一种基于树的频繁模式挖掘算法

提出了一种基于树的频繁模式挖掘算法TBA-FP。它以树表示法压缩数据库所含模式信息，将挖掘问题转化为按深度优先策略构造频繁模式树，并引入了虚拟裁剪等优化技术。实验表明，TBA-FP挖掘“长”模式的时间效率与空间可伸缩性远远优于经典算法Apriori.     

基于一致性检验的航空发动机剩余寿命预测

针对目前没有将退化的多阶段性和维修前的退化数据用于维修后的剩余寿命预测问题,提出了一种基于多阶段Wiener过程的正态总体均值和变异系数一致性检验的剩余寿命预测方法。首先选用Wiener过程构建多阶段的退化模型;然后根据维修前后的退化监测数据,提出了正态总体均值的一致性检验方法,在检验结果的基础上根据变异系数的倒数构造H随机变量,提出了一种基于概率分布的数据一致性检验方法。最后,根据维修前后的退化数据的一致性检验结果,融合维修前后的退化数据进行剩余寿命的预测,通过预测误差对比结果证实了所提检验方法的有效性。     

多维多层关联规则有效挖掘的新算法

提出根据信息熵划分属性值区间或集合、自动生成与人机交互相结合确定层次结构的方法，将多维多层多数据类型问题转化为受约束的一维单层布尔型问题。在此基础上，对直接生成频繁模式的FPT－Gen算法进行了扩展，实现了有效挖掘多维多层关联规则的新算法MDML－FPT－Gen，其效率与可伸缩性均优于经典方法。     

航空发动机静电传感器温度漂移特性分析

高稳定性的传感器是传感器设计追求的目标,其中温漂是影响设计传感器性能稳定性的主要因素。采用ARIMAGARCH模型对传感器温度的线性和非线性漂移进行了建模,找出温度漂移数据的变化规律。对于线性漂移,滞后1阶的样本自相关系数大于2倍标准差,说明该温漂序列具有短期相关性。对于非线性漂移,残差平方的自相关系数2阶截尾,偏自相关系数1阶截尾,说明具有ARCH效应。研究结果表明,在不影响信度的情况下,提出的模型能够更加精确的预测置信区间,表明长时间的高温实验对传感器稳定性造成的影响能够控制在合理范围内。     

应用交互式多模型算法的设备剩余寿命预测

针对目前异常检测与剩余寿命预测联合研究中存在的问题,基于交互式多模型算法,提出了一种考虑退化模式动态转移的设备剩余寿命预测模型。首先根据模式动态转移的状态空间模型对设备进行退化建模,然后使用IMM算法对设备的隐含退化状态与退化模式后验概率进行联合估计,根据后验概率判别异常点,并采用期望最大化(Expectation Maximum,EM)算法对模型参数进行在线估计与更新,最终实现设备的实时剩余寿命预测。数值分析结果表明:该模型能够准确地检测异常点、降低剩余寿命概率分布的不确定性与提高剩余寿命的预测精度,为实现设备的视情维修提供决策依据。     

支持互联网上协同决策的分布式黑板控制机制

定义了黑板和知识源的描述语言以及知识交换格式 ,设计了一种以产生式系统为内核的智能代理 GA,实现了分布式黑板控制机制 ,利用 GA可以构造出支持互联网上多专家协同决策的技术平台 .实验表明 ,利用 GA构造的系统具有高度的可扩展性和灵活性 ,充分发挥了分布式计算的优势 ,有助于用户找到最佳的解结构