基于粗糙集的温室无线传感网络节点故障诊断

针对系统资源有限、不适宜运行复杂故障诊断算法的问题,提出基于粗糙集的温室无线传感网络节点故障诊断方法.结合网络体系结构,以资源丰富的汇聚节点为中枢,在运行过程中在线判别其子节点故障征兆,通过简单地查故障诊断决策表的方法来诊断子节点故障类型;从系统的、模块化的角度构建的子节点故障征兆、故障类型具有相关性,在简化决策的同时也造成了决策表的冗余,运用粗糙集及其数据约简理论设计一致数据启发式子节点故障诊断约简算法来约简冗余,建立了更简洁的子节点故障诊断决策表.结果表明,基于粗糙集能够实现在线简便的故障诊断,并可节约子节点系统资源.     

基于决策技术和粗糙集理论的诊断知识库构建研究

针对目前诊断推理中知识库构建存在知识获取困难,提出了一种基于粗糙集和决策理论的诊断知识库构建模型.该模型引入决策技术和粗糙集理论,对源数据进行预处理,构建决策表,通过属性约简和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.实例证明在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征知识,并能有效地解决诊断知识库构建中规则获取的知识冗余或缺失问题,显著提高故障诊断的精度和效率.     

β确定下的飞机发电机故障诊断决策约简研究

针对飞机整体驱动发电机故障诊断过程中的故障多源、诊断决策复杂的问题,从数据挖掘角度出发,引用变精度粗集模型处理诊断信息系统.利用对象集定义的二元关系和依赖空间给出了变精度粗糙集的β下近似协调集的判定定理,通过确定近似分类质量γ判断β取值范围并构造下近似分布表,提出了一种决策规则中β下近似属性约简的整体驱动发电机故障诊断决策.通过实际发电机输出故障信号诊断流程约简后得到决策系统,利用粗集中右边界域的准确度和覆盖度验证该方法的有效性和小样本情况下得到决策方法的普适性.     

基于粗糙集理论的低压电器故障诊断方法研究

通过分析低压电器的故障,提出一种基于粗糙集理论的故障诊断方法。根据故障历史样本,确定样本的条件属性集合和相应决策属性集合。对条件属性集合进行约简,实现不确定数据的简化,得到相应的规则集合,并将其应用于低压电器常见故障的诊断。     

融合粗糙集和证据理论的车地无线通信设备故障诊断

针对车地无线通信设备故障诊断信息不一致的情况进行故障推理和诊断,提出了一种融合粗糙集与证据理论综合集成的车地无线通信设备故障诊断方法.该方法首先利用粗糙集剔除故障特征数据的冗余成分,提取互不相关的必需特征,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制,便可方便得出车地无线通信单元故障诊断结果,实例分析表明该方法能有效提高模型故障诊断能力,具有较强实用性.     

邻域粗糙集和Fisher判别法结合的转子故障决策规则提取方法

针对旋转机械故障诊断知识获取困难的问题,将邻域粗糙集和Fisher(费舍)判别法相结合,对从故障数据库中提取决策规则的方法进行了研究.首先基于邻域粗糙集理论对转子故障的时域特征属性集进行属性约简,据此达到消除冗余属性的目的,然后再依据费舍判别法对故障数据集进行故障模式识别.通过处理转子实验台数据来对该方法进行的验证以及与传统方法进行的对比情况表明:本方法在节省数据存储空间的同时还具有能够获得较准确的故障分类决策规则能力.     

基于粗糙集理论和贝叶斯网络的断路器故障诊断方法

为了快速准确地诊断出断路器的故障原因,笔者提出了一种断路器的故障诊断方法。该方法以粗糙集理论为基础,建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则。基于最小故障诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推断。经真空断路器故障的实例分析表明,该方法是可行有效的。     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

基于灰色粗集模型的汽车变速箱故障诊断方法

进一步提高灰色门限关联分析方法在汽车变速箱故障诊断中的精度并改善其决策中的不协调性。将粗集理论处理决策规则的方法与灰色系统理论在机械故障诊断决策中的应用结合起来,找出各故障的最优参数,理论分析及试验结果表明,灰色粗集模型突出了各特征参数对不同故障的作用,因而该方法提高了诊断的精度,也改善了诊断的协调性。对灰色粗集模型基于规则的故障普遍存在的诊断精度不高和决策不协调问题有所改进。     

