法,解决间接补齐算法存在不一致性问题;构建征兆属性概念格及诊断决策属性概念格,生成不完备诊断决策信息系统的扩充辨识矩阵,引入征兆属性概念等价关系计算最大一致征兆概念集,求解最大一致征兆概念辨识函数的析取范式获取最优约简属性集,根据约简后的诊断决策信息系统获取诊断规则。以某型航空装备的武器系统发射系统为例对方法验证,诊断结果准确率达到83.3%,高于现有典型方法,该方法在不完备信息处理、精确度及对象描述的直观简洁性方面具有显著优势。     

不完备信息的航空电子装备诊断规则提取方法

针对不完备信息引发的不确定性给航空电子装备的诊断规则提取带来的挑战,分别从广义狭义两个角度对故障诊断决策系统的不完备性进行定义,设计了一致性优先的相似度及属性值期望最大的缺失信息补齐算法,解决间接补齐算法存在不一致性问题;构建征兆属性概念格及诊断决策属性概念格,生成不完备诊断决策信息系统的扩充辨识矩阵,引入征兆属性概念等价关系计算最大一致征兆概念集,求解最大一致征兆概念辨识函数的析取范式获取最优约简属性集,根据约简后的诊断决策信息系统获取诊断规则。以某型航空装备的武器系统发射系统为例对方法验证,诊断结果准确率达到83.3%,高于现有典型方法,该方法在不完备信息处理、精确度及对象描述的直观简洁性方面具有显著优势。     

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。     

基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取方法研究

针对航空发动机滑油光谱诊断专家系统的知识获取问题,本文建立了基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取模型。首先建立反映光谱元素浓度及元浓度梯度与发动机磨损故障之间关系的典型故障样本集;然后运用粗糙集理论的离散、约简及规则提取等算法,从大量的故障样本中自动获取知识规则,并将知识规则存储于专家系统知识库中;最后,建立推理机,运用一定的推理策略实现发动机磨损故障诊断。本文利用航空发动机实测的油样光谱数据对所建立的粗糙集知识获取方法,进行了实例验证。     

量化特征关系用于不完备故障诊断的知识获取方法

为了从包含多种未知属性值的不完备故障诊断信息中获取决策规则,提出一种量化特征关系用于不完备故障诊断的知识获取方法。首先,结合不完备故障诊断信息产生的原因,确定未知属性值的类型;然后,利用量化特征关系对不完备故障诊断信息进行分析;最后,利用量化特征关系下属性约简算法获取故障诊断决策规则。结合故障齿轮箱的诊断实例验证了该方法的有效性,结果表明此方法可以从包含三种未知属性值的不完备故障诊断决策表中直接获取准确的故障诊断决策规则。     

基于分辨矩阵基元的不完备故障诊断系统的规则提取技术

在故障诊断中,从不完备数据中获取规则要比从完备数据中获取规则困难,提出一种直接从不完备数据中获取最优广义诊断决策规则的粗糙集方法。给出分辨矩阵基元的定义,研究分辨矩阵基元的性质以简化分辨矩阵基元的计算过程;根据分辨矩阵基元的定义,给出不完备故障诊断决策表中面向对象的分辨矩阵的定义,并以此来构造面向对象的分辨函数,结合命题逻辑中的基本等价式,如分配律和吸收率等,给出一种计算最小面向对象约简的方法,实现不完备故障诊断决策表中面向对象的约简计算和最优广义故障诊断规则的获取。结合电力系统操作点的安全状态诊断实例给出所提出的方法在工程实践中的应用步骤,并证明该方法的有效性。     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

提升机制动器故障诊断规则知识融合获取方法

针对矿井提升机故障诊断处理数据不完备、获取规则知识困难的问题,提出了改进的粗糙集和MATLAB的故障诊断规则知识融合获取方法。该方法首先利用MATLAB将原始数据从数据库中提取出来,并对原始数据进行处理后建立决策表;然后根据改进的差别矩阵计算出决策表的核属性;接着通过属性重要度的计算,对条件属性进行计算排序,将排序结果输入到MATLAB软件中,在MATLAB中对决策表进行约简;最后通过对MATLAB得出的结果和改进的差别矩阵计算出的结果进行判断得出知识约简集,从而获得故障诊断规则并储存更新到知识库中。试验表明,该方法解决矿井提升机故障诊断处理数据不完备、规则知识获取困难的问题。     

基于概率粗集理论的故障诊断知识提取方法

结合工程设备系统故障发生具有随机性的特点 ,基于概率粗集 (PRS)理论模型实现了故障诊断知识的提取。通过改进的模糊 C-均值聚类算法对原始故障数据加以量化 ,采用正则条件熵进行诊断知识系统的统计约简 ,对不协调的诊断规则利用最小风险 Bayes决策理论加以分析处理。仿真实验表明 ,该方法弥补了现有方法的不足 ,克服了基本 RS模型方法无法处理不协调规则的缺点 ,可得到有效的简化诊断知识     

透平压缩机复杂故障诊断不确定知识的表示

本文以透平压缩机为研究对象，提出了复杂故障诊断知识预处理的概念。针对领域本身的特点，提出了利用重要度和清晰度、存在度和严重度来分别描述征兆、故障的不确定性关系。在此基础上，给出了适用于诊断经验知识描述的加权模糊产生式诊断规则的表示形式，并将诊断规则划分为广义充分规则、广义必要规则和广义充要规则等三种基本类型。     

基于粗糙集的旋转机械振动故障诊断研究

振动故障是旋转机械最常见的故障,旋转机械故障诊断常用的是振动分析法.粗糙集理论是一种研究不完整数据、不精确知识的表达、学习和归纳的数学工具.基于粗糙集理论,对旋转机械的振动故障诊断决策表进行分类、约简和核集的形成,推导出最简明的决策表,从而提取故障诊断的重要属性,降低决策表的冗余性.研究表明,粗糙集理论应用于旋转机械振动故障诊断可得到更明晰的诊断规则,从而提高了故障诊断的实时性和快速性.     

