数学知识的获取的认知结构与思维模式

从知识获取的认知结构的角度，探讨了数学知识获取的认知思维特性。提出了数学知识获取的基本模式，讨论了今后的发展问题。     

基于粗糙集和条件信息熵的高校教师绩效评价研究

针对当前高校发展的基础与需求,从影响高校教师评价结果的因素考虑,构建一个合理、高效的高校教师评价指标体系。将粗糙集理论和条件信息熵引入高校教师评价,建立基于粗糙集条件信息熵的综合评价智能模型,最大程度呈现专家的经验、知识对指标重要性的倾向。针对该体系中获取指标权重的问题,结合实际评价分析过程中小样本数据所呈现的特点,对决策表进行合理分块,从信息熵的角度结合粗糙集理论,以层次式计算的方式客观获取其权重值。通过实例分析,验证了该评价指标体系的合理性和粗糙集智能评价模型的有效性与优越性。     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。文中对故障诊断知识获取问题进行了形式化表达，给出了建立各故障模式特征描述的概念覆盖算法和构造故障概念层次性分类描述的概念聚类算法，并以旋转机械故障诊断知识获取为例，阐述了这一故障概念与诊断规则自动获取机制。     

诊断知识获取过程的不确定性问题

分析了不确定性问题对诊断知识获取的影响,并针对知识获取过程不确定性的测度手段、重复知识获取过程不确定性测度的冲突解决提出了相应的对策.     

改进决策树方法及其用于故障诊断知识获取

对大型旋转机械设备的故障诊断知识获取问题进行了研究，分析了ＩＤ３决策树方法及其存在的问题。提出了能够适应于连续型属性的知识获取方法，在产生决策树的过程中，提出了一些控制策略，对产生的决策树和决策规则提出了评价准则，并用实例进行了故障诊断知识获取的说明。     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具，已被成功应用到多个领域，寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简，提出属性约简的新方法.首先，在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵，研究它们的性质和相互之间的关系.接着，在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义，给出了属性的重要性度量，利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征，再给出获取矩阵熵约简的方法和算法.最后，利用UCI数据集进行测试，验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验，证明该算法具有更加高效的约简性能且适用于大数据样本.     

大型电站诊断系统中知识处理方法

诊断知识处理是大型电站智能诊断系统的关键技术之一，针对电站设备故障诊断问题，提出了故障诊断的知识范围，对诊断知识进行了合理的分类，分别对这些知识的获取、混合知识的表示、诊断推理等方法进行了分析与研究，为最终建立大型电站智能诊断系统奠定基础     

设备监测与诊断系统构成技术的研究和实践

对大型旋转机械设备的故障诊断知识获取问题进行了研究，分析了ＩＤ３决策树方法及其存在的问题，提出了能够适应于连续型属性的知识获取方法．在产生决策树的过程中，提出了一些控制策略，对产生的决策树和决策规则提出了评价准则，并用实例进行了故障诊断知识获取的说明．     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。     

建筑专业认知实践教学模式的构筑与研究

为了促进学习者达到学习目标,现代教学论根据学习理论所描述的学习过程精细地设计教学,当代认知心理学研究的核心内容是认知学习理论,是把认知学习过程看作是人们认识世界的过程、获取知识、积累储存知识、改造整理并进行运用知识的过程。     

基于证据理论的单一故障诊断方法比较研究

为了比较和研究证据理论中Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度.结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价.结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差.该研究对证据理论组合规则在冲突不明显时的融合效果进行了定量分析,是对已有定性分析研究的验证和补充.     

