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。     

粗糙集属性约简理论在故障诊断中的应用研究

在故障诊断专家系统中,当系统规模较大时,知识库中的规则骤然增多,搜索匹配规则需耗费大量的时间,因此推理速度受到限制.在故障诊断系统中使用粗糙集属性约简理论,在知识获取之前能减少大量包含较少或几乎不包含什么信息量的冗余属性,将大大简化知识库结构的复杂度,提高人们对隐含在知识库庞大数据量下的各种信息的认识程度.     

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.     

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.     

基于变精度粗糙集的柴油发电机排气阀故障诊断方法研究

提出一种基于变精度粗糙集算法的阀门故障诊断方法。该方法具有一定的容错能力,同时能够在确保故障规则具有较高准确度和覆盖度的前提下得到尽可能简洁的规则集。将该方法用于柴油机排气阀典型故障的诊断,研究表明该方法具有良好的故障诊断性能。     

瞬态声与粗糙集在轴承故障诊断中的应用

针对设备实车测试中无法得到稳态信号的制约,以及常规的振动测试方法无法实现非接触、不解体、无损在线检测的弊端,提出了利用瞬态声信号对轴承进行故障诊断.并利用粗糙集理论对故障诊断决策表进行约简,形成清晰、简明的故障诊断规则,有效地提高了轴承故障诊断的精度和效率.     

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。     

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。     

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。     

粗糙集理论在液压泵故障诊断中的应用

针对液压泵故障诊断特性参数多、故障诊断模糊性强的特点,提出应用阶比分析方法消除与振动信号无关的噪声干扰,然后利用粗糙集理论对故障诊断决策表进行约简,获得最优决策系统,最后在最优决策系统的基础上,形成液压泵故障诊断规则,有效提高了液压泵故障诊断的精度和效率.     

基于阶次小波包与粗糙集的轴承复合故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳非高斯特征,传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入到轴承的复合故障诊断中,利用计算阶次跟踪算法对瞬态振动信号进行重采样,采用小波包对该信号分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,通过粗糙集理论得到清晰、简明的决策规则.并通过复合故障实例验证了此方法的有效性.     

基于粗糙集属性约简和贝叶斯分类器的故障诊断

利用改进的小波包对收集的信号进行特征提取,解决了小波包分解的频率混叠问题;针对故障信息中的冗余属性问题,提出了基于类差别矩阵改进属性重要度的属性约简算法,根据各条件属性在类差别矩阵中出现1的频次定义新的属性重要度,提高属性约简的效率;通过考虑条件属性与类属性间的关联性,提出了基于熵权法的属性加权朴素贝叶斯分类器算法,提高故障分类精度。通过对滚动轴承故障数据的对比分析,验证了所提组合方法在提高故障诊断正确率、快速性方面所具有的优势。     

基于粗集理论的高精度伺服仿真转台故障诊断研究

介绍了粗集理论基本原理，详述了某型高精度伺服仿真转台机电控制系统的实现方案。将粗集理论应用于该仿真转台的故障诊断，提出的策略以决策表为主要工具，直接从故障样本集中导出诊断规则，并揭示了仿真转台故障信息内在冗余性。实际应用表明了用粗集理论对高精度伺服仿真转台进行故障诊断的有效性和可靠性。在该高精度伺服仿真转台上已完成多项含实物实时仿真综合试验任务。     

基于小波变换与粗集理论的滚动轴承故障诊断

结合小波和粗集理论的优点,提出了一种基于小波变换和粗集理论的故障诊断规则获取方法并成功应用于滚动轴承的故障诊断。该方法提取小波变换能量特征时不需要精确计算滚动轴承的故障特征频率,与传统的提取时域和频域参数方法相比,具有更高的诊断正确率。研究结果为滚动轴承和其他机械设备的故障诊断提供了新的思路,也为基于规则的智能故障诊断系统提供了一种更为简单的知识库自动构造方法。      

粗集理论在变速箱故障特征提取中的应用

根据CA10B变速箱故障诊断的需要,将粗集理论应用到变速箱故障诊断分析中。通过运用粗集理论,将变速箱的故障特征进行简化,最终将传动装置故障诊断最初用的14种特征量简化为4种,实现了在不影响诊断效果的前提下,大幅度的提高了诊断速度,为旋转机械的快速诊断提供了可行的办法。     

基于粗集-神经网络的智能混合压缩机故障诊断系统的研究

利用粗集的约简功能消除压缩机故障样本数据中冗余信息，将粗集与神经网络相结合，构建了一个基于粗集一神经网络的智能混合压缩机故障诊断系统，实现了粗集对神经网络在压缩机故障诊断中的优化。     

基于证据推理与粗集理论的主客观综合评价方法

提出一种面向多层次,多属性,主客观知识源并存的评价问题的综合评价方法,该方法试图利用证据推理处理主观判断信息,而利用粗集理论处理客观历史信息,从过去的客观数据中获取评价知识,通过合成算法综合两方面的评判结果,以得到更符合实际的评价结论,介绍了该方法的模型与算法,并以齿轮箱方案设计中的评价实例为背景进行了实用论证。