基于VPRS和RBF神经网络的WSN节点故障诊断

为保障油料供给的安全性,研究无线传感器网络(WSN)节点故障诊断的可行性策略,提出变精度粗糙集(VPRS)和RBF神经网络结合的故障诊断方法.该方法由运行中的汇聚节点实时获取子节点故障征兆,建立初始决策表,利用VPRS作为前端处理系统,对初始决策表进行约简,删除冗余的、不重要的属性征兆,并将约简后的结果输入RBF神经网络实现节点故障识别.仿真实验结果表明:对于具有显著不确定性的WSN节点故障诊断,该方法能够准确快速地得出诊断结果,鲁棒性和适用性更强.     

基于知识的歼击机起飞爬升阶段的故障诊断与报警

针对歼击机的起飞、爬升阶段 ,数据量大且复杂 ,对故障诊断要求精度高 ,实时性好 ,设计出粗集和神经网络相结合 ,分层诊断的方法 ,先定故障的类型 ,然后定故障的度 .其中在粗集诊断部分 ,提出了适合该研究对象的离散和简约方法 ,从而得到了少量但足够用的决策规则 ,使得实时诊断程序结构简单 ,实时性好 .包含诊断和报警模块的实时程序证明 ,此方法可以达到精度和实时性要求 .     

一种基于级联模型的类别不平衡数据分类方法

真实世界问题中,不同类别的样本在数目上往往差别很大,而传统机器学习方法难以对小类样本进行正确分类,若小类的样本是足够重要的,就会带来较大的损失.因此,对类别分布不平衡数据的学习已成为机器学习目前面临的一个挑战.受计算机视觉中级联模型的启发,提出一种针对不平衡数据的分类方法BalanceCascade.该方法逐步缩小大类别使数据集趋于平衡,在此过程中训练得到的一系列分类器通过集成方式对预测样本进行分类.实验结果表明,该方法可以有效地提高在不平衡数据上的分类性能,尤其是在分类性能受数据的不平衡性严重影响的情况下.     

基于粗糙集与贝叶斯网络的推理和诊断模型

基于粗糙集知识约简、规则提取的优势和贝叶斯网络强大的推理能力,对决策表进行约简和提取决策规则获取节点关系、节点概率分布等信息,以获取的信息为基础建立贝叶斯网络模型.然后通过贝叶斯网络实现进行高效快速的推理和诊断.实例分析表明,该方法是可行有效的.     

A hierarchical P2P model and a data fusion method for network security situation awareness system

A hierarchical peer-to-peer (P2P) model and a data fusion method for network security situation awareness system are proposed to improve the efficiency of distributed security behavior monitoring network. The single point failure of data analysis nodes is avoided by this P2P model, in which a greedy data forwarding method based on node priority and link delay is devised to promote the efficiency of data analysis nodes. And the data fusion method based on repulsive theory-Dumpster/Shafer (PSORT-DS) is used to deal with the challenge of multi-source alarm information. This data fusion method debases the false alarm rate. Compared with improved Dumpster/Shafer (DS) theoretical method based on particle swarm optimization (PSO) and classical DS evidence theoretical method, the proposed model reduces false alarm rate by 3% and 7%, respectively, whereas their detection rate increases by 4% and 16%, respectively.     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

arp攻击后网络数据防泄漏方法研究

防止敏感数据泄露是网络服务商面临的主要问题,随着网络的逐渐发展,该问题变得越来越复杂,传统数据防泄漏方法通常通过关键词搜索实现,虚警率高,整体性能低下。为此,提出一种新的arp攻击后网络数据防泄漏方法,通过动态指纹检测对arp攻击后存在网络隐患的敏感数据进行初步检测,通过概率检测降低计算开销和内存。针对指纹比对,在随机选择的一组整数上对字符串进行检测,将检测点和Bloom滤波器关联,给出通过概率检测进行网络数据泄露检测的详细过程,从而防止arp攻击后网络数据泄露。实验结果表明,所提方法不仅精度高,而且整体性能强。