基于本体的故障诊断知识管理系统研究

针对目前企业内存在的故障诊断信息分散,不易共享和重用的问题,提出基于本体的故障诊断知识管理系统模型.根据故障诊断所涉及的源知识特点,建立了结构域、测试域和故障域3个异构领域本体模型,并根据各本体之间的连接关系给出了故障树生成算法,实现知识之间的共享和重用.以4L-20/8型两级空气压缩机为研究对象,开发了基于本体的故障...     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于特征Petri网建模的冷水机组故障诊断系统

冷水机组是建筑物中空调系统重要的制冷设备,它的运行状态直接关系到建筑物暖通空调系统运行的性能和稳定性,其故障诊断问题一直受到广泛关注.将特征建模方法引入到冷水机组的故障诊断技术中,并采用模糊Petri网技术实现建模.利用Petri网进行知识表示及推理的矩阵运算算法,描述冷水机组故障征兆与特征参数的关系.运用所提出的诊断系统,不但可以充分利用各特征参数的信息资源进行故障判断,而且可根据冷水机组能效指标COP对故障诊断结果进行综合诊断,有利于冷水机组高效运行.实验结果验证了该故障诊断系统的可行性和准确性.     

基于RST改进NN模型的高压输电线系统故障诊断

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误，在基于粗糙集理论(Rough Set Theory，简称RST)的高压输电线系统故障诊断模型的研究基础上，充分利用神经网络(Neural Networks，简称NN)的泛化能力和粗糙集理论强大的定性分析能力，构造了RST与NN相结合的故障诊断模型。首先利用RST从诊断样本中提取领域知识，然后利用所提取的诊断对象知识属性形成诊断NN的初始结构，进而增强诊断NN的智能性和容错性。通过高压输电线系统故障诊断的仿真结果比较，证明了该模型的有效性和通用性。该模型即使在诊断信息不完整的情况下，也具有高的诊断容错性能，因此在电力系统实时故障诊断方面具有广阔的应用前景。     

Fuzzy fault diagnosis system of MCFC

A kind of fault diagnosis system of molten carbonate fuel cell (MCFC) stack is proposed in this paper. It is composed of a fuzzy neural network (FNN) and a fault diagnosis element. FNN is able to deal with the information of the expert knowledge and the experiment data efficiently. It also has the ability to approximate any smooth system. FNN is used to identify the fault diagnosis model of MCFC stack. The fuzzy fault decision element can diagnose the state of the MCFC generating system, normal or fault, and can decide the type of the fault based on the outputs of FNN model and the MCFC system. Some simulation experiment results are demonstrated in this paper.     

基于粗糙集的装备故障诊断系统的算法研究

通过设计基于粗糙集的装备故障诊断系统框架,以大屏幕投影系统的设备故障记录作为样本集,研究了粗糙集在装备故障诊断系统中的应用。针对数据预处理中缺失数据的填补问题,采用粗糙集理论和统计学理论相结合的方式,最大限度的保留了原始信息、产生规则的数量和可靠性;针对知识约简中规则生成速度慢等问题,采用了基于粒计算的粗糙集知识发现算法,将决策表中的属性集转换为二进制的矩阵对象,把复杂的知识约简转化为矩阵运算,降低了知识约简的时间复杂度,提高了生成规则运算效率,实现了故障诊断知识的快速自动获取。     

故障诊断专家系统知识获取的变精度粗集方法

针对故障诊断专家系统知识获取的问题，利用变精度粗集(VPRS)理论模型进行知识简化，并采用正则条件熵和互信息熵对故障特征的选择进行评价，实现最简诊断知识的提取，以建立专家系统知识库。对滚动轴承故障诊断的实验表明，该方法有效地弥补了传统故障诊断专家系统知识获取的不足，可正确地实现故障诊断功能，在实际系统的故障诊断中具有应用价值。     

基于小波神经网络的轴承未知异常诊断

针对滚动轴承振动信号复杂,故障类型难以预知的问题,提出基于小波-神经网络技术的滚动轴承未知异常诊断的新方法.利用小波包对滚动轴承振动信号进行分解与重构,获得振动信号的突变信息,提取与滚动轴承故障相关的特征信息,将其作为特征向量输入自组织特征映射(Self-Organizing Feature Maps,SOFM)神经网络,对其进行自动分类识别,根据数据映射位置,可实现对滚动轴承未知异常的诊断,并为专家系统知识的自动获取提供了一条新途径.通过对仿真结果的分析,证实这种诊断方法的可行性.