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.     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点，并对其在旋转机械故障诊断中的应用进行了探索，提出了粗集理论在旋转机械故障诊断中的数据挖掘方法，运用这一方法对故障诊断决策表进行属性约简，去除其中不必要的属性，揭示出旋转机械故障诊断条件属性中的冗余性，最后得出了属性约简的结果以及决策规则。     

汽车变速箱故障诊断与维修

变速箱作为汽车的关键部件,故障率比较高,通过开展故障诊断来提高变速箱维修质量和效率。对传统灰色关联分析中特征参数未区分对待使故障诊断决策不协调的问题,采用粗糙集理论计算重要性量度作为分辨系数,提出了联合灰色关联和粗糙集理论的变速箱故障诊断模型,并应用于H319.5型汽车变速箱诊断中。结果表明,本文方法故障模式识别的精度更高。这对汽车变速箱故障诊断具有一定的参考价值。     

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 .     

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．     

基于粗集理论的专家系统故障规则的获取方法研究

为了提高故障诊断专家系统中知识获取的能力,本文提出了一中基于粗集理论的专家系统决策简化的方法,并深人研究和初步建立了故障规则自动获取系统,对原有的数据库进行精简和重构。该方法不仅消除了原始的故障数据库中的冗余属性,还对属性值空间进行合理划分,对整个系统的性能有明显的改善。     

变精度粗集模型在故障诊断专家系统中的应用

将变精度粗集模型应用于故障诊断专家系统的知识获取和知识库的更新;利用变精度知识约简和正则条件熵进行故障特征选择,实现最简诊断知识的获取,以建立专家系统知识库;利用属性的相对依赖性实现知识库的维护与更新.滚动轴承故障诊断的实验结果表明,该方法有效地克服了传统规则式故障诊断专家系统的不足,实现了故障诊断功能.     

基于证据理论的规则融合方法及其应用

针对已有规则融合方法的不足以及将证据理论引入规则融合将面临的问题,提出了应用证据理论对多约简集决策进行融合的方法,论述了该方法的具体实现步骤,并对航空发动机故障样本进行了应用分析.结果表明:该方法规避了单约简集决策的牵强、各约简集之间识别率的不稳定以及单属性决策之间的高冲突等问题,为航空发动机的故障诊断提供了科学的理论决策依据.     

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。     

粗糙集理论在机械故障诊断中的应用研究

为了对诊断过程中大量的宙余特征进行压缩或约简,将粗糙集理论引入到机械故障诊断过程中,提出了一种特征约简的算法,通过2个典型诊断实例对该算法进行了验证,结果表明：在保证故障分类结果基本不变的情况下,该算法可以查找出对故障分类起主作用的特征,从而达到了特征约简的目的,为粗糙集理论在机械故障诊断中的深入应用打下了基础。     

基于熵和变精度粗糙集的规则不确定性量度

由已知数据中产生的粗糙决策规则往往具有不确定性 ,需要适当的不确定性量度。借鉴变精度粗糙集理论的思想 ,采用基于信息熵的方法构造了两个新的粗糙决策规则不确定性量度函数。它们不仅可以兼顾由划分的粒度引起的规则不确定性的两个方面 ,即不一致性和随机性 ,还考虑了数据中的噪声对规则一致性的影响。因此 ,它们对一类“几乎一致性规则”具有一定的保护作用。通过举例分析 ,说明它们更适于评价从有噪声数据中提取的粗糙决策规则。     

基于Rough Sets-C4.5的故障征兆提取与判别

针对原始信息系统往往存在大量重复样本和冗余属性,从而影响实际故障诊断的精度和速度这一问题,介绍了一种基于粗糙集和决策树C4.5算法相融合的故障诊断模型,用于设备的精确和快速故障诊断.利用粗糙集具有较强的处理不确定和不完备信息的能力,对原始样本集进行离散化及约简处理;同时,利用决策树C4.5算法对约简后的决策表进行快速学习并形成树状故障分类器.以实例介绍了利用该模型进行故障诊断的完整过程.     

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。     

基于粗糙集理论旋转机械频域特性的故障诊断

应用粗糙集理论将旋转机械转子的频域信息作为研究对象, 从转子故障实验的频域图表及其相关数据中, 构造符合粗糙集理论要求的决策表, 并对决策表进行约简, 得到旋转机械故障诊断的决策规则, 通过区分矩阵和区分方程寻找决策表的约简和核, 最后优化鳞选出决策表的最小约简形式.     

Application of Rough Set Theory in Fault Diagnostic Rules Acquisition

Rough set theory is a new mathematical tool to deal with vagneness and uncertainty. But original rough sets theory only generates deterministic rules and deals with data sets in which there is no noise. The variable precision rough set model （VPRSM） is presented to handle uncertain and noisy information. A method based on VPRSM is proposed to apply to fault diagnosis feature extraction and rules acquisition for industrial applications. An example for fault diagnosis of rotary machinery is given to show that the method is very effective.