数据挖掘技术在乳化器故障诊断中的应用

决策树是一个类似于流程图的树结构,主要用途是提取分类规则,进行分类预测。该文针对乳化炸药生产过程中的乳化器维护面临的实际问题,提出了用决策树算法对反映设备状态属性的数据进行挖掘,发现故障数据中存在的规律,并以规则的形式表现出来,从而为乳化器的维护提供决策信息。结果表明,采用决策树方法所得出的规则是正确的,并能正确用于故障的分类工作。     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,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.实例分析表明: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,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

关联规则挖掘在3G通信系统维护中的应用

研究了关联规则挖掘算法,将Apriori算法的散列技术和压缩事务数据库技术应用到3G通信网络故障维护中,减少网络维护信息中频繁项集的生成,使故障维护方法和过程更简洁有效。     

基于大数据的舰船通信网络信息资源提取方法分析

常规通信网络信息资源提取方法应用于舰船通信网络信息资源提取中,存在信息资源提取误差较大的不足,为此提出基于大数据的舰船通信网络信息资源提取方法分析。依托大数据标记函数,搭建舰船通信网络信息标记规则,对目标函数建立索引;依托高性能检索机制,实现舰船通信网络信息资源提取,完成基于大数据的舰船通信网络信息资源提取方法分析。试验数据表明,提出的通信网络信息资源提取方法较常规信息资源提取方法,信息资源提取误差降低38.64%,适合舰船通信网络信息资源的提取。     

基于粗糙集知识建模的船舶焊接生产设计方法

知识获取是船舶焊接生产设计智能系统构建中的一个瓶颈问题。本文提出一种基于粗糙集理论的知识建模方法,该方法包括数据采集、顸处理、模型约简、模型推理等四个方面。通过属性约简、值约简和规则约简三个步骤,可从系统运行的经验数据中自动提取出一个精简的知识模型。针对模型推理中存在的规则匹配冲突问题,提出一种基于属性重要性的推理算法。以焊接位置、焊接方法、焊接材料、焊接设备等焊接工艺决策为例,介绍RS建模在船体焊接生产设计中的应用。     

粗集在不完备信息系统中进行知识约简和决策推理的方法研究

对不完备信息系统中利用粗集理论进行推理和知识约简进行了深入研究,分析了三种不同的知识系统和知识约简方法,它们都能消除那些从分类或决策的角度来看不必要的信息.对如何直接从这种不完备信息表上找决策规则的方法也进行了讨论.     

一种基于粗糙集的决策树生成算法

针对决策树的构造和修剪通常不能同时进行所产生的效率低下的问题,提出了基于粗糙集理论中知识依赖性的决策树构造方法.利用优先策略,将知识依赖性同时作为属性约简和建树的准则,在决策树预修剪的同时进行节点生成,大大提高了决策树构造的效率.使用Fisher's iris数据集对基于粗糙集理论中知识依赖性的决策树生成算法和用回归拟合方法的决策树生成算法进行比较.实验结果表明,前者的分类精度和决策树模型的复杂程度要明显优于后者.     

粗集在不完备信息系统中进行知识约简和决策推理的方法研究

对不完备信息系统中利用粗集理论进行推理和知识约简进行了深入研究，分析了三种不同的知识系统和知识约简方法，它们都能消除那些从分类或决策的角度来看不必要的信息。对如何直接从这种不完备信息表上找决策规则的方法也进行了讨论。     

一种基于粗糙集的决策树生成算法

针对决策树的构造和修剪通常不能同时进行所产生的效率低下的问题，提出了基于粗糙集理论中知识依赖性的决策树构造方法。利用优先策略，将知识依赖性同时作为属性约简和建树的准则，在决策树预修剪的同时进行节点生成，大大提高了决策树构造的效率。使用Fisher＇s iris数据集对琏于粗糙集理论中知识依赖性的决策树生成算法和用回归拟合方法的决策树生成算法进行比较。实验结果表明，前者的分类精度和决策树模型的复杂程度要明显优于后者。     

大数据分析下海洋通信网络故障识别方法

为了提高海洋通信网络故障识别效果,针对当前海洋通信网络故障识别成功率低、建模时间长等缺陷,提出大数据分析下的海洋通信网络故障识别方法。首先,分析海洋通信网络故障识别原理,指出当前各种海洋通信网络故障识别方法的弊端。然后,引入大数据分析技术对海洋通信网络故障识别进行建模,并对建模过程一些问题进行相应解决。最后,采用具体海洋通信网络故障数据对本文方法的性能进行验证。本文方法可以对大规模海洋通信网络故障进行短时间识别,识别正确率完全可以保证海洋通信网络正常通信要求,同时海洋通信网络故障识别综合性能要优于当前其它经典方法,对比结果表明了本文方法用于海洋通信网络故障识别的优越性。     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

Application of data fusion method to fault diagnosis of nuclear power plant

The work condition of nuclear power plant (NPP) is very bad, which makes it has faults easily. In order to diagnose the faults real time, the fusion diagnosis system is built. The data fusion fault diagnosis system adopts data fusion method and divides the fault diagnosis into three levels, which are data fusion level, feature level and decision level. The feature level uses three parallel neural networks whose structures are the same. The purpose of using neural networks is mainly to get basic probability assignment (BPA) of D-S evidence theory, and the neural networks in feature level are used for local diagnosis, D-S evidence theory is adopted to integrate the local diagnosis results in decision level. The reactor coolant system is the study object and we choose 2# steam generator Utubes break of the reactor coolant system as a diagnostic example, The experiments prove that the fusion diagnosis system can satisfy the fault diagnosis requirement of complicated system, and verify that the fusion fault diagnosis system can realize the fault diagnosis of NPP on line timely.     

一种改进型C4.5算法在SMT焊接质量中的应用研究

C4.5算法是目前应用最为广泛的一种决策树算法,针对其分支策略和属性选取的不足,提出与分裂属性和类属性相关的平衡因子,以修正属性的分裂信息,进而选取更有意义的属性作为分裂节点,协调各属性的信息增益率。采用经典天气实例与原C4.5算法对比,改进的决策树分类更为合理、准确。改进C4.5算法用来预测不同参数下SMT焊接质量以选择最佳参数,可提高SMT生产效率。     

基于故障树贝叶斯网络的装备故障诊断方法研究

针对复杂系统故障诊断的难点,通过某装备信息机的实例给出了一种基于故障树贝叶斯网络的故障诊断方法。该方法通过结构转变、证据传播,采用局部计算进行故障概率推理,不仅使FBN故障概率推理简洁易行,而且使FBN故障概率推理的复杂性大大降低。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

基于本体的舰炮故障树建模方法研究

论文提出了舰炮故障树本体的思想,并利用演绎法建立舰炮故障树模型,通过实例化的方法添加到故障树本体中.按照论文提出的方法,可绘制更多的舰炮故障树,使得舰炮故障树本体中描述的故障知识更加丰富全面,为舰炮故障树的应用提供知识基础.     

基于粗糙集理论的系统智能控制方法研究

为了使系统能够正常运行,采用粗糙集理论对其状态进行智能控制.通过分析系统正常运行的历史数据,经过归一化、求上界完成信息系统的初始化后,利用粗糙集理论对其进行属性约简并得出决策规则.把经过初始化的实时数据带入决策规则中来判断系统状态是否存在异常,最终完成对系统的智能控制.