基于改进决策树算法的设备故障智能诊断模型

提出一种改进决策树智能故障诊断方法.首先构建故障诊断原始决策表,然后对特征数据进行离散化处理;接着利用可辨识矩阵约简算法对决策表进行属性约简;最后利用 G45 算法构造出最优诊断决策树;并对实例进行故障诊断.结果表明:该方法能有效地删除冗余信息,形成精简的决策规则库,提高故障识别速度,具有很强的工程实用性.     

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。     

不完备信息条件下的航空发动机故障诊断方法

针对不完备、不协调信息条件下的故障诊断问题,研究了一种基于相似关系的最优故障诊断方法.首先,采用不完备诊断信息系统描述不完备诊断信息,根据不完备诊断信息系统的最优完备选择,设计了不协调的不完备诊断信息系统的属性约简方法;然后,对于不完备的诊断对象,设计了基于可信度的最优诊断方法;最后,将该方法应用于航空发动机故障诊断,验证了该方法处理不完备、不协调信息的可行性和有效性,提高了不完备信息条件下的故障诊断效率.     

判别式正交线性局部切空间排列故障辨识

针对现有旋转机械故障诊断模式难以实现自动化、高精度和泛化性的关键问题,提出基于判别式正交线性局部切空间排列特征约简的故障辨识方法。该方法首先构造全面表征不同故障特性的时、频域特征集,再利用DOLLTSA将高维时、频域特征集自动约简为区分度更好的低维特征矢量,并输入到K-近邻分类器中进行故障模式辨识。时、频域特征融集可较全面准确地反映旋转机械的故障特征;DOLLTSA综合利用局部几何结构和类判别信息进行流形解耦,并采用谱回归法和子空间正交化处理来优化低维嵌入子空间,提高了故障辨识精度。深沟球轴承故障诊断实例和空间轴承寿命状态辨识实例验证了所提方法的有效性。     

基于粗糙集理论的变压器故障诊断专家系统研究

在传统的变压器故障诊断专家系统的基础上 ,引入粗糙集理论以解决专家系统较难获取完备知识的瓶颈问题。该系统从历史故障数据所形成的决策表出发 ,运用粗糙集理论进行约简 ,构建专家系统知识库模型。通过计算规则隶属粗糙度 ,来表示诊断规则的置信程度。利用推理机和故障事例库 ,实现对知识库的动态维护。     

概率粗糙集模型的机械故障诊断研究

故障诊断中故障产生的机理比较多,故障的表现形式不唯一,实际应用时得不到理想的诊断结果。概率粗糙集模型能充分利用近似边界区域提供的统计信息,并能对给定概念一个更完整的刻画,因而可以提取带有确定性因子的决策规则。旋转机械振动故障诊断实例验证了统计概率和粗糙集理论相结合进行故障诊断的可行性。     

基于粗糙集理论的电力变压器故障诊断研究

粗糙集理论是一种较新的数据处理工具，可以有效地分析和处理不完备信息。运用粗糙集理论研究了因各种复杂因素造成的不完备信号模式下电力变压器故障诊断的方法。该方法利用油色谱分析得到的各种气体浓度百分比作为故障分类的条件属性集，考虑各种故障情况，建立决策表。利用决策表的约简方法进行化简，区分关键信号与冗余信号，导出故障诊断规则，从而达到不完备信号模式下快速准确地故障诊断的目的。通过实际应用表明，该方法简单、有效、具有良好的容错性能。     

有监督不相关正交局部保持映射故障辨识

提出基于有监督不相关正交局部保持映射(SUOLPP)维数化简的故障辨识方法.首先构造全面表征不同故障特征的时频域特征集,再利用SUOLLP将高维时频域特征集自动约简为具有更好区分度的低维特征矢量,并输入到Littlewood-Paley小波核支持向量机中进行故障模式辨识.时频域特征融集可较全面准确地反映旋转机械的故障特征;SUOLPP同时利用流形局部几何结构和类标签来设计相似加权矩阵,并使输出基向量统计不相关和相互正交,提高了故障辨识精度.深沟球轴承故障诊断和空间轴承寿命状态辨识实例验证了该方法的有效性.     

VPRS在轴承故障诊断中的应用

将变精度粗糙集(VPRS)理论引入到轴承的故障诊断中,提出了一种故障决策规则提取方法。首先用等间距法对连续属性进行离散化,然后根据实际,选取不同的β(正确的分类率),利用变精度粗糙集的近似分类质量进行条件属性约简,得到β近似决策规则,最后通过轴承故障实例验证了此方法的有效性和实